第5章_圖像分割

1、第五章 圖像分割與邊緣檢測 第五章第五章 圖像分割與邊緣檢測圖像分割與邊緣檢測 5.1 圖像分割圖像分割 5.2 邊緣檢測邊緣檢測 5.3 輪廓跟蹤與提取輪廓跟蹤與提取 5.4 圖像匹配圖像匹配 5.5 投影法與差影法投影法與差影法 第五章 圖像分割與邊緣檢測 5.1 圖圖 像像 分分 割割 5.1.1 概述概述 圖像分割是將圖像劃分成若干個互不相交的小區(qū)域的過程，圖像分割是將圖像劃分成若干個互不相交的小區(qū)域的過程， 小區(qū)域是某種意義下具有共同屬性的像素的連通集合。如不同小區(qū)域是某種意義下具有共同屬性的像素的連通集合。如不同目標(biāo)物體所占的圖像區(qū)域、目標(biāo)物體所占的圖像區(qū)域、 前景所占的圖像區(qū)域等

2、。連通是指前景所占的圖像區(qū)域等。連通是指集合中任意兩個點之間都存在著完全屬于該集合的連通路徑。集合中任意兩個點之間都存在著完全屬于該集合的連通路徑。對于離散圖像而言，連通有對于離散圖像而言，連通有4連通和連通和8連通之分。連通之分。 第五章 圖像分割與邊緣檢測 4連通和連通和8連通連通 (a)(b)第五章 圖像分割與邊緣檢測 圖像分割有三種不同的途徑：其一是將各像素劃歸到相應(yīng)圖像分割有三種不同的途徑：其一是將各像素劃歸到相應(yīng)物體或區(qū)域的像素聚類方法物體或區(qū)域的像素聚類方法, 即即區(qū)域法區(qū)域法；其二是通過直接確定區(qū)；其二是通過直接確定區(qū)域間的邊界來實現(xiàn)分割的域間的邊界來實現(xiàn)分割的邊界方法邊界方法

3、；其三是首先檢測邊緣像素，；其三是首先檢測邊緣像素， 再將再將邊緣像素連接起來構(gòu)成邊界形成分割邊緣像素連接起來構(gòu)成邊界形成分割。在圖像分割技術(shù)中，。在圖像分割技術(shù)中， 最常用的是利用閾值化處理進行的圖像分割。最常用的是利用閾值化處理進行的圖像分割。 第五章 圖像分割與邊緣檢測 5.1.2 灰度閾值法分割灰度閾值法分割 常用的圖像分割方法是把圖像灰度分成不同的等級，常用的圖像分割方法是把圖像灰度分成不同的等級， 然后然后用設(shè)置灰度門限（閾值）的方法確定有意義的區(qū)域或分割物體用設(shè)置灰度門限（閾值）的方法確定有意義的區(qū)域或分割物體的邊界。常用的閾值化處理就是圖像的二值化處理，的邊界。常用的閾值化處理

4、就是圖像的二值化處理， 即選擇一即選擇一閾值，將圖像轉(zhuǎn)換為黑白二值圖像，閾值，將圖像轉(zhuǎn)換為黑白二值圖像， 用于圖像分割及邊緣跟蹤用于圖像分割及邊緣跟蹤等預(yù)處理。等預(yù)處理。 圖像閾值化處理的變換函數(shù)表達(dá)式為圖像閾值化處理的變換函數(shù)表達(dá)式為 TyxfTyxfyxg),(255),(0),(第五章 圖像分割與邊緣檢測 閾值變換曲線閾值變換曲線 2550T255gf第五章 圖像分割與邊緣檢測 在圖像的閾值化處理過程中，在圖像的閾值化處理過程中， 選用不同的閾值其處理結(jié)果選用不同的閾值其處理結(jié)果差異很大。閾值過大，差異很大。閾值過大， 會提取多余的部分；會提取多余的部分； 而閾值過小，又而閾值過小，又會

