图像处理和分析教程章毓晋
图像技术基础ppt课件
► [4] Maria Petrou, Panagiota Bosdogianni, Image Processing, The Fundamentals, JOHN WILEY & SONS, LTD. 1999。
10
10
2） 遥感航天中的应用
(1) 军事侦察、定位、引导、指挥等应用； (2)多光谱卫星图像分析； (3)地形、地图、国土普查； (4)地质、矿藏勘探； (5)森林资源探查、分类、防火； (6)水利资源探查，洪水泛滥监测； (7)海洋、渔业方面如温度、渔群的监测预报； (8)农业方面如谷物估产、病虫害调查； (9)自然灾害、环境污染的监测； (10)气象、天气预报图的合成分析预报； (11)天文、太空星体的探测及分析； (12)交通、空中管理、铁路选线等。
50
50
51
51
(7)图像分辨率 指该图像在空间域上的采样数。指单位图像线
性尺寸中所包含的像素数目，通常以像素／英寸 （ppi）为计量单位.
52
52
显示器分辨率是指显示器上每单位长度显示的像素或 点的数目，通常以点／英寸（dpi）为计量单位。
打印机分辨率是指打印机每英寸产生的油墨点数，大 多数激光打印机的输出分辨率为300dpi ~600dpi， 高档的激光照排机在1200dpi以上。
1）生物医学中的应用：
(1)显微图像处理； (2)DNA(脱氧核糖核酸)显示分析； (3)红、白血球分析计数； (4)虫卵及组织切片的分析； (5)癌细胞识别； (6)染色体分析； (7)DSA(心血管数字减影)及其他减影技术； (8)内脏大小形状及异常检查；
图像处理和分析教程
图像处理和分析教程图像处理和分析是计算机视觉领域中非常重要的一个研究方向。
图像处理是指对图像进行各种操作和转换，从而改变图像的外观和特征。
图像分析则是指对图像进行各种算法和技术的分析，以提取出图像中携带的有用信息。
图像处理和分析在各个领域中有非常广泛的应用。
在医学领域中，图像处理和分析可以用于医学图像的诊断和分析。
比如，利用图像处理技术可以检测出医学图像中的病变和异常区域，帮助医生做出更准确的诊断。
在工业领域中，图像处理和分析可以用于生产线上的检测和质量控制。
比如，利用图像处理技术可以检测出产品表面的缺陷和瑕疵，提高产品的质量和可靠性。
图像处理和分析的基本流程包括图像获取、图像预处理、图像特征提取和图像分类。
首先是图像获取，即通过摄像机或者其他设备获取到需要处理和分析的图像。
然后是图像预处理，即对图像进行一系列的处理和滤波操作，以去除图像中的噪声和干扰。
接下来是图像特征提取，即针对特定的应用，提取图像中携带的有用信息。
最后是图像分类，即根据提取到的特征，将图像划分到不同的类别中。
在图像处理和分析中，常用的技术和算法包括图像滤波、边缘检测、图像分割、特征提取和分类器设计等。
图像滤波是对图像进行空间域或频域的滤波操作，以去除图像中的噪声和干扰。
边缘检测是对图像中的边缘进行检测和提取，以辅助图像的分割和特征提取。
图像分割是将图像划分为不同的区域或对象，以便进行后续的处理和分析。
特征提取是从图像中提取出具有辨识度的特征，以便进行图像的分类和识别。
分类器设计是设计和训练一个能够将不同类别的图像正确分类的分类器。
图像处理和分析的技术和算法在计算机视觉领域中得到了广泛的应用。
随着深度学习的兴起，深度卷积神经网络等技术也被广泛应用于图像处理和分析中。
这些技术和算法在图像分类、目标检测、图像生成等方面取得了非常好的效果。
总之，图像处理和分析是计算机视觉领域中非常重要的一个研究方向，有着广泛的应用前景。
通过对图像进行各种操作和转换，可以改变图像的外观和特征。
《数字图像处理》课程简介
