第九章圖像特征提取與分析新

1、本章重點(diǎn)：本章重點(diǎn)：圖像特征及特征提取的基本概念圖像特征及特征提取的基本概念常見的圖像特征提取與描述方法常見的圖像特征提取與描述方法9.1 基本概念 9.2 顏色特征描述 9.3 形狀特征描述 9.4 圖像紋理分析9.5 小結(jié)引言 在物體從圖像中分割出來后，進(jìn)一步就可以對它的幾何特征進(jìn)行測量和分析，在此基礎(chǔ)上可以識別物體，也可以對物體分類，或?qū)ξ矬w是否符合標(biāo)準(zhǔn)進(jìn)行判別，實(shí)現(xiàn)質(zhì)量監(jiān)控。與圖像分割一樣，物體測量與形狀分析在工業(yè)生產(chǎn)中有重要的應(yīng)用。引言 例如，能將馬鈴薯或蘋果等農(nóng)產(chǎn)品按品質(zhì)自動分類的機(jī)器視覺系統(tǒng)，自動計算不規(guī)則形狀所包含面積的測量系統(tǒng)，將傳送帶上不同工件自動分類的視覺系統(tǒng)；自動檢查一

2、個人的圖像特征，判斷是 不是某一個人；自動售貨機(jī)可以識別紙幣的面額；在先進(jìn)的圖像處理研究中，已進(jìn)行指紋圖像的自動處理，以代替電子鑰匙，并已能夠?qū)崿F(xiàn)人的相貌的自動識別 等等。 本章作為一個簡單的實(shí)例，以二值圖像為對象，提取物體的形狀、大小等特征，進(jìn)而從圖像中取出所需的對象，并去除不必要的部分。 引言引言 圖中有幾個水果。要想從該圖像中把香蕉圖中有幾個水果。要想從該圖像中把香蕉提取出來，必須告訴計算機(jī)要提取什么樣提取出來，必須告訴計算機(jī)要提取什么樣的物體。例如，應(yīng)把香蕉的特征之一的物體。例如，應(yīng)把香蕉的特征之一細(xì)而長告訴給計算機(jī)。也就是說，要指示細(xì)而長告訴給計算機(jī)。也就是說，要指示圖像中物體的形狀

3、、大小等特征。即告訴圖像中物體的形狀、大小等特征。即告訴計算機(jī)要提取的物體是大物體或是圓的、計算機(jī)要提取的物體是大物體或是圓的、方的等。這時，就方的等。這時，就 要使用要使用“大小大小”、“圓度圓度”等表示物體形狀的參數(shù)。等表示物體形狀的參數(shù)。引言什么是圖像特征？ 就是圖像中的物體有什么樣的特點(diǎn)。圖像特征是表征一個圖像最基本的屬性或特征。圖像特征可以是人類視覺能夠識別的自然特征；也可以是人為定義的某些特征。 9.1 基本概念n目的目的讓計算機(jī)具有認(rèn)識或者識別圖像的能力，即讓計算機(jī)具有認(rèn)識或者識別圖像的能力，即圖像識別。圖像識別。特征選擇是圖像識別中的一個關(guān)鍵問題，將特征選擇是圖像識別中的一個關(guān)

4、鍵問題，將直接影響到圖像識別分類器的設(shè)計，性能及直接影響到圖像識別分類器的設(shè)計，性能及其識別結(jié)果的準(zhǔn)確性。其識別結(jié)果的準(zhǔn)確性。特征選擇和提取的基本任務(wù)是如何從眾多特特征選擇和提取的基本任務(wù)是如何從眾多特征中找出最有效的特征。征中找出最有效的特征。9.1 基本概念n特征形成特征形成 根據(jù)待識別的圖像，通過計算產(chǎn)生一組原始根據(jù)待識別的圖像，通過計算產(chǎn)生一組原始特征，稱之為特征形成。特征，稱之為特征形成。n特征提取特征提取原始特征的數(shù)量很大，或者說原始樣本處于原始特征的數(shù)量很大，或者說原始樣本處于一個高維空間中，通過映射或變換的方法可一個高維空間中，通過映射或變換的方法可以將高維空間中的特征描述用低

