Outils de recherche de contours de convolution et de comparaison
Les fonctions suivantes sont utilisées pour détecter des contours dans une image en convoluant huit noyaux à la suite sur une matrice d'images puis en comparant les résultats.
La détection des contours avec comparaison permet d'améliorer des caractéristiques des images qui dépendent des limites et directions des gradients de limites.
• compgrad(M) : procède à la détection des contours en comparant les gradients des huit voisins sur la matrice M.
• kirsch(M) : procède à la détection des contours par la convolution de Kirsch et la comparaison sur la matrice M.
• robinson3(M) : procède à la détection des contours par la convolution de Robinson 3 x 3 et la comparaison sur la matrice M.
• robinson5(M) : procède à la détection des contours par la convolution de Robinson 5 x 5 et la comparaison sur la matrice M.
Arguments
• M est une matrice d'images.
Informations supplémentaires
• Les fonctions renvoient une matrice contenant le maximum absolu parmi les huit convolutions sur chaque pixel. Cela rend ces détecteurs de contours sensibles aux différentiels importants et à la direction du différentiel. Le périmètre de l'image n'est pas traité, car les noyaux de s'y superposent pas entièrement.
• La durée de calcul de ces fonctions peut être longue car huit convolutions sont réalisées pour chaque pixel.