面向应用型人才培养--开展信号与信息处理课程群改革与实践《数字图像处理》课程简介中文课程名称数字图像处理C课程编号00005596英文课程名称Digital Image Processing开课系所号25学时40学分 2.5课内总学时32实验总学时0上机总学时8开课学期6课程属性专业选修基本面向应用物理学专业光信息科学与技术专业先修课程信号与系统、数字信号处理、线性代数课程负责人张丽课程团队邓霄、赵彤教材姚敏《数字图像处理》（第二版）．机械工业出版社．2012参考书Rafael C.Gonzalez,Richard E.Woods著，阮秋琦、阮宇智等译.《数字图像处理数字图像处理》（第二版）.北京：电子工业出版社.2005；章毓晋《图象工程（上册）》—图像分析和处理图像分析和处理.北京：清华大学出版社.1999。
主要内容（300字内）一、课程目的：数字图像处理是应用物理专业、光信息科学与技术、自动化专业、计算机科学与技术等电子与信息类本科专业的选修课程。
本课程通过学生系统掌握数字图像处理的基本概念、原理和实现方法，学习图像分析的基本理论、典型方法和实用技术，具备解决智能化检测与控制中应用问题的初步能力，并能应用这些基本方法开发数字图像处理系统，为学习图像处理新方法奠定理论基础，为在工程实践、计算机视觉、模式识别等领域从事研究与开发打下扎实的基础。
二、章节简介：1、绪论2、图像获取3、图像变换4、图像增强5、图像复原6、彩色图像处理三、教学重点：1、图像变换；2、图像增强；3、图像复原。
四、教学难点：1、图像增强的频域与空域处理方法；2、图像复原方法。
备注撰稿人：课程群教学团队。
数字图像处理知识结构整理
数字图像处理知识结构整理众所周知数字图像处理经典的教材有：（美），（美） 著， 等译出版社出版社:出版时间:2011年06⽉数字图像处理（第三版）作者数字图像处理（第三版）作者:（美），（美） 著， 等译图像处理/章毓晋著清华⼤学出版社分为：图像⼯程（上册）——图像处理图像⼯程（中册）——图像分析（第3版）图像⼯程（下册）——图像理解（第3版）《数字图像处理与机器视觉——Visual C++与Matlab实现(第2版)》【我个⼈在⽤，主要有详细代码】学习⼀定知识后，我们要开始整理知识结构，这样才可以把握图像处理的⼀些⽅法。
以的⽬录为例：第1章绪论 前⾔ 1.1 什么是数字图像处理 1.2 数字图像处理的起源 1.3 使⽤数字图像处理的领域实例 1.4 数字图像处理的基本步骤 1.5 图像处理系统的组成 ⼩结 参考⽂献第2章数字图像基础 引⾔ 2.1 视觉感知要素 2.2 光和电磁波谱 2.3 图像感知和获取 2.4 图像取样和量化 2.5 像素间的⼀些基本关系 2.6 数字图像处理中所⽤数学⼯具的介绍 ⼩结 参考⽂献 习题第3章灰度变换与空间滤波 引⾔ 3.1 背景知识 3.2 ⼀些基本的灰度变换函数 3.3 直⽅图处理 3.4 空间滤波基础 3.5 平滑空间滤波器 3.6 锐化空间滤波器 3.7 混合空间增强法 3.8 使⽤模糊技术进⾏灰度变换和 空间滤波 ⼩结 参考⽂献 习题第4章频率域滤波 引⾔ 4.1 背景知识 4.2 基本概念 4.3 取样和取样函数的傅⾥叶变换 4.4 单变量的离散傅⾥叶变换(dft) 4.5 两个变量的函数的扩展第5章图像复原与重建 前⾔ 5.1 图像退化/复原处理的⼀个模型 5.2 噪声模型 5.3 只存在噪声的复原——空间滤波 5.4 使⽤频率域滤波消除周期噪声 5.5 线性、位置不变的退化 5.6 估计退化函数 5.7 逆滤波 5.8 最⼩均⽅误差(维纳)滤波 5.9 约束最⼩⼆乘滤波 5.10 ⼏何均值滤波 5.11 由投影重建图像 ⼩结 参考⽂献 习题第6章彩⾊图像处理 引⾔ 6.1 彩⾊基础 6.2 彩⾊模型 6.3 伪彩⾊图像处理 6.4 全彩⾊图像处理基础 6.5 彩⾊变换 6.6 平滑和锐化 6.7 基于彩⾊的图像分割 6.8 彩⾊图像中的噪声 6.9 彩⾊图像压缩 ⼩结 参考⽂献 