关于视觉软件中轮廓提边相关参数详解

阈值参数-参数详解
在视觉轮廓提边功能中,阈值参数用于控制边缘检测的灵敏度,主要有以下几点:
1.阈值参数的范围通常在0到255之间,值越大检测越敏感,值越小检测越迟钝。
2.选择阈值参数的原则是在保留目标轮廓的前提下,消除尽可能多的噪声和不规则边缘。因此需要根据输入图像的质量来选择合适的阈值。
3.高质量图片可以选择较大的阈值,例如200以上,这可以检测出更多细节的边缘。而对于噪声比较大的图片,需要选择较小的阈值,例如150以下,避免检测到过多噪点。
4.如果阈值选择太小,会导致轮廓边缘模糊不清,丢失细节。如果阈值选择太大,会检测到大量噪点,产生过度分割的效果。
5.不同的算法和实现,对阈值参数的敏感度也不同。所以选择阈值也需要结合算法的具体情况来进行。
6.阈值选择的最佳实践是,在一组训练数据上进行多组阈值的测试,评估结果视觉质量和定量指标的变化,选择在视觉效果比较理想且指标较优的阈值进行使用。同时也需要考虑输入数据的变化,动态调整阈值大小,这需要一定的经验积累。
7.在实际使用中,计算机视觉框架也提供了自动阈值优化的功能。这可以自动在训练数据上试出较优的阈值参数,简化用户的调参过程。这种自动优化的效果也会随着训练数据的丰富和模型的优化而提高。

扩展参数-参数详解
在视觉轮廓提边功能中,扩展参数用于控制边缘宽度,主要有以下几点:
1.扩展参数的范围通常在0到20之间,值越大扩展效果越明显,值越小扩展效果越小。
2.选择扩展参数的原则是在保持边缘轮廓正确的前提下,达到期望的边缘宽度效果。一般来说,扩展值在3到10之间可以满足大多数应用场景。
3.如果扩展值选择太小,会导致边缘显得过于细长和锐利。如果值选择太大,会导致边缘显得过于宽大和模糊。两种情况下都会对后续处理产生一定影响。
4.扩展参数的选择还需要考虑输入图像分辨率的影响。对高分辨率图像来说,相同像素点下的线宽会产生不同视觉效果。所以高分辨率图片一般选择较小的扩展值。
5.不同的算法和实现,对扩展参数的敏感度也不同。Canny 算法对扩展参数更加敏感,而其他算法如 LoG 算法的敏感度稍低。所以选择扩展参数也需要结合具体算法情况。
6.扩展参数的选择同样需要在训练数据上进行测试,评估不同参数下的视觉效果,选择较优参数。除此之外,也可根据业务需要定制多个版本,如细边缘版、标准版和粗边缘版,以满足不同应用场景的需求。在实际使用中,计算机视觉框架也提供了自动扩展优化的功能,可以自动根据图像内容智能推荐更优的扩展参数,这可以简化参数调整过程,提高效率。

轮廓级别参数-参数详解
在视觉轮廓提边功能中,轮廓级别参数用于控制检测到的边缘数量,主要有以下几种:
1.所有级别:检测图像中的所有可能边缘,包括细微边缘。范围通常为1到3,值越大检测到的边缘越多。适用于保留最大边缘信息的场景,但视觉效果较复杂。
2.一级:只检测图像中的最主要边缘轮廓,过滤掉大量细微边缘。范围通常为1。适用于主要边缘分析和要求视觉简洁的场景。
3.最外:只检测图像外围最外层的闭合边缘轮廓。范围为1。主要用于物体外形检测和分割场景。
4.最内:只检测内层边缘轮廓,过滤外围边缘。范围为-1至-3,绝对值越大检测到的内层边缘越少。用于检测和分析物体内部结构的场景。