5、維空間的特以將高維空間中的特征描述用低維空間的特征來描述，這個過程就叫特征提取征來描述，這個過程就叫特征提取 。9.1 基本概念n特征選擇特征選擇從一組特征中挑選出一些最有效的特征以達(dá)從一組特征中挑選出一些最有效的特征以達(dá)到降低特征空間維數(shù)的目的，這個過程就叫到降低特征空間維數(shù)的目的，這個過程就叫特征選擇。特征選擇。 選取的特征應(yīng)具有如下特點(diǎn)：選取的特征應(yīng)具有如下特點(diǎn)：可區(qū)別性可靠性獨(dú)立性好數(shù)量少n特征提取與選擇總原則：盡可能減少整個特征提取與選擇總原則：盡可能減少整個識別系統(tǒng)的處理時間和錯誤識別率，當(dāng)兩識別系統(tǒng)的處理時間和錯誤識別率，當(dāng)兩者無法兼得時，需作出平衡。者無法兼得時，需作出平衡。9

6、.2 顏色特征描述 顏色特征反映彩色圖像的整體特征，一幅圖顏色特征反映彩色圖像的整體特征，一幅圖像可以用它的顏色特性近似描述。像可以用它的顏色特性近似描述。根據(jù)顏色與空間屬性的關(guān)系，顏色特征的表根據(jù)顏色與空間屬性的關(guān)系，顏色特征的表示方法可以有顏色矩、顏色直方圖、顏色相示方法可以有顏色矩、顏色直方圖、顏色相關(guān)等幾種方法。關(guān)等幾種方法。9.2.1 顏色矩 顏色矩是以數(shù)學(xué)方法為基礎(chǔ)的，通過計算矩來描顏色矩是以數(shù)學(xué)方法為基礎(chǔ)的，通過計算矩來描述顏色的分布。述顏色的分布。 顏色矩通常直接在顏色矩通常直接在RGBRGB空間計算空間計算 顏色分布的前三階矩表示為：顏色分布的前三階矩表示為： 一階一階- -

7、顏色分量的平均強(qiáng)度；二、三階顏色分量的平均強(qiáng)度；二、三階方差和偏方差和偏移度。移度。NjijiPN11NjiijiPN1212)(1NjiijiPN1313)(19.2.2 顏色直方圖 顏色直方圖是最基本的顏色特征表示方法，它反顏色直方圖是最基本的顏色特征表示方法，它反映的是圖像中顏色的組成分布，即出現(xiàn)了哪些顏映的是圖像中顏色的組成分布，即出現(xiàn)了哪些顏色以及各種顏色出現(xiàn)的概率。其函數(shù)表達(dá)式如下：色以及各種顏色出現(xiàn)的概率。其函數(shù)表達(dá)式如下： nknk是圖像中特征值為是圖像中特征值為k k的像素的個數(shù)，的像素的個數(shù)，N N是圖像像是圖像像素的總數(shù)。素的總數(shù)。 顏色直方圖所描述的是不同色彩在整幅圖像

8、中所顏色直方圖所描述的是不同色彩在整幅圖像中所占的比例。它對于圖像質(zhì)量的變化不甚敏感，所占的比例。它對于圖像質(zhì)量的變化不甚敏感，所以它特別適合描述那些難以進(jìn)行自動分割的圖像以它特別適合描述那些難以進(jìn)行自動分割的圖像和不需要考慮物體空間位置的圖像。和不需要考慮物體空間位置的圖像。 (k 0,1, ,L 1)kHNn（ k） =9.2.2 顏色直方圖 由于由于RGBRGB顏色空間與人的視覺不一致，可將顏色空間與人的視覺不一致，可將RGBRGB空空間轉(zhuǎn)換到視覺一致性空間。除了轉(zhuǎn)換到前面提及間轉(zhuǎn)換到視覺一致性空間。除了轉(zhuǎn)換到前面提及的的HSIHSI空間外，還可以采用一種更簡單的顏色空間：空間外，還可以

9、采用一種更簡單的顏色空間：彩色圖像變換成灰度圖像的公式為：彩色圖像變換成灰度圖像的公式為：這里，這里，max=255。 其中其中R,G,BR,G,B為彩色圖像的三個分量，為彩色圖像的三個分量，g g為轉(zhuǎn)換后為轉(zhuǎn)換后的灰度值。的灰度值。9.3 形狀特征描述 形狀特征描述是在提取圖像中的各目標(biāo)形狀特征形狀特征描述是在提取圖像中的各目標(biāo)形狀特征基礎(chǔ)上，對其進(jìn)行表示。它是進(jìn)行圖像識別和理基礎(chǔ)上，對其進(jìn)行表示。它是進(jìn)行圖像識別和理解的基礎(chǔ)。解的基礎(chǔ)。圖像經(jīng)過邊緣提取和圖像分割等操作，就會得到圖像經(jīng)過邊緣提取和圖像分割等操作，就會得到景物的邊緣和區(qū)域，也就獲得了景物的形狀。景物的邊緣和區(qū)域，也就獲得了景物