习题第7章⼩波和多分辨率处理 引⾔ 7.1 背景 7.2 多分辨率展开 7.3 ⼀维⼩波变换 7.4 快速⼩波变换 7.5 ⼆维⼩波变换 7.6 ⼩波包 ⼩结 参考⽂献 习题第8章图像压缩 引⾔ 8.1 基础知识 8.2 ⼀些基本的压缩⽅法 8.3 数字图像⽔印处理 ⼩结 参考⽂献 习题第9章形态学图像处理 引⾔ 9.1 预备知识 9.2 腐蚀和膨胀 9.3 开操作与闭操作 9.4 击中或击不中变换 9.5 ⼀些基本的形态学算法 9.6 灰度级形态学 ⼩结 参考⽂献 习题第10章图像分割 引⾔ 10.1 基础知识 10.2 点、线和边缘检测 10.3 阈值处理 10.4 基于区域的分割 10.5 使⽤形态学分⽔岭的分割 10.6 分割中运动的应⽤ ⼩结 参考⽂献 习题第11章表⽰和描述 引⾔ 11.1 表⽰ 11.2 边界描绘⼦ 11.3 区域描绘⼦ 11.4 使⽤主分量进⾏描述 11.5 关系描绘⼦ ⼩结 参考⽂献 习题第12章⽬标识别 引⾔ 12.1 模式和模式类 12.2 基于决策理论⽅法的识别 12.3 结构⽅法 ⼩结 参考⽂献 习题附录a 图像压缩编码表附录b 参考书⽬索引图像⼯程⽬录：《图像⼯程(第3版)(精装)》为《图像⼯程》(第3版)的上、中、下册合订本，全⾯介绍图像⼯程的第⼀层次——图象处理，图像⼯程的第⼆层次——图像分析，图像⼯程的第三层次——图像理解的基本概念、基本原理、典型⽅法、实⽤技术以及国际上有关研究的新成果。
人脸识别中的图像处理技术
［ ］ 火明 ， １董 高隽 ， 汪荣贵 ． 多分类 器融合的人 脸识 别与 身份认 证 ［ 系 统仿真学报 ， ０ ； （ ： ４ — ８ ３ ２ ４１ ８ １ ９ １５ ０ ６ ）８ ［］ ２章毓晋 图像处理（ 第二版 ） 清华大学出 ［ Ｍ］ 版社，０６ １４ １５ ２０ ， — ８． ８ ［］ ３ 张宏林 数字图像 模式识 别技 术及 工程 实践［ 人 民邮 电出版 Ｍ］
１ 引言 ．
Ｌ Ｂ环境下对采集后的图像进行 了图像的预处理 ， Ａ 见图 ２ 。
人脸识别 ，特指利用分析 比较人脸视觉特征信息进行身份 鉴别 的 计算机技术 。 人脸识别技术应用广泛 ， 可用于安全验证 系统 、 医学 、 档案 管理 、 银行和海关的监控系统及 自 门禁系统等Ｉ 与利用指纹 、 动 】 １ 。 虹膜等 其他人体生物特征进行身份识别的方法相比 ， 人脸识 别更加友好 、 方便 和隐蔽？ 因其巨大 的应用前景以及其无可 比拟的优越性 ， 人脸识别越来 越成为当前模式识 别和人工智能领域 的一个热点。 ２人 脸 识 别 的基 本 过 程 ． 广义的人脸识 别实际包括构建人脸识别系统 的一系列 相关 技术 ，
３１ 处 理 ．预
预处理的 目的是为 了提高图像质量 、 加强有用 的信息。常用 的预处 理有姿态矫正 、 光照补偿 、 尺寸归一化 、 去噪 、 边界增强 、 提高对 比度等 。 它是一项基础性工作 ，可在人脸 特征提取之前 根据需要有选择地进行 适 当的预处理操作 。 本文采用直方图均衡技术进行人脸图像 的预处理 ， 主要 目的是增强对 比度 ， 提高图像质量 。 ３１ ．． １直方 图定 义 直方图是图像 的一种统计表达 。 对一幅灰度 图像 ， 其灰度统计直方 图反映 了该图中不 同灰度级出现 的统计情况 。其定义为 ： ｐＳ＝ ｋ （｝ｎ／ ｋ Ｎ 其中 ｎ表示 图像的第 ｋ 级灰度值 ， Ｎ表示像素总数。 直方 图能给 出 该图像的整体描述 ， 例如图像 的灰度范 围、 每个灰度级的频度和灰度的 分布 、 整幅图像 的平均明暗和对 比度 。 直方 图又分为直方图均衡化和直 方图规定化。 ３１２ ．－直方图均衡技 术 直方图均衡化也 叫直方图均匀化， 就是把给定图像的直方 图分布改 变成均匀分布的直方图 ， 它是一种 常用的灰度增强方法 本文在 ＭＡ — Ｔ