拟合方法参数-参数详解
在视觉轮廓提边功能中,拟合方法参数用于控制边缘曲线的平滑程度,主要有以下几种:
1.尖角优先:保留边缘曲线的锐角和尖角特征,不进行平滑处理。
  (1)根据角度特征可分为:
    ①凹凸:在这种情况下，拟合算法会优先选择具有凸角特征的点进行拟合。凸角通常指轮廓中两条线段的夹角小于180度的特殊点。这种选项可以用于提取具有尖锐角度的轮廓，例如人脸或建筑物的边缘轮廓。
    ②只凹:只保留凹角,滤除凸角。在这种情况下，拟合算法只会选择具有凹角特征的点进行拟合。凹角通常指轮廓中两条线段的夹角大于180度的特殊点。这种选项可以用于提取具有圆滑曲线的轮廓，例如汽车或飞机的外形轮廓。
    ③忽略凹凸:只考虑轮廓的凹角,忽略凸角。 忽略角度特征,保留所有角点。在这种情况下，拟合算法会忽略轮廓点的凸凹性，直接对所有点进行拟合。这种选项适用于提取各种类型的轮廓，但可能会导致拟合结果不够准确。
  (2)角度阈值:指定需要拟合的尖角最小角度,角度阈值：角度阈值是指在拟合过程中，设定一个最小的角度值，只有当两条线段的夹角大于该阈值时，才被认为是一个尖锐的角度。这个阈值可以根据具体的应用场景进行调整，一般来说，阈值越小，能够被识别为尖锐角的点就越多，一般取20~90度之间。例如，当我们需要提取建筑物的轮廓时，由于建筑物的边缘通常比较直，可以将角度阈值调整为较大的值，比如60度或90度，以避免将建筑物的直线边缘误判为尖锐角。
  (3)角度降噪:角度降噪是指在拟合过程中，对于一些噪声点或细节点，可以根据其周围的角度信息进行过滤。只有当某个点的夹角大于周围其他点的夹角平均值加上一个设定的降噪值时，才被认为是一个有效的点。例如，当我们需要提取人脸的轮廓时，由于人脸的边缘通常具有一些细节和噪声，可以将角度降噪参数设置为较小的值，比如5度或10度，以便过滤掉一些不必要的细节点和噪声点，提高轮廓提取的准确度。
  (4)使用场景:当轮廓存在明显的尖角时,使用尖角优先拟合可以很好地捕获这些特征。
2.曲线拟合:通过曲线拟合算法对边缘进行平滑,是一种常用的轮廓处理方法，可以将轮廓拟合成一条平滑的曲线，以进一步提高轮廓的精度和平滑度。
  (1)使用场景:当轮廓较为平滑时,使用曲线拟合可以给出一个更光滑的拟合轮廓。

3.边缘精度:是一种用于控制曲线拟合结果边缘精度的参数。该参数通常是指在拟合曲线时，与边缘点的距离小于该参数值的点被视为边缘点，从而影响曲线拟合的边缘精度。边缘精度参数的具体作用是控制曲线拟合结果在边缘处的精度和平滑度。边缘精度参数越小，可以拟合出更加精细的边缘特征，但同时也可能会引入噪声和震荡。而边缘精度参数越大，则可以拟合出更加平滑的曲线，但也有可能会损失边缘的细节信息。  边缘精度参数的参数范围通常为0到1之间的浮点数，不同的取值会影响曲线拟合的边缘精度和平滑度。通常情况下，边缘精度参数应该根据具体的数据特征和应用场景进行选择，以使曲线拟合结果既满足边缘精度的要求，又能保持较好的平滑度。

自定义DPI参数-参数详解
自定义DPI功能是指用户可以自己设置输出图像的DPI值，以控制输出图像的大小和清晰度。DPI（Dots Per Inch）表示每英寸的点数，是衡量图像输出清晰度的重要参数。
在进行轮廓提边处理后，通常需要输出图像进行后续处理或者展示。此时，用户可以通过设置DPI值来控制输出图像的大小和清晰度，以满足不同的需求。
自定义DPI功能的参数范围通常为1~1000，不同的取值会影响输出图像的大小和清晰度。较高的DPI值会使图像变得更加清晰，但同时也会增加图像的大小，因此需要根据具体应用场景进行选择。
自定义DPI功能适用于图像处理、计算机视觉、机器人视觉等领域。例如，在目标检测和跟踪中，需要输出清晰度较高的目标轮廓图像进行后续处理和分析；而在机器人视觉中，需要输出图像大小适中、清晰度较高的轮廓图像进行实时控制和决策。
通过自定义DPI功能，用户可以灵活控制输出图像的大小和清晰度，满足不同的应用需求，提高视觉轮廓提边处理的效果和准确性。

使能Mark点提取参数-参数详解
用于在轮廓提取过程中添加标记点，以便于后续的图像处理或分析。标记点的大小以mm为单位，可以设置为从1到100之间的任何整数值。标记点的大小决定了标记点的可见程度和占用空间，一般来说，标记点的大小越大，越容易被发现和识别，但也会占用更多的空间。