基于matlab圖像識別

第7講圖像模式識別引言水果的識別指紋識別技術(shù)引言模式識別就是分析圖像內(nèi)容,找出圖像中有哪些東西。步驟：圖像分割（物體分離）：檢測出各個物體，并把它們的圖像和其余景物分離特征抽?。簩ξ矬w進行度量。通過計算對物體的一些重要特性進行量化表示分類：確定每個物體應(yīng)該歸屬的類別2模式識別的應(yīng)用字符識別如清華的尚書OCR識別軟件,郵局信函自動分揀機生物特征識別指紋識別,人像識別等遙感應(yīng)用衛(wèi)星云圖,地面導(dǎo)彈、飛機場等設(shè)施的衛(wèi)星圖像識別處理醫(yī)學(xué)診斷CT等圖像的識別處理3Computedtomography，簡稱CT中文名:電子計算機體層攝影是近十年來發(fā)展迅速的電子計算機和X線相結(jié)合的一項新穎的診斷新技術(shù)。主要特點具有高密度分辨率，比普通X線照片高10～20倍。能準確測出某一平面各種不同組織之間的放射衰減特性的微小差異，以圖像或數(shù)字將其顯示，極其精細地分辨出各種軟組織的不同密度，從而形成對比。如頭顱X線平片不能區(qū)分腦組織及腦脊液，而CT不僅能顯示出腦室系統(tǒng)、還能分辨出腦實質(zhì)的灰質(zhì)與白質(zhì)；如再引入造影劑以增強對比度，其分辨率更高，故而加寬了疾病的診斷范疇，還提高了診斷正確率。但CT也有其限制，如對血管病變，消化道腔內(nèi)病變以及某些病變的定性等4CTA膠質(zhì)細胞瘤.右額、頂葉有一較大不規(guī)則腫塊，強化不均，周圍有低密度水腫區(qū)B星形細胞瘤，左額頂葉有一不均勻強化腫塊，不規(guī)則，內(nèi)有未有強化的低密度區(qū)，周圍有低密度水腫區(qū)，中線結(jié)構(gòu)右移C胸腺增生，胸腺區(qū)有一分葉狀密度均一病灶，仍呈胸腺狀，主動脈受壓右移D肝膿腫，肝右葉有一低密度灶類圓形，中心部密度更低為膿腔，周邊為膿腫壁呈雙邊征E腰椎骨折，椎弓多處中斷，椎管變形，其內(nèi)可見碎骨片F(xiàn)肝轉(zhuǎn)移癌，肝左、右葉多個大小不一、不規(guī)則低密度灶，周邊有細的強化環(huán)圍繞G肺膿腫，右上葉有一空洞性病灶，內(nèi)壁光滑，并見氣液平面，胸部X線片曾疑肺癌H前裂腺癌，前列腺分葉狀增大，并向膀胱內(nèi)突入5識別與解釋:圖像分析系統(tǒng)組的成圖像分析技術(shù)分類的三種基本范疇6知識庫分割表示與描述識別與解釋預(yù)處理圖像獲取低級處理高級處理中級處理結(jié)果問題識別與解釋:圖像分析系統(tǒng)圖像分析技術(shù)分類的三種基本范疇低級處理：圖像獲取、預(yù)處理，不需要智能中級處理：圖像分割、表示與描述，需要智能高級處理：圖像識別、解釋，缺少理論，為降低難度，設(shè)計得更專用。7水果的識別四部分：數(shù)碼圖片的獲取，圖像的彩色邊緣檢測、圖像的分割，圖象的顏色特征和形狀特征提取圖像的分類識別。選擇研究的目標物香蕉，西紅柿，梨和青椒四種果蔬。功能：使機器具有一定的視覺功能，能夠認識“記憶”中的水果。例如：當接受到命令是"香蕉"時，就可以自動地將"香蕉"拿出來。8水果原始圖像顏色空間的轉(zhuǎn)換為了正確使用顏色，需要建立顏色空間。顏色空間是對彩色的一種描述方法，它有很多種類型，如：RGB，CMY，YIQ，YUV，HSL等。

RGB是使用較普遍的顏色空間，由于顯示器采用此模型，因此，算法的執(zhí)行速度較快。HSL是由色調(diào)（H）,飽和度（S）和亮度（L）三個顏色分量組成的一類顏色空間，是面向用戶的一種復(fù)合主觀感覺的顏色空間，通常用于選擇顏色，更接近人對顏色的感知。9圖（a）,圖（b），圖（c）分別表示彩色水果圖像的R,G,B分量，將三圖組合起來都可得到原始圖像。10

圖（a）圖（b）圖（c）

圖（d）,圖（e）,圖（f）分別為其H,S,V分量。將三圖組合起來都可得到原始圖像。圖中H和S分量圖看起來與V分量圖很不相同，這說明H,S,V三分量間的差別比R,G,B間的大。11