5、丟失所需的部分因此，閾值的選取非常重要。會丟失所需的部分因此，閾值的選取非常重要。第五章 圖像分割與邊緣檢測 通過直方圖的雙峰特性確定閾值。如下面的例子，分通過直方圖的雙峰特性確定閾值。如下面的例子，分析該直方圖可知，析該直方圖可知， 該直方圖具有雙峰特性，圖像中的該直方圖具有雙峰特性，圖像中的目標(biāo)（細(xì)胞）分布在較暗的灰度級上形成一個波峰，目標(biāo)（細(xì)胞）分布在較暗的灰度級上形成一個波峰，圖像中的背景分布在較亮的灰度級上形成另一個波峰。圖像中的背景分布在較亮的灰度級上形成另一個波峰。此時，用其雙峰之間的谷低處灰度值作為閾值此時，用其雙峰之間的谷低處灰度值作為閾值T進行進行圖像的閾值化處理，便可將目

6、標(biāo)和背景分割開來。圖像的閾值化處理，便可將目標(biāo)和背景分割開來。1. 雙峰法雙峰法第五章 圖像分割與邊緣檢測 不同閾值對閾值化結(jié)果的影響不同閾值對閾值化結(jié)果的影響(a) 原始圖像；原始圖像； (b) 閾值閾值T=91； (c) 閾值閾值T=130； (d) 閾值閾值T=43(a)(b)(c)(d)第五章 圖像分割與邊緣檢測 圖像的直方圖圖像的直方圖 第五章 圖像分割與邊緣檢測 2. 判別分析法確定最佳閾值（最大類間方差法；判別分析法確定最佳閾值（最大類間方差法；OTSU法）法） 判別分析法確定最佳閾值的準(zhǔn)則，判別分析法確定最佳閾值的準(zhǔn)則， 是使進行閾值處理后分離是使進行閾值處理后分離的像素類之間

7、的的像素類之間的類間方差最大。類間方差最大。判別分析法只需計算直方圖的判別分析法只需計算直方圖的0階矩和階矩和1階矩，是圖像閾值化處理中常用的自動確定閾值的方法。階矩，是圖像閾值化處理中常用的自動確定閾值的方法。 設(shè)圖像總像素數(shù)為設(shè)圖像總像素數(shù)為N，灰度值為，灰度值為i的像素數(shù)為的像素數(shù)為Ni，則至灰度級，則至灰度級K的灰度分布的的灰度分布的0階矩及階矩及1階矩分別定義為階矩分別定義為 0階矩：階矩： KiiNNk0)(第五章 圖像分割與邊緣檢測 1階矩：階矩： KiiNNik0)( 當(dāng)當(dāng)K=L-1時，時，(L-1)=1；(L-1)T，T稱為圖像的平均灰稱為圖像的平均灰度。度。 設(shè)有設(shè)有M-1

8、個閾值：個閾值：0k1k2KM-1L-1。 將圖像分割成將圖像分割成M個灰度值的類個灰度值的類Cj（Cjkj-1+1, , kj; j=1, 2, , M ; k0=0, kM=L），則各類），則各類Cj的發(fā)生概率的發(fā)生概率j和平均值和平均值j為為 )()()()()()(111jjjjjjjjkkkkkk式中式中, (0)=0，(0)=0。 第五章 圖像分割與邊緣檢測 由此可得各類的類間方差為由此可得各類的類間方差為 MjrjjMkkk121212)(),( 將使上式的將使上式的2值為最大的閾值組值為最大的閾值組(k1, k2， , kM1)， 作為作為M值化的最佳閾值組。值化的最佳閾值組。

9、 第五章 圖像分割與邊緣檢測 5.1.3 區(qū)域生長區(qū)域生長 分割的目的是把一幅圖像劃分成一些區(qū)域，分割的目的是把一幅圖像劃分成一些區(qū)域， 最直接的方法就最直接的方法就是把一幅圖像分成滿足某種判據(jù)的區(qū)域，也就是說，是把一幅圖像分成滿足某種判據(jù)的區(qū)域，也就是說， 把點組成區(qū)把點組成區(qū)域。為了實現(xiàn)分組，域。為了實現(xiàn)分組， 首先要確定區(qū)域的數(shù)目，首先要確定區(qū)域的數(shù)目， 其次要確定一個其次要確定一個區(qū)域與其他區(qū)域相區(qū)別的特征，區(qū)域與其他區(qū)域相區(qū)別的特征， 最后還要產(chǎn)生有意義分割的相似最后還要產(chǎn)生有意義分割的相似性判據(jù)。性判據(jù)。 第五章 圖像分割與邊緣檢測 要解決的三個問題：要解決的三個問題：（1）選擇或