图象理解理论和系统
(2) 综合方法
•
试图在感观刺激中找出所观察世界的等价物
•
认为视网膜上的光学图象（包括图象随时间
空间目标所需要的全
部信息
•
其基于思路是复杂和密集的视网膜刺激可帮
量，即其最基本和本
质的特性
的变化）应该包含感知 助进入视觉世界的不变
章毓晋 (TH-EE-IE)
12.1 从感知到理解
2. 图象理解系统
•
完成视觉感知理解的系统是图象理解系统
•
视觉信息从广义上说包括：
• 由人类视觉系统感知的信息
• 由人类发明的各种视觉装置所获取的信息
• 以及由这些信息推导出的其它表示形式
• 从上述这些信息中抽象出来的高级表达和行 为规划以及与这些信息密切相关的知识和处理
这些信息所需的经验
章毓晋 (TH-EE-IE)
12.1 从感知到理解
要素 名称
含义和所解决的问题
1 计算理 什么是计算目的，为什么要这样计算 论
2 表达和 怎样实现计算理论，什么是输入输出表达， 算法 用什么算法实现表达间的转换
3 硬件实 怎样在物理上实现表达和算法，什么是计算
现
结构的具体细节
章毓晋 (TH-EE-IE)
12.2.1 马尔视觉计算理论
2. 视觉信息加工的三个要素 • 它们之间有一定的逻辑因果联系，但并无绝对的依赖关系 • 实际上看成两个层次更恰当 • 一旦有了计算理论，表达和算法与硬件实现是互相影响的
章毓晋 (TH-EE-IE)
12.2.1 马尔视觉计算理论
2. 视觉信息加工的三个要素 ③ 硬件实现
有了表达和算法在物理上如何实现算法也是必不可少的 算法的确定常依赖于物理上实现算法硬件的特点 同一个算法也可由不同的技术途径实现
图像处理概述 ppt课件
国外学术会议
IEEE International Conference on Computer Vision (ICCV)
IEEE International Conference on Computer Vision and Pattern Recognition (CVPR)
Video Technology (CSVT)
图像处理的主要内容
基础知识 图像几何变换 彩色图像处理 边缘检测 图像增强 图像分割 形态学处理 图像压缩 应用实践
基础知识
1 概述
概念：图像、数字图像、像素 数字图像处理的起源 数字图像处理的应用领域 图像处理系统的基本组成结构
课程考核
考核
平时成绩 40% 考勤、课堂练习、回答问题 课堂小讲座、讨论
考试（或论文）成绩 60%
讲座安排
围绕图像处理领域，做10分钟-20分钟PPT
技术点、知识点介绍 应用 研究现状 程序实现与演示 论文阅读 鼓励介绍自己的学术研究成果……
每位同学都要讲，按团队准备和评分 课代表收集大家选题
ACM Multimedia Conference (MM) IEEE International Conference on Image
Processing (ICIP) International Conference on Pattern Recognition
(ICPR)
国外期刊
IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI)
高级数字图像处理
联系方式
媒体计算与仿真研究室
《数字图像处理》教学大纲
《数字图像处理》教学大纲电子信息工程专业（本科）课程编号：（）课程名称：数字图像处理参考学时：42 其中实验或上机学时：10说明部分1．课程的地位、性质和任务数字图像处理是一门迅速发展的新兴学科，发展的历史并不长。
由于图像是视觉的基础，而视觉又是人类重要的感知手段，故数字图像成为心理学、生理学、计算机科学等诸多方面学者研究视觉感知的有效工具。
随着计算机的发展，以及应用领域的不断加深和扩展，数字图像处理技术已取得长足的进展，出现了许多有关的新理论、新方法、新算法、新手段和新设备，并在军事公安、航空、航天、遥感、医学、通信、自控、天气预报以及教育、娱乐、管理等方面得到广泛的应用。