圖（d）圖（e）圖（f）彩色邊緣和彩色邊緣檢測邊緣是圖像的一個基本特征，攜帶了圖像中的大量信息，邊緣檢測不僅能得到關(guān)于邊界的有用的結(jié)構(gòu)信息，而且還能極大地減少要處理的數(shù)據(jù)，很多圖像處理和識別算法都以邊緣檢測為重要基礎(chǔ)。12邊緣按其顏色特征可分為灰度邊緣和彩色邊緣。灰度圖像可由圖像亮度函數(shù)來描述，灰度邊緣可以定義為圖像亮度函數(shù)的具有邊緣特征的不連續(xù)點的集合，它描述了灰度函數(shù)的局部突變。彩色圖像可由圖像色彩函數(shù)來描述，彩色邊緣可以定義為圖像色彩函數(shù)的具有邊緣特征的不連續(xù)點的集合，它描述了色彩函數(shù)的局部突變。13長期以來人們主要致力于灰度邊緣的研究并取得了很好的效果。但彩色邊緣能比灰度圖像提供更多的信息。有研究表明，彩色圖像中，大約有90％的邊緣與灰度圖像中的邊緣相同，也就是說，有10％的邊緣在灰度圖像中是檢測不到的。因此，彩色邊緣的檢測受到越來越多的重視。14彩色邊緣檢測的方法輸出融合法分別對紅，綠，藍三個顏色通道（或其他顏色空間分量）執(zhí)行邊緣檢測，最后的輸出是這三幅邊緣圖像的合成15閾值RGB邊緣__R邊緣__G邊緣__B邊緣圖像彩色邊緣檢測的方法多維梯度法將三個梯度結(jié)合成一個，只需檢測一次邊緣，從而縮短了整個彩色邊緣檢測的過程16R多維梯度計算GB邊緣圖像閾值彩色邊緣檢測的方法以上兩種彩色邊緣檢測算法中常用的梯度算子有羅伯特交叉（Robertcross）算子，蒲瑞維特（Prewitt）和索貝爾（Sobel）算子。其中，索貝爾算子是效果較好的一種，并且可以直接應(yīng)用于彩色圖像的各個顏色通道。17邊緣提取使用索貝爾算子得到的邊緣圖像18取反后的邊緣圖像4．數(shù)學(xué)形態(tài)學(xué)處理上圖的二值邊緣圖像描述了色彩函數(shù)的局部突變，從圖中看出，邊緣不很連續(xù)和光滑，并且在高細節(jié)區(qū)存在瑣細邊緣，難以形成一個大區(qū)域，這兩點恰是限制邊緣檢測在圖像分割中應(yīng)用的兩大難點。數(shù)學(xué)形態(tài)學(xué)是一種應(yīng)用于圖像處理和模式識別領(lǐng)域的新的方法?；舅枷耄豪谩疤结槨笔占瘓D像的信息。當探針在圖像中不斷移動時，便可考察圖像各個部分間的相互關(guān)系，從而了解圖像各部分的結(jié)構(gòu)特征。作為探針的結(jié)構(gòu)元素，可直接攜帶知識（形態(tài)，大小，以及灰度和色度信息）來探測所研究圖像的結(jié)構(gòu)特點19

20%輪廓變模糊形態(tài)學(xué)處理步驟第一步：構(gòu)造結(jié)構(gòu)元素（%即形狀等）第二步：利用構(gòu)造的結(jié)構(gòu)元素對圖像進行膨脹操作第三步：區(qū)域填充第四步：連通區(qū)域標記第五步：選擇對象與原始圖像相比，我們看到在邊緣圖像中存在一些細小的間隙，根據(jù)數(shù)學(xué)形態(tài)學(xué)原理，如果構(gòu)造結(jié)構(gòu)元素對圖像進行膨脹操作，這些小間隙就會消失。因此，我們在水平和豎直兩個方向分別構(gòu)造結(jié)構(gòu)元素：（%水平方向）se0=(1111111111) （%垂直方向）se90=(11111111111)21膨脹處理膨脹處理后22

區(qū)域填充膨脹運算后，圖像的邊緣得到了很好的描述然而，在目標物的內(nèi)部，仍然存在一些空洞，可通過區(qū)域填充消除空洞23區(qū)域填充后標記連通區(qū)域為了能夠更加清楚的觀察分割結(jié)果，我們對上圖中的連通區(qū)域進行標記，并且用不同的顏色顯示從圖中可以看出，共得到四部分分割區(qū)域，并分別用紅色，黃色，深藍色和藍綠色表示出來24對象提取在二值圖像中，對象是指值為1且連接在一起的像素的集合。根據(jù)上圖中不同目標物的不同坐標，提取出特定的連通區(qū)域，選擇特定的對象25

分別顯示出只含有一個對象的二值圖像5特征提取5.1形狀特征5.2顏色特征265.1形狀特征圖像經(jīng)過邊緣提取和圖像分割等操作，就會得到邊緣和區(qū)域，也就是獲得了目標的形狀。任何物體的形狀特征均可由其幾何屬性（如長度、面積、距離、凹凸等），統(tǒng)計屬性（如投影）和拓撲屬性（如連通、歐拉數(shù)）來進行描述?？梢杂脕肀硎拘螤畹奶卣靼◣缀翁卣骱途靥卣??？晒┻x擇的幾何特征有：周長、面積、偏心率、歐拉數(shù)、角點、橫軸長度和縱軸長度。矩特征有質(zhì)心、方向、主軸關(guān)于方向的矩、不變矩和特征矩等。本例識別目標物較少，因此不必選擇過多特征，我們只選擇了面積，橫軸長兩個特征，并用圖像分析得到的特征值建立了一個小型的特征庫275.2顏色特征由于顏色特征具有旋轉(zhuǎn)不變性和尺度不變性，因而，在圖象識別技術(shù)，顏色是使用最廣泛的特征之一。而顏色特征的提取是利用顏色特征進行圖象識別的關(guān)鍵之一。目前，大部分系統(tǒng)都采用顏色比例分布作為顏色基本特征，這就是圖象領(lǐng)域中的直方圖法。28

(a)（b）

(c)（d）圖(a)~(d)分別為香蕉，青椒，梨和西紅柿的直方圖橫軸為色調(diào)Hue，縱軸為H（p）。相似度量顏色特征提取后，如何用數(shù)值來有效的表示圖像在顏色上的相似程度，這便是相似度量問題相似度量也是直接影響識別效果的重要環(huán)節(jié)，在模式識別技術(shù)中，特征的相似度量均采用距離法，即特征的相似程度用特征向量的空間距