10、確定一組能正確代表所需區(qū)域的）選擇或確定一組能正確代表所需區(qū)域的種子象素種子象素。（2）確定在生產(chǎn)過程中能將相鄰象素包括近來的）確定在生產(chǎn)過程中能將相鄰象素包括近來的準(zhǔn)則準(zhǔn)則。（3）制定讓生長）制定讓生長停止的條件或準(zhǔn)則停止的條件或準(zhǔn)則。第五章 圖像分割與邊緣檢測 給出一個簡單的例子。此例的相似性準(zhǔn)則是鄰近點的灰度級給出一個簡單的例子。此例的相似性準(zhǔn)則是鄰近點的灰度級與物體的平均灰度級的差小于與物體的平均灰度級的差小于2。圖中被接受的點和起始點均用。圖中被接受的點和起始點均用下劃線標(biāo)出，下劃線標(biāo)出， 其中（其中（a）圖是輸入圖像；（）圖是輸入圖像；（b）圖是第一步接受）圖是第一步接受的鄰近點；

11、的鄰近點； （c）圖是第二步接受的鄰近點；）圖是第二步接受的鄰近點； （d）圖是從）圖是從6開始開始生成的結(jié)果。生成的結(jié)果。 第五章 圖像分割與邊緣檢測 區(qū)域生長示例區(qū)域生長示例 第五章 圖像分割與邊緣檢測 當(dāng)生成任意物體時，接收準(zhǔn)則可以結(jié)構(gòu)為基礎(chǔ)，當(dāng)生成任意物體時，接收準(zhǔn)則可以結(jié)構(gòu)為基礎(chǔ)， 而不是以而不是以灰度級或?qū)Ρ榷葹榛A(chǔ)。為了把候選的小群點包含在物體中，灰度級或?qū)Ρ榷葹榛A(chǔ)。為了把候選的小群點包含在物體中， 可以檢測這些小群點，而不是檢測單個點，可以檢測這些小群點，而不是檢測單個點， 如果它們的結(jié)構(gòu)與如果它們的結(jié)構(gòu)與物體的結(jié)構(gòu)足夠相似時就接受它們。物體的結(jié)構(gòu)足夠相似時就接受它們。 第五

12、章 圖像分割與邊緣檢測 5.1.4 分裂合并分裂合并 當(dāng)事先完全不了解區(qū)域形狀和區(qū)域數(shù)目時，可采用分裂合并當(dāng)事先完全不了解區(qū)域形狀和區(qū)域數(shù)目時，可采用分裂合并法。其基本思想是從整幅圖像開始通過不斷分裂得到各個區(qū)域。法。其基本思想是從整幅圖像開始通過不斷分裂得到各個區(qū)域。然后再合并或分裂這些區(qū)域以滿足分割的要求。然后再合并或分裂這些區(qū)域以滿足分割的要求?；谒牟鏄浠谒牟鏄涞乃枷?。的思想。第五章 圖像分割與邊緣檢測 分裂合并法的具體步驟：分裂合并法的具體步驟：（1）初始分割：）初始分割：（2）合并處理：按預(yù)先給定的原則，對象素塊進行檢查，符合）合并處理：按預(yù)先給定的原則，對象素塊進行檢查，符合合

13、并原則，則進行合并。合并原則，則進行合并。（3）分裂處理：在某象素塊內(nèi)不符合均勻性原則，則進行再次）分裂處理：在某象素塊內(nèi)不符合均勻性原則，則進行再次分裂。分裂。（4）組合處理：以每塊為中心，檢查相鄰各塊，若符合均勻性）組合處理：以每塊為中心，檢查相鄰各塊，若符合均勻性規(guī)則則再次合并。規(guī)則則再次合并。（5）消失小區(qū)：）消失小區(qū)：第五章 圖像分割與邊緣檢測 5.2 邊邊 緣緣 檢檢 測測 5.2.1 邊緣檢測與微分運算邊緣檢測與微分運算 邊緣點是信號邊緣點是信號“變化劇烈變化劇烈”的地方，但這么說并不準(zhǔn)確，需的地方，但這么說并不準(zhǔn)確，需要定義一個準(zhǔn)確的邊緣數(shù)學(xué)模型。要定義一個準(zhǔn)確的邊緣數(shù)學(xué)模型。

