像素边缘人高清资源

同样以边缘点为前景类别为例，若校正时边缘点为深度值不准确的飞点，则校正后将该飞点的时间箱更新为前景类别中与其距离最近的像素点的时间箱。若该边缘点为深度值准确的正常像素点，校正后同样将其时间箱更新为前景类别中与其距离最近的像素点的时间箱。此时正常像素点的时间箱在校正前后不发生变化，即该方案针对边缘区域进行统一的时间箱的校正，以确保飞点处理的覆盖率，从而不容易发生飞点处理的遗漏。

其次，在峰值对应的时间箱图上，以每个边缘点为中心构建对应的多个搜索区域。由于dTOF相机可获取到各个像素点的直方图信息，各个像素点的直方图中的峰值对应的粗略时间，其与每个像素点的深度值是相对应的。因此，该方案结合该时间箱图来作为边缘飞点校正处理的基础，在时间箱图上，以每个边缘点为中心一一对应构建多个搜索区域，使得可以结合时间箱值来分析每个边缘点与其领域附近点的特性。

如上图，为搭载该方案的边缘飞点处理装置的结构图。该装置包括边缘检测模块401、构建模块402、聚类分析模块403和边缘校正模块404。边缘检测模块用于对深度图进行边缘检测，得到边缘区域。构建模块用于在峰值对应的时间箱图上，以每个边缘点为中心构建对应的多个搜索区域。聚类分析模块用于对每个搜索区域内的所有像素点进行聚类分析。边缘校正模块用于在一个搜索区域内，获取一个边缘点的场景类别，并以相同类别中与该边缘点距离最近的像素点的时间箱作为该边缘点的校正值。

如上图，为边缘区域的示意图，在检测得到的边缘区域201中，包括了飞点在内的若干个边缘点，即边缘区域可以全部都为深度值不准确的飞点。也可以既包括飞点又包括深度值准确的正常像素点202。

所谓边缘是指其周围像素灰度急剧变化的那些象素的集合,它是图像最基本的特征。边缘存在于目标、背景和区域之间,所以,它是图像分割所依赖的最重要的依据。由于边缘是位置的标志,对灰度的变化不敏感,因此,边缘也是图像匹配的重要的特征。sobel算子利用像素点上下左右四个方向像素权重算法,根据在边缘点处达到极值这一现象进行边缘检测。Sobel算子对噪声具有平滑作用,提供较为精确的边缘方向信息,是一种较为常见的边缘检测方法。