10、的形狀。任何一個景物形狀特征均可由其集合屬性（如長任何一個景物形狀特征均可由其集合屬性（如長短、面積、距離、凹凸等）和統(tǒng)計屬性（連通、短、面積、距離、凹凸等）和統(tǒng)計屬性（連通、歐拉數(shù)）來進(jìn)行描述。歐拉數(shù)）來進(jìn)行描述。形狀特征形狀特征物體的形狀特征主要包括:o矩形度o寬長比o圓形度 o重心o歐拉數(shù) 1. 1. 矩形度矩形度 物體的矩形度指物體的面積與其最小外接矩形的面積與其最小外接矩形的面積之比值面積之比值。如圖所示，矩形度反映了一個物體對其外接矩形的充滿程度。 矩形度的定義： MERoAAR 2. 2. 寬長比寬長比 寬長比是指物體的最小外接矩形的寬與寬與長長之比值。寬長比r為 LWr 它可以

11、將細(xì)長的物體與方形或者圓形的物體區(qū)別開來。 3. 3. 圓形度圓形度 圓形度用來刻畫物體邊界的復(fù)雜程度，例如，比較相同面積的圓形和星形，星形等圖形要比圓形的周長大的多。因此，提出圓度e來表示物體的形狀復(fù)雜程度： 式中：A面積；P周長。 舉例：顯然，當(dāng)圓的半徑為r時，周長為2r,面積為r2,所以，e1.0。由圖可知，形狀越接近圓形，e越大；形狀越復(fù)雜，e值越小。 4. 4. 重心重心 重心是指圖像中目標(biāo)像素位置坐標(biāo)(xi, yi)(i=0,1,n1)的平均值，可用下式計算：利用特征參數(shù)提取物體利用特征參數(shù)提取物體 每個果實(shí)的特征參數(shù)計算步驟如圖所示，每個果實(shí)的特征參數(shù)計算步驟如圖所示，特征參數(shù)計

12、算結(jié)果表示如下。特征參數(shù)計算結(jié)果表示如下。（a）原圖像（b）圓度小于0.5的區(qū)域（c）提取的圖像 利用特征參數(shù)去除噪聲利用特征參數(shù)去除噪聲 特征參數(shù)也可用于去除不必要的物體或噪聲。第七章介紹了用腐蝕、膨脹等形態(tài)學(xué)處理去除二值圖像噪聲的方法，對于二值圖像，用特征參數(shù)也能達(dá)到去除噪聲的目的。也就是說，對圖像進(jìn)行標(biāo)記，區(qū)分成連接成分之后，只要去除面積較小的連接成分即可。其處理流程如圖所示。 5. 5. 歐拉數(shù)歐拉數(shù) 圖像的歐拉數(shù)是圖像的拓?fù)涮匦灾?，它表明了圖像的連通性。下圖 (a)的圖形有一個連接成分和一個孔，所以它的歐拉數(shù)為0，而下圖 (b)有一個連接成分和兩個孔，所以它的歐拉數(shù)為-1?？梢娡ㄟ^

13、歐拉數(shù)可用于目標(biāo)識別。 孔洞數(shù)H、連通分量的數(shù)目C、歐拉數(shù)E E=C-H具有歐拉數(shù)為具有歐拉數(shù)為0和和-1的圖形的圖形 (1) 歐氏距離: (2) 4-鄰域距離，也稱為街區(qū)距離: (3)8-鄰域距離，也稱為棋盤距離: |),(),(kjhikhjids計算點(diǎn)(i,j)和(h,k)間距離常采用的幾種方法： 下圖中表示了以中心像素為原點(diǎn)的各像素的距離。從離開一個像素的等距離線可以看出，在歐氏距離中大致呈圓形，在棋盤距離中呈方形，在街區(qū)距離中呈傾斜45度的正方形。街區(qū)距離是圖像中兩點(diǎn)間最短的4連通的長度，而棋盤距離則是兩點(diǎn)間最短的8連通的長度。 一般認(rèn)為類似于布紋、草地、磚頭、 墻面等具有重復(fù)性結(jié)構(gòu)

