西安交通大学计算机视觉作业：最大值抑制与迟滞边缘链接

"西安交通大学计算机视觉与模式识别课程的第五次作业1，主要内容涉及最大值抑制和迟滞边缘链接的函数实现。" 在这次作业中，主要关注的是计算机视觉领域中的两个重要步骤：边缘检测的非极大值抑制（Non-Maximum Suppression）和滞后阈值处理（Hysteresis Thresholding）。这两个算法是Canny边缘检测算法的关键组成部分。 1. **非极大值抑制（Non-Maximum Suppression）**： - 目的：在边缘检测后，消除可能存在的噪声点，确保边缘的清晰度和准确性。 - 实现方式：遍历图像的每个像素，比较当前像素的梯度幅度（magnitude）与其水平、垂直或对角方向相邻像素的梯度幅度。如果当前像素的梯度幅度最大，则标记为边缘点。在给定的代码中，根据角度（angle）判断比较的方向，例如，当角度为0时，比较左右两侧；当角度为π/4时，比较右上和左下等。 2. **滞后阈值处理（Hysteresis Thresholding）**： - 目的：连接连续的边缘点，形成连续的边缘曲线，同时去除孤立的弱边缘点。 - 实现方式：设置两个阈值，高阈值（threshold_high）和低阈值（threshold_low）。遍历图像，如果某个像素点的梯度幅度大于高阈值且尚未被标记为边缘点，则将其标记为边缘，并将与其相邻的满足低阈值的像素点也链接为边缘。这可以确保边缘的连贯性，同时丢弃弱信号的边缘。 在提供的代码中，两个函数分别实现了这两个操作。`non_maximum_suppression`函数通过一个switch语句来处理不同角度下的比较，而`hysteresis_thresholding`函数则用于将满足条件的像素点链接成边缘，同时避免无限递归问题，设置了MATLAB的递归限制。 这些算法在实际应用中，如图像分析、目标检测、自动驾驶等领域都有广泛的应用。理解并正确实现它们对于掌握计算机视觉的基础知识至关重要。通过这样的作业，学生能够加深对边缘检测原理的理解，并提高编程实现技能。