14、第五章 圖像分割與邊緣檢測 圖像中不同類型的邊界圖像中不同類型的邊界（a） 邊界；邊界； （b） 線；線； （c） 折線變化；折線變化； （d） 緩慢的平滑變化緩慢的平滑變化 (a)(b)(d)(c)第五章 圖像分割與邊緣檢測 一階微分一階微分二階微分二階微分截面圖截面圖邊界圖像邊界圖像第五章 圖像分割與邊緣檢測 邊的檢測邊的檢測一階微分：用梯度算子來計算一階微分：用梯度算子來計算 特點：對于亮的邊，邊的變化起點是正的，特點：對于亮的邊，邊的變化起點是正的，結(jié)束是負(fù)的。對于暗邊，結(jié)論相反。常數(shù)結(jié)束是負(fù)的。對于暗邊，結(jié)論相反。常數(shù)部分為零。部分為零。 用途：用于檢測圖像中邊的存在用途：用于檢測圖

15、像中邊的存在第五章 圖像分割與邊緣檢測 邊的檢測邊的檢測二階微分：通過拉普拉斯來計算二階微分：通過拉普拉斯來計算 特點：常數(shù)部分為零。二階微分在亮的一邊是負(fù)特點：常數(shù)部分為零。二階微分在亮的一邊是負(fù)的，在暗的一邊是正的。的，在暗的一邊是正的。 用途：用途：1）二次導(dǎo)數(shù)的符號，用于確定邊上的像素是）二次導(dǎo)數(shù)的符號，用于確定邊上的像素是在亮的一邊，還是暗的一邊。在亮的一邊，還是暗的一邊。2）0跨越，確定邊的準(zhǔn)確位置?？缭?，確定邊的準(zhǔn)確位置。第五章 圖像分割與邊緣檢測 用用Prewitt算子進行邊緣檢測的結(jié)果算子進行邊緣檢測的結(jié)果 第五章 圖像分割與邊緣檢測 5.2.2 高斯高斯-拉普拉斯拉普拉斯(

16、LOG)算子算子 噪聲點對邊緣檢測有較大的影響，噪聲點對邊緣檢測有較大的影響， 效果更好的邊緣檢測器是高效果更好的邊緣檢測器是高斯斯-拉普拉斯拉普拉斯(LOG)算子。它把高斯平滑濾波器和拉普拉斯銳化濾算子。它把高斯平滑濾波器和拉普拉斯銳化濾波器結(jié)合起來，先平滑掉噪聲，再進行邊緣檢測，所以效果更好。波器結(jié)合起來，先平滑掉噪聲，再進行邊緣檢測，所以效果更好。 常用的常用的LOG算子是算子是55的模板：的模板： 244424080448*24844080424442第五章 圖像分割與邊緣檢測 5.3 輪廓跟蹤與提取輪廓跟蹤與提取5.3.1 輪廓跟蹤輪廓跟蹤 在識別圖像中的目標(biāo)時，往往需要對目標(biāo)邊緣作

17、跟蹤處理，在識別圖像中的目標(biāo)時，往往需要對目標(biāo)邊緣作跟蹤處理， 也叫輪廓跟蹤。顧名思義，輪廓跟蹤就是通過順序找出邊緣點來也叫輪廓跟蹤。顧名思義，輪廓跟蹤就是通過順序找出邊緣點來跟蹤邊界的。跟蹤邊界的。第五章 圖像分割與邊緣檢測 首先按從上到下，從左到右的順序搜索，找到的第一個首先按從上到下，從左到右的順序搜索，找到的第一個黑點一定是最左上方的邊界點，記為黑點一定是最左上方的邊界點，記為A A。它的右，右下，下，。它的右，右下，下，左下四個鄰點中至少有一個是邊界點，記為左下四個鄰點中至少有一個是邊界點，記為B B。從。從B B開始找起，開始找起，按右，右上，上，左上，左，左下，下，右下的順序找相