14、的圖像叫紋理圖像。 9.4 圖像的紋理分析 紋理圖像在局部區(qū)域內(nèi)可能呈現(xiàn)不規(guī)則性，紋理圖像在局部區(qū)域內(nèi)可能呈現(xiàn)不規(guī)則性，但整體上則表現(xiàn)出一定的規(guī)律性，其灰度但整體上則表現(xiàn)出一定的規(guī)律性，其灰度分布往往表現(xiàn)出某種周期性。分布往往表現(xiàn)出某種周期性。 紋理圖像所表現(xiàn)出的這種特有的性質(zhì)稱為紋理圖像所表現(xiàn)出的這種特有的性質(zhì)稱為紋理。實(shí)際中很多圖像具有紋理型結(jié)構(gòu)，紋理。實(shí)際中很多圖像具有紋理型結(jié)構(gòu)，對這類紋理型圖像可以通過紋理分析提取對這類紋理型圖像可以通過紋理分析提取其宏觀特征信息。其宏觀特征信息。一、紋理分析概念 指的是圖像像素灰度級或顏色的某種變化，主要研究如何獲得圖像紋理特征和結(jié)構(gòu)的定量描述和解釋

15、，以便于圖像分割、分析和理解。 一般來說，可以認(rèn)為紋理由許多相互接近、相互編織的元素構(gòu)成，并常富有周期性。 紋理的定義大體可以從三個方面來描述: 具有某種局部的序列性，并在該序列更大的區(qū)域內(nèi)不斷重復(fù)； 序列由基本部分非隨機(jī)排列組成；各個部分大致都是均勻的統(tǒng)一體。 紋理分析是指通過一定的圖像處理技術(shù)抽取出紋理特征，從而獲得紋理的定量或定性描述的處理過程。 紋理特征是從圖像中計算出來的一個值，它對區(qū)域內(nèi)部灰度級變化的特征進(jìn)行量化。 紋理分析基本過程是從像素出發(fā)，在紋理圖像中提取出一些辨識力比較強(qiáng)的特征，作為檢測出的紋理基元，并找出紋理基元排列的信息，建立紋理基元模型，然后再利用此紋理基元模型對紋理

16、圖像進(jìn)一步分割、分類或是辨識等處理。 紋理特征紋理特征 紋理最初指纖維物的外觀，紋理圖像在很大范圍內(nèi)沒有重大細(xì)節(jié)變化，在這些區(qū)域內(nèi)圖像往往顯示出重復(fù)性結(jié)構(gòu)。有時，物體在紋理上與其周圍背景和其他物體有區(qū)別，這時，圖像分割應(yīng)以紋理為基礎(chǔ)。 雖然紋理目前尚無統(tǒng)一的定義，但一雖然紋理目前尚無統(tǒng)一的定義，但一般來說，紋理是由許多相互接近的、互相般來說，紋理是由許多相互接近的、互相交織的元素構(gòu)成，它們具有周期性。紋理交織的元素構(gòu)成，它們具有周期性。紋理在一定程度上反映了一個區(qū)域中像素灰度在一定程度上反映了一個區(qū)域中像素灰度級的空間分布的屬性。級的空間分布的屬性。 紋理可分為人工紋理和天然紋理（自紋理可分為

17、人工紋理和天然紋理（自然紋理）。然紋理）。 人工紋理圖例 自然紋理圖例 二二、紋理分析紋理分析方法方法 統(tǒng)計方法（采用統(tǒng)計方法對紋理進(jìn)行分析）統(tǒng)計方法（采用統(tǒng)計方法對紋理進(jìn)行分析） A、基于直方圖的統(tǒng)計矩1010)()()()(1, 1 , 0)(LiiiLiininizpzmzpmzznLizpz階中心矩為：，為對應(yīng)的直方圖。則，機(jī)變量，為一個代表灰度級的隨令）（歸一化：繪子：于構(gòu)造有關(guān)平滑度的描度，可以用，表示灰度對比度的量二階矩：一階矩：零階矩：2222210) 1-(L)()(111R01zz的描述。們提供對紋理更進(jìn)一步但他直方圖形狀聯(lián)系起來，五、更高階矩不容易與。，表示相關(guān)平直度的量四階矩：右偏為正。量，左偏為負(fù)，表示直方圖偏斜度的三階矩：43 B、其他的基于直方圖的紋理量度)(log)()(210102iLiiLiizpzpezpU平均熵：一致度：三、具有不變性的特征 不變矩不變矩 為了使矩描述子與大小、平移、旋轉(zhuǎn)為了使矩描述子與大小、平移、旋轉(zhuǎn)無關(guān)，可以用二階和三階規(guī)格化中心矩導(dǎo)無關(guān)，可以用二階和三階規(guī)格化中心矩導(dǎo)出七個不變矩組出七個不變矩組。不變矩描述分割出的區(qū)。不變矩描述分割出的區(qū)域時，具有對平移、旋轉(zhuǎn)和尺寸大小都不域時，具有對平移、旋轉(zhuǎn)和尺寸大小都不變的性質(zhì)。變的性質(zhì)。 （1）二維離散函數(shù)（如數(shù)字圖