所以，数字图像处理是一门实用的学科，已成为电子信息、计算机科学及其相关专业的一个热门研究课题，相应《图像处理技术》也是一门重要的课程，是一门多学科交叉、理论性和实践性都很强的综合性课程。
本课程是电子信息工程专业的专业课。
本课程着重研究数字图像处理的方法，训练学生运用所学基础知识解决实际问题的能力，同时要求拓宽专业知识面。
2．课程教学的目的及意义数字图像处理是研究数字图像处理的基本理论、方法及其在智能化检测中应用的学科，本课程侧重于机器视觉中的预处理技术——数字图像基本处理，并对图像分析的基本理论和实际应用进行系统介绍。
目的是使学生系统掌握数字图像处理的基本概念、基本原理和实现方法和实用技术，了解数字图像处理基本应用和当前国内外的发展方向。
要求学生通过该课程学习，具备解决智能化检测与控制中应用问题的初步能力，为在计算机视觉、模式识别等领域从事研究与开发打下扎实的理论基础。
3．教学内容及教学要求教学内容：数字图像处理是计算机和电子学科的重要组成部分，是模式识别和人工智能理论的的中心研究内容。
主要教学内容包括：（1）数字图像处理的基本概念，包括数字图像格式，数字图像显示，灰度直方图，点运算，代数运算和几何运算等概念。
（2）介绍二维富氏变换离散余弦变换，离散图像变换和小波变换的基本原理与方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第12章
12-16
12.3 特色的取阈值技术
借助过渡区选择阈值
剪切变换
把被剪切了的部分设成剪切值，避免了一般 剪切在剪切边缘造成大的反差而产生的不良影响
第12章
高端剪切
L
f high (i,
j)
f
(i,
j)
当 f (i, j) L 当 f (i, j) L
低端剪切
f (i, j) flow (i, j) L
12.3 特色的取阈值技术
多分辨率阈值选取
图像在小波变换后可分解为一系列尺度不同 的分量。图像直方图在小波变换后也可进行多分 辨率分析
首先利用在粗分辨率下的直方图细节信息确 定分割区域的类数，即检测出真正的峰点和谷点
确定类数后，可利用多分辨率的层次结构在 直方图的相邻峰之间确定最优阈值，即对峰点和 谷点进行较精确的定位
第12章
12-9
12.2 主动轮廓模型
设计能量函数
外部能量 将变形模板向感兴趣的特征吸引
Eext (vi ) mEmag (vi ) gEgrad (vi )
图像灰度能量函数为正将轮廓向低灰度区域 移动，为负将轮廓将向高灰度区域移动
图像梯度能量函数将变形轮廓吸向图像中的 边缘
第12章
12-10
图像处理和分析教程
章毓晋
第12章 典型图像分割算法
随着各学科许多新理论和方法的提出， 人们也提出了许多结合一些特定理论、方法和 工具的分割技术
图像分割至今为止尚无通用的自身理 论。所以，每当有新的数学工具或方法提出 来，人们就试着将其用于图像分割，因而提出 了不少特殊的或者说有特色的分割算法
介绍几个具有比较特殊思路的典型方法
当 f (i, j) L 当 f (i, j) L
第12章
12-8
12.2 主动轮廓模型
设计能量函数
内部能量 用来推动主动轮廓形状的改变并保持轮廓上 点之间的距离不要太远或太近
Eint (vi ) cEcon (vi ) bEbal (vi )
连续能量项的作用是迫使不封闭的曲线变成 直线，而迫使封闭的曲线变成圆环
膨胀力可用于闭合的变形轮廓上以强制轮廓 在没有外来影响的情况下扩展或收缩
12.3 特色的取阈值技术
类间最大交叉熵阈值
交叉熵 一种用来度量两个概率分布之间信息量差异 的量，其对称形式称为对称交叉熵
D
P:Q
N i 1
pi
ln
pi qi
N
qi ln
i 1
qi pi
类间最大交叉熵