18、鄰按右，右上，上，左上，左，左下，下，右下的順序找相鄰點中的邊界點點中的邊界點C C。如果。如果C C就是就是A A點，則表明已經(jīng)轉(zhuǎn)了一圈，程序點，則表明已經(jīng)轉(zhuǎn)了一圈，程序結(jié)束。結(jié)束。 否則從否則從C C點繼續(xù)找，直到找到點繼續(xù)找，直到找到A A為止。為止。 判斷是不是邊判斷是不是邊界點很容易：如果它的上下左右四個鄰居都是黑點則不是邊界點很容易：如果它的上下左右四個鄰居都是黑點則不是邊界點，否則是邊界點。界點，否則是邊界點。二值圖象閉合邊界的輪廓跟蹤算法：二值圖象閉合邊界的輪廓跟蹤算法：第五章 圖像分割與邊緣檢測 輪廓跟蹤示例輪廓跟蹤示例第五章 圖像分割與邊緣檢測 5.3.2 輪廓提取輪廓提取

19、 二值圖像輪廓提取的算法非常簡單，二值圖像輪廓提取的算法非常簡單， 就是掏空內(nèi)部點：就是掏空內(nèi)部點： 如如果原圖像中有一點為黑，且它的果原圖像中有一點為黑，且它的8個鄰點都是黑色時，說明該點個鄰點都是黑色時，說明該點是內(nèi)部點，是內(nèi)部點， 將該點刪除（置為白色像素值將該點刪除（置為白色像素值255）。對圖像中所有）。對圖像中所有像素點執(zhí)行該操作便可完成圖像輪廓的提取。像素點執(zhí)行該操作便可完成圖像輪廓的提取。 第五章 圖像分割與邊緣檢測 5.4 圖圖 像像 匹匹 配配 5.4.1 模板匹配模板匹配 模板匹配是指用模板與源圖像進行比較，模板匹配是指用模板與源圖像進行比較， 以確定在源圖像中以確定在源

20、圖像中是否存在與該模板相同或相似的區(qū)域，是否存在與該模板相同或相似的區(qū)域， 若該區(qū)域存在，若該區(qū)域存在， 還可確還可確定其位置并提取該區(qū)域。定其位置并提取該區(qū)域。 模板匹配常用的一種測度為模板與原圖像對應(yīng)區(qū)域的誤差平模板匹配常用的一種測度為模板與原圖像對應(yīng)區(qū)域的誤差平方和。設(shè)方和。設(shè)f(x, y)為為MN的原圖像，的原圖像，t(j,k)為為JK(JM，KN)的模的模板圖像，則誤差平方和測度定義為板圖像，則誤差平方和測度定義為 10102),(),(),(JjKkkjtkyjxfyxD第五章 圖像分割與邊緣檢測 令令 10102101010102),(),(),(),(2),(),(),(JjK

21、kJjKkJjKkkjtyxDTkyjxfkjtyxDSTkyjxfyxDSDST(x, y)稱為模板與原圖像對應(yīng)區(qū)域的互相關(guān)，它隨像素位置稱為模板與原圖像對應(yīng)區(qū)域的互相關(guān)，它隨像素位置(x, y)的變化而變化，當(dāng)模板的變化而變化，當(dāng)模板t(j, k)和原圖像中對應(yīng)區(qū)域相匹配時和原圖像中對應(yīng)區(qū)域相匹配時取得取得最大值最大值。第五章 圖像分割與邊緣檢測 用歸一化互相關(guān)作為誤差平方和測度，用歸一化互相關(guān)作為誤差平方和測度， 其定義為：其定義為： 10210102101010),(),(),(),(),(KkJjKkJjKkJjkjtkyjxfkyjxfkjtyxR第五章 圖像分割與邊緣檢測 模板匹

