Giới hạn biên hình ảnh:
Hầu hết các giá trị điểm ảnh là hiện hữu ở biên hình ảnh, những giá trị biên nhỏ
phù hợp cho mức xám khơng đáng kể, làm thay đổi kết quả từ lượng tạp nhiễu, ánh sáng nhỏ khơng đều…
Chọn một giới hạn chung thích hợp thường là khĩ khăn và đơi khi khơng thể đạt được; P-giới hạn xếp kề cĩ thể áp dụng t ừđịnh nghĩa giới hạn.
Như một sự lựa chọn, khơng giảm độ lớn cực đại và hiện tượng trễ giới hạn cĩ thểđược sử dụng như là đã đưa vào phép dị biên chi tiết.
KILOBOOKS.COM
Khung cuối cùng từ các phương pháp trước chịu ảnh hưởng lớn bởi hình ảnh gốc.
Tất cả thuộc tính hình ảnh trong bối cảnh liên quan với nhau cĩ thể tăng chất lượng hình ảnh cuối cùng.
Hầu hết các thuộc tính hình ảnh, tính đến cả biên thực sự mờ là đánh giá chính xác hơn trừ khi ngữ cảnh biên là hồn tồn làm sạch – cơ bản trên độ dài của các biên liên quan trong tìm kiếm đặc biệt, sự tin cậy của mỗi biên là tăng hay giảm.
Một vị trí biên mờ giữa 2 biên rõ là một ví dụ cụ thể; nĩ là khả năng lớn dể
vị trí biên mờ là một phần của đường biên cuối cùng.
Nếu trong 1 trường hợp khác, một biên rõ vị trí của nĩ khơng tồn tại nĩ sẽ
khơng là phần nhỏ của bất kì đường biên nào.
Giãn đường biên là phương pháp lập đi lập lại để độ tin cậy của đường biên hội tụ về 0 hay 1.
Sự tin cậy của mỗi đường biên e trong lần giãn đầu tiên là độ lớn bình thường của đường biên rõ.
Thuật tốn:
1. Đánh giá độ tin cậy C(1)(e) cho tất cả các đường biên e tách ra trong hình
ảnh.
2. Tìm kiểu đường biên của mỗi đường biên cơ bản trên đường biên tin cậy trong nhĩm liên quan.
3. cập nhật độ tin cậy C(k+1)(e) của mỗi đường biên e theo kiểu của nĩ và theo độ tin cậy cho trước C(k)(e).
4. Dừng lại, nếu độ tin cậy đã hội tụ về 0 hay 1. Lặp lại bước (2) và (3) cho các trường hợp khác.
- Các bước chính của thuật tốn ở trên là ước lượng nhưng điểm tốt nhất bởi ước lượng của kiểu đường biên và theo cách này độ tin cậy của đường biên đã giảm bớt.
KILOBOOKS.COM- Ước lượng là tính tốn ở kiểu i nếu: