第八章圖像分割與描述1教材_第1頁
第八章圖像分割與描述1教材_第2頁
第八章圖像分割與描述1教材_第3頁
第八章圖像分割與描述1教材_第4頁
第八章圖像分割與描述1教材_第5頁
已閱讀5頁,還剩82頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

數(shù)字圖像處理與分析基礎(chǔ)第八章圖像分割與描述內(nèi)容摘要圖像的分割與描述是在圖像預(yù)處理的基礎(chǔ)上對信息進(jìn)行組織與加工,它是實(shí)現(xiàn)圖像自動識別與理解的必不可少的過程,是計算機(jī)視覺的中間層次。本章的內(nèi)容對拓展編碼算法的設(shè)計思路也很有啟發(fā)作用。圖像的分割算法介紹基于灰度的分割算法和基于梯度的分割算法兩大類,這兩類算法分別利用了圖像的區(qū)域相關(guān)性和點(diǎn)相關(guān)性,在此基礎(chǔ)上拓展到彩色圖像分割。圖像的描述方法很多,本文介紹了鏈碼描述子、傅立葉描述子以及矩描述子三種基本手段。描述手段與分割策略應(yīng)當(dāng)統(tǒng)一考慮。數(shù)字圖像處理與分析基礎(chǔ)第八章圖像分析基礎(chǔ)

ImageAnalysistheory1、圖像分割2、圖像描述數(shù)字圖像處理與分析基礎(chǔ)8.1圖像分割

ImageSegmentation1、概述和分類2、基于灰度的分割技術(shù)3、基于梯度的分割技術(shù)4、彩色圖像分割技術(shù)5、分割評價數(shù)字圖像處理與分析基礎(chǔ)7.1.1概述與分類

GeneralIntroductionandClassification圖像分量以及相互關(guān)系圖像分析與理解、自動景物分析、模式識別機(jī)器抽取信息數(shù)字圖像處理與分析基礎(chǔ)圖像分割定義:把圖像中有意義的區(qū)域與背景分離開,并按其不同的內(nèi)涵將它們分割開?!皡^(qū)域”是圖像中相鄰的具有類似性質(zhì)的點(diǎn)組成的集合。同一區(qū)域(region)中的像素是相鄰的,就是說區(qū)域是像素的連通集。“連通”(connectedness)的定義為:在連通集的任意兩個像素間,存在一個完全由這個集合中的元素構(gòu)成的路徑。同一區(qū)域中的任意兩個像素間至少存在一條連通路徑。數(shù)字圖像處理與分析基礎(chǔ)。連通性有兩種度量準(zhǔn)則,如果只依據(jù)四鄰域(上下左右)確定連通,就稱為4連通(four-connectivity),物體也被稱為是4連通的。如果依據(jù)八鄰域(加上四個對角像素)確定連通,就稱為8連通(eight-connectivity)。在同一類問題的處理中,應(yīng)當(dāng)采用一致的準(zhǔn)則。通常8連通的結(jié)果誤差小,與人的感覺更相近?!巴|(zhì)”分割依據(jù):灰度、顏色、紋理、灰度變化分割結(jié)果以區(qū)域的邊界坐標(biāo)表示數(shù)字圖像處理與分析基礎(chǔ)分割方法分類從分割依據(jù)出發(fā)“相似性分割”就是將具有同一灰度級或紋理的像素聚集在一起,形成圖像中的不同區(qū)域。這種基于相似性原理的方法常稱為“基于區(qū)域相關(guān)的分割技術(shù)”“非連續(xù)性分割”需要先檢測圖像的局部不連續(xù)性,然后將它們連接起來形成邊界,這些邊界將圖像分割成不同的區(qū)域。這種基于不連續(xù)原理檢測圖像中物體邊緣的方法也稱為“基于點(diǎn)相關(guān)的分割技術(shù)”。這兩種方法具有互補(bǔ)性,一般來說在不同的場合需要不同的方法,有時也將它們的處理結(jié)果相結(jié)合,以獲得更好的效果。根據(jù)分割算法本身閾值法、邊緣檢測法、匹配法等數(shù)字圖像處理與分析基礎(chǔ)路(a)路路(b)圖

分割的兩種方法分割A(yù)A1A2A3CC1C2C3C4C5BB1B2B3B4(0,0)(511,0)(511,511)(0,511)xy原圖分割結(jié)果圖7-3圖像與分割結(jié)果數(shù)字圖像處理與分析基礎(chǔ)圖像分塊化對象1對象n特征集特征集描述1描述2描述3分塊化和描述數(shù)字圖像處理與分析基礎(chǔ)8.1.21基于灰度的分割

(區(qū)域相關(guān)技術(shù))兩大類是基于閾值分割的技術(shù)是基于灰度均勻性的區(qū)域分裂——合并算法。閾值分割算法實(shí)施時各像素間無相關(guān)性,原圖像可以分成幾部分同時進(jìn)行分割,又稱為并行區(qū)域技術(shù)(Region-BasedParallelTechniques)。區(qū)域分裂——合并算法實(shí)施時,要利用像素間的相關(guān)性,是一種串行區(qū)域技術(shù)。數(shù)字圖像處理與分析基礎(chǔ)并行區(qū)域技術(shù)1、原理和分類2、依賴像素的閾值選取3、依賴區(qū)域的閾值選取Region-BasedParallelTechniques數(shù)字圖像處理與分析基礎(chǔ)圖像閾值分割(ImageSegmentation:Thresholding)最常用的圖像分割技術(shù)主要利用圖像中背景與對象之間的灰度差異。理想狀態(tài)下,背景與對象之間的灰度值應(yīng)當(dāng)差異很大,且同一個對象具有基本相同的灰度值。體現(xiàn)在圖像的灰度直方圖上,就是直方圖呈明顯的雙峰分布,兩類物體灰度級間無交疊。在直方圖中處于谷底的區(qū)域選取一個灰度值作為閾值,根據(jù)灰度與閾值的關(guān)系將像素判定為對象點(diǎn)或背景點(diǎn),這個過程稱為圖像二值化。對二值圖像進(jìn)行進(jìn)一步的分析就可以獲得圖像的分割結(jié)果。數(shù)字圖像處理與分析基礎(chǔ)二值化設(shè)f(x,y)表示原圖像,g(x,y)表示分割后的圖像,T為選定的灰度閾值,分割算法表示為或其中:“1”表示物體(對象、目標(biāo)),“0”表示背景。數(shù)字圖像處理與分析基礎(chǔ)多閾值二值化有時對象的灰度分布相對集中,而背景的灰度分布很散,就需要設(shè)置兩個灰度閾值T1、T2,T1>T2,這兩個閾值間的灰度范圍都對應(yīng)于對象,即:數(shù)字圖像處理與分析基礎(chǔ)1111111114565651157888611688876115788861148777611654565111111111012345678灰度級201030象素點(diǎn)(a)(b)Th=4Th=7(c)圖8-1灰度取域法,閾值對分割結(jié)果影響很大(a)數(shù)字圖像(b)直方圖(c)取閾結(jié)果Th=4,Th=7數(shù)字圖像處理與分析基礎(chǔ)1、極小值點(diǎn)閾值h(z)——直方圖20世紀(jì)60年代中期,Prewitt提出了“直方圖雙峰法”,如果灰度直方圖呈現(xiàn)明顯的雙峰狀,則選取兩峰之間的谷底對應(yīng)的灰度級作為閾值。谷底就是直方圖的極小值。將各端點(diǎn)相連,形成直方圖的包絡(luò)線h(z),這是一條曲線,它的極小值滿足數(shù)字圖像處理與分析基礎(chǔ)T=120(a)原圖(b)直方圖(c)二值化結(jié)果圖8-2Rice圖像雙峰法分割數(shù)字圖像處理與分析基礎(chǔ)2、最優(yōu)閾值法利用圖像的先驗知識,即圖像中對象和背景的灰度分布規(guī)律,在誤差率最小的原則下計算合理閾值。數(shù)字圖像處理與分析基礎(chǔ)最優(yōu)閾值算法設(shè)圖像由兩類對象

1、

2組成,它們的條件概率分別為:P(x/1)、P(x/2),其中x是灰度級,T是閾值二值化判斷:

x>T,x

2;

x<T,x

1圖8-3最優(yōu)域值法示意圖P(x/w1)P(x/w2)x0T數(shù)字圖像處理與分析基礎(chǔ)最優(yōu)條件

2誤為

1的誤差概率:

1(T)=(-,T)P(x/2)dx

1誤為

2的誤差概率:

2(T)=(T,+)P(x/1)dx先驗概率P(2),P(1),P(2)+P(1)=1總誤判概率:

(T)=P(1)1(T)+P(2)2(T)let(T)/T=0,then1(T)/T=P(x/2),

2(T)/T=-P(x/1),

總誤差最小時有

P(2)P(x/2)x=T=P(1)P(x/1)x=T數(shù)字圖像處理與分析基礎(chǔ)

已知概率模型下的簡化若兩類對象均服從正態(tài)分布,總誤差最小時有:數(shù)字圖像處理與分析基礎(chǔ)IfP(2)=P(1)=1/2,12=22thenT=(2+2

)/2數(shù)字圖像處理與分析基礎(chǔ)例8.1.2:P-tile試探法(百分比)一般的圖像很難獲得灰度的概率密度函數(shù)以及先驗概率,在一些特殊的應(yīng)用場合,如文字、樂譜等圖像,可以從大量圖像得到一個統(tǒng)計規(guī)律,獲得符號部分在全圖像中的百分比,以此為基礎(chǔ),結(jié)合直方圖谷點(diǎn)分析,可以得到近似最優(yōu)的結(jié)果數(shù)字圖像處理與分析基礎(chǔ)依賴區(qū)域的閾值選取問題:(1)整幅圖像灰度變化快時?(2)噪聲干擾大時?(3)目標(biāo)區(qū)域小,無顯著兩峰時?數(shù)字圖像處理與分析基礎(chǔ)自適應(yīng)技術(shù)基于區(qū)域統(tǒng)計特征的分塊域值法——Chow和Kaneko提出的自適應(yīng)閾值技術(shù)。算法原理:將一幅圖像劃分為35

35或6565的互不重疊的圖像塊,求出每個子圖像塊的直方圖及閾值,子圖像的中心像素點(diǎn)就使用求出的閾值,而區(qū)域內(nèi)的其它像素點(diǎn)的閾值通過插值的方法“自適應(yīng)”地確定。數(shù)字圖像處理與分析基礎(chǔ)按局部特性構(gòu)成新圖,再取域值局部平均LA(E)=(A+B+C+D+E+F+G+H+I)/9局部頻繁性LB(E)=min(Vx,Vy),Vx=|A-B|+|B-C|+|D-E|+|E-F|+|G-H|+|H-I|Vy=|A-D|+|D-G|+|B-E|+|E-H|+|C-F|+|F-I|LB檢測平滑和變化大的部分。ABCDFFGHI局部模板1111111114444431146777611678875115788751146776611344444111111111111111111105324121157336411442122114521321171042531113732311111111111數(shù)字圖像處理與分析基礎(chǔ)閾值分割技術(shù)的特點(diǎn)1)對于物體與背景有較強(qiáng)對比的圖像分割特別有效;2)計算簡單;3)總能用封閉而且連通的邊界定義不交疊的區(qū)域;4)具有并行性;5)可以推廣到非灰度特征,如果物體同背景的區(qū)別不在灰度值,而是其他特征,如紋理等,可以先計算那種特征,再轉(zhuǎn)化為灰度圖,然后就可以利用閾值分割技術(shù)。數(shù)字圖像處理與分析基礎(chǔ)1、基本邊界搜索算法:1)沿x及y方向掃描全圖;2)設(shè)x=0,1,…,i-1,i,i+1,...3)對Gi-1,Gi,Gi+1,if(Gi-1=0

Gi+1=0)(Gi=1)thenGi

是邊界點(diǎn),i為坐標(biāo)(x,y).4)對Gj-1,Gj,Gj+1,if(Gj-1=1

Gj+1=1)(Gj=0)thenGj

是邊界點(diǎn),j為坐標(biāo)(x,y).5)各邊界點(diǎn)按i或j排序,并分離出不同對象。邊界提取數(shù)字圖像處理與分析基礎(chǔ)2、鏈碼方法四方位碼八方位碼邊界跟蹤數(shù)字圖像處理與分析基礎(chǔ)利用形態(tài)學(xué)算子提取區(qū)域的邊界原點(diǎn)(a)二值區(qū)域A(b)結(jié)構(gòu)元素B

圖8-4

利用腐蝕運(yùn)算提取區(qū)域邊界設(shè)已二值化的目標(biāo)區(qū)域A的邊界為

(A),B為結(jié)構(gòu)元素,則:可用于提取邊界的結(jié)構(gòu)元素不唯一,但較大的結(jié)構(gòu)元素會出現(xiàn)多像素寬度的邊界。數(shù)字圖像處理與分析基礎(chǔ)2、串行區(qū)域技術(shù)

Region-BasedSequentialTechniques圖像分割就是將圖像分解成若干有意義的子區(qū)域,而分離區(qū)