22、配的局限性：模板匹配的局限性： 它只能進行平行移動，如原圖像中要匹配的目標(biāo)發(fā)生旋轉(zhuǎn)或它只能進行平行移動，如原圖像中要匹配的目標(biāo)發(fā)生旋轉(zhuǎn)或大小變化，該算法無效。另外，如原圖像中要匹配的目標(biāo)只有部大小變化，該算法無效。另外，如原圖像中要匹配的目標(biāo)只有部分可見，該算法也無法完成匹配。分可見，該算法也無法完成匹配。 第五章 圖像分割與邊緣檢測 5.4.2 直方圖匹配直方圖匹配 顏色是描述圖像內(nèi)容的一個重要特征。人們已經(jīng)提出了多顏色是描述圖像內(nèi)容的一個重要特征。人們已經(jīng)提出了多種借助顏色特征對圖像進行檢索的方法。常用的顏色空間有種借助顏色特征對圖像進行檢索的方法。常用的顏色空間有R、 G、B和和H、S、

23、I。實際上，利用。實際上，利用H、S、I顏色空間進行檢索的顏色空間進行檢索的效果更好一些，但以下討論主要以效果更好一些，但以下討論主要以R、G、B空間為例。為利用空間為例。為利用圖像的顏色特征描述圖像，可借助圖像特征的統(tǒng)計直方圖。利圖像的顏色特征描述圖像，可借助圖像特征的統(tǒng)計直方圖。利用直方圖進行圖像的匹配，這便是直方圖匹配。用直方圖進行圖像的匹配，這便是直方圖匹配。第五章 圖像分割與邊緣檢測 1. 直方圖相交法直方圖相交法 設(shè)設(shè)HQ(k)和和HD(k)分別為查詢圖像分別為查詢圖像Q和數(shù)據(jù)庫圖像和數(shù)據(jù)庫圖像D的特征統(tǒng)計的特征統(tǒng)計直方圖，則兩圖像之間的匹配值直方圖，則兩圖像之間的匹配值d(Q,

24、D)為為 1010)()(),(min),(LkQLkDQkHkHkHDQd第五章 圖像分割與邊緣檢測 2. 歐幾里得距離法歐幾里得距離法 為減少計算量，可采用直方圖的均值來粗略地表達(dá)顏色信為減少計算量，可采用直方圖的均值來粗略地表達(dá)顏色信息，對圖像的息，對圖像的R、G、 B三個分量，匹配的特征矢量三個分量，匹配的特征矢量f是是 TBGRf式中式中, R、G、B分別是分別是R、G、B三個分量直方圖的三個分量直方圖的0階距。階距。 此時查詢圖像此時查詢圖像Q和數(shù)據(jù)庫圖像和數(shù)據(jù)庫圖像D之間的匹配值為之間的匹配值為 2,2)()(),(DQBGRDQffDQd第五章 圖像分割與邊緣檢測 3. 中心矩

25、法中心矩法 設(shè)用設(shè)用分別表示查詢圖像分別表示查詢圖像Q的的R、G、B三個三個分量直方圖的分量直方圖的i(i3)階中心矩；用階中心矩；用 分別表示分別表示數(shù)據(jù)庫圖像數(shù)據(jù)庫圖像D的的R、G、B三個分量直方圖的三個分量直方圖的i(i3)階中心矩，則階中心矩，則它們之間的匹配值為它們之間的匹配值為 iQBiQGiQRMMM,iDBiDGiDRMMM,31313122)()()(),(iiiiDBiQBBiDGiQGGiDRiQRRMMWMMWMMWDQd式中，式中，WR，WG，WB為加權(quán)系數(shù)。為加權(quán)系數(shù)。 第五章 圖像分割與邊緣檢測 4. X2直方圖匹配直方圖匹配X2直方圖匹配的計算公式如下：直方圖匹

26、配的計算公式如下： 102)()()(),(LkDDQkHkHkHDQd 對于對于R、G、B圖像，圖像，X2直方圖匹配的計算公式又可以變?yōu)橹狈綀D匹配的計算公式又可以變?yōu)?10222)()()()()()()()()(),(LkbDbDbQgDgDgQrDrDrQkHkHkHkHkHkHkHkHkHDQd第五章 圖像分割與邊緣檢測 直方圖匹配的局限性與改進：直方圖匹配的局限性與改進： 由于直方圖丟失了顏色的位置信息，由于直方圖丟失了顏色的位置信息， 因此兩幅圖像可能內(nèi)容因此兩幅圖像可能內(nèi)容完全不同，但直方圖相似。所以，僅用簡單的顏色直方圖匹配也完全不同，但直方圖相似。所以，僅用簡單的顏色直方圖匹

27、配也容易造成誤識別。一種改進的方法是將圖像劃分成若干子塊，分容易造成誤識別。一種改進的方法是將圖像劃分成若干子塊，分別對各子塊進行匹配。別對各子塊進行匹配。第五章 圖像分割與邊緣檢測 5.4.3 形狀匹配形狀匹配 形狀也是描述圖像內(nèi)容的一個重要特征，形狀也是描述圖像內(nèi)容的一個重要特征， 利用形狀進行匹利用形狀進行匹配需要考慮三個問題。配需要考慮三個問題。（1）形狀特征可以看作是更高層次的圖像特征。要獲得有關(guān)目）形狀特征可以看作是更高層次的圖像特征。要獲得有關(guān)目標(biāo)的形狀參數(shù)，常常要先對圖像進行分割，標(biāo)的形狀參數(shù)，常常要先對圖像進行分割， 所以形狀特征會受所以形狀特征會受圖像分割效果的影響。圖像分

28、割效果的影響。（2）目標(biāo)形狀的描述是一個非常復(fù)雜的問題。）目標(biāo)形狀的描述是一個非常復(fù)雜的問題。（3）從不同視角獲取的圖像中目標(biāo)形狀可能會有很大差別，為）從不同視角獲取的圖像中目標(biāo)形狀可能會有很大差別，為準(zhǔn)確進行形狀匹配，需要解決平移、準(zhǔn)確進行形狀匹配，需要解決平移、 尺度、尺度、 旋轉(zhuǎn)變換不變性的旋轉(zhuǎn)變換不變性的問題。問題。 第五章 圖像分割與邊緣檢測 5.5 投影法與差影法投影法與差影法 5.5.1 投影法投影法 投影法就是把圖像在某一方向（常用的是水平方向和垂直方投影法就是把圖像在某一方向（常用的是水平方向和垂直方向）上進行投影。在投影圖上可反映出圖像中目標(biāo)對象的位置、向）上進行投影。在投

29、影圖上可反映出圖像中目標(biāo)對象的位置、尺寸等信息。投影法經(jīng)常和閾值化一起使用。由于噪聲點對投影尺寸等信息。投影法經(jīng)常和閾值化一起使用。由于噪聲點對投影有一定的影響，所以處理前最好先做一次平滑，去除噪聲，然后有一定的影響，所以處理前最好先做一次平滑，去除噪聲，然后進行閾值化處理，再對閾值化后的二值圖像在某個方向上進行投進行閾值化處理，再對閾值化后的二值圖像在某個方向上進行投影運算。影運算。 第五章 圖像分割與邊緣檢測 投影法投影法第五章 圖像分割與邊緣檢測 華盛頓紀(jì)念碑圖華盛頓紀(jì)念碑圖 第五章 圖像分割與邊緣檢測 閾值化后的華盛頓紀(jì)念碑閾值化后的華盛頓紀(jì)念碑 第五章 圖像分割與邊緣檢測 垂直方向投

30、影垂直方向投影 第五章 圖像分割與邊緣檢測 第五章 圖像分割與邊緣檢測 5.5.2 差影法差影法 1. 圖像的代數(shù)運算圖像的代數(shù)運算 圖像的代數(shù)運算是指對兩幅輸入圖像進行點對點的加、減、圖像的代數(shù)運算是指對兩幅輸入圖像進行點對點的加、減、 乘、乘、 除四則運算而得到輸出圖像的運算。如果記輸入圖像為除四則運算而得到輸出圖像的運算。如果記輸入圖像為A(x, y)和和B(x, y)，輸出圖像為，輸出圖像為C(x, y)，則四種圖像代數(shù)運算的表達(dá)式，則四種圖像代數(shù)運算的表達(dá)式如下：如下：C(x, y)A(x, y)B(x, y)C(x, y)A(x, y)B(x, y)C(x, y)A(x, y)B(x, y)C(x, y)A(x, y)B(x, y) 第