阈值的选取要使目标与背景应有尽可能大的
差异，可以用交叉熵来度量目标与背景间的差异
第12章
12-13
S(x0, y0 ) C(x0, y0; x, y)
( x, y)N ( x, y)
第12章
12-5
12.1 SUSAN检测算子
SUSAN算子边缘检测
将游程和S与一个固定的几何阈值G进行比 较，该阈值设为3Smax/4
初始的边缘响应R(x0, y0)根据下式得到：
R(
x0
,
y0
)
G 0
S
(
x0
第12章
12-14
12.3 特色的取阈值技术
借助过渡区选择阈值
实际数字图像中的边界是有宽度的，它本身 也是图像中的一个区域，一个特殊的区域。一方 面它将不同的区域分隔开来，具有边界的特点； 另一方面，它面积不为零，具有区域的特点；可 将这类特殊区域称为过渡区
先计算图像中目标和背景间的过渡区，再进 一步选取分割阈值
,
y0
)
如果 其他
S(x0, y0 ) G
当图像中有噪声时，将阈值G设为3Smax/4可 给出最优的噪声消除性能
第12章
12-6
12.1 SUSAN检测算子
边缘方向的检测
将边缘分成两类来讨论：区域A和B都对应同 一类边缘点的情况，即边缘都通过USAN区域的重 心，只是模板核分别落在边缘的两边。区域C对应 模板核与USAN区域的重心位置相重合
第12章
12-11
12.3 特色的取阈值技术
多分辨率阈值选取
(1) 用从负值变化到正值的零交叉点确定峰的起点 (2) 用从正值变化到负值的零交叉点确定峰的终点 (3) 用起点和终点间的最大值点确定峰的位置 (4) 用前一个峰的终点和后一个峰的起点间的最小值点
确定这两个 峰之间谷点 的位置
第12章
12-12
第12章
12-15
12.3 特色的取阈值技术
借助过渡区选择阈值
有效平均梯度
EAG TG TP
TG g(i, j)
i, jZ
TP p(i, j)
i, jZ
在计算EAG时只用到梯度非零的像素，除去 了零梯度像素的影响，因此称为“有效”梯度。
EAG是图中非零梯度像素的平均梯度，它代表了 图像中一个有选择的统计量
12.3 特色的取阈值技术
类内最小模糊散度阈值
模糊散度 可以表达图像中的模糊性。它既能定量反映 集合内成员对该集合的隶属程度，又能结合概率 分布表征两个集合之间的相似程度 分割后得到的二值图中包含目标和背景 当模糊散度最小时可以看作在模糊信息意义 上分割图最接近原始图，所以可利用类内最小模 糊散度准则，穷举搜索最优分割阈值
第12章
12-4
12.1 SUSAN检测算子
SUSAN算子边缘检测
边缘检测
SUSAN算子采用圆形模板来得到各向同性的
响应。将模板内每个像素的灰度值与核的灰度值
进行比较
C
(
x0
,
y0
;
x,
y)
1 0
当 当
f (x0, y0) f (x, y) T f (x0, y0) f (x, y) T
游程和
第12章
12-7
12.2 主动轮廓模型
逐步改变封闭曲线的形状以逼近图像中目标 的轮廓，也称蛇模型（Snake ）
主动轮廓
图像上一组排序的点的集合V来自 {v1, L , vL}vi (xi , yi ), i {1, L , L}
处在轮廓上的点可通过解一个最小能量问题 来迭代地逼近目标的边界
Ei (vi') Eint (vi') Eext (vi')
第12章
12-2
第12章 典型图像分割算法
12.1 SUSAN检测算子 12.2 主动轮廓模型 12.3 特色的取阈值技术 12.4 分水岭分割算法
第12章
12-3
12.1 SUSAN检测算子
USAN原理
检测模板的中心称为“核” 核同值区域
与核像素的灰度相同或相似的模板区域 利用USAN面积的变化可检测边缘或角点 USAN面积较大（超过一半）时表明核像素 处在图像中的灰度一致区域，在模板核接近边缘 时该面积减少，而在接近角点时减少得更多，即 在角点处面积取得最小值