基於Hessian矩陣的Steger算法VisualApplets仿真
一、Steger算法原理 Hessian矩陣的2個特徵值分別爲圖像灰度函數的二階導數的極大值和極小值，所對應的2個特徵向量則表示2個極值所取的方向，且相互正交。圖像線條邊緣法線方向（nx，ny）對應於Hessian矩陣最大絕對特徵值的特徵向量。 Hessian矩陣表示爲: 根據Steger算法令:
相關文章
- 1. 基於VisualApplets仿真的Zernike算法
- 2. 牛頓法， Jacobian矩陣 和 Hessian矩陣
- 3. 基於Hilditch算法和灰度重心法結合的VisualApplets仿真
- 4. Jacobian矩陣和Hessian矩陣
- 5. Hessian矩陣（黑塞矩陣）
- 6. 【5.11】Hessian-steger-git-readme
- 7. Hessian矩陣
- 8. hessian矩陣
- 9. 牛頓法、Hessian矩陣
- 10. Jacobian矩陣和Hessian矩陣的理解
- 更多相關文章...
- • R 矩陣 - R 語言教程
- • PHP imageaffinematrixget - 獲取矩陣 - PHP參考手冊
- • ☆基於Java Instrument的Agent實現
- • 算法總結-廣度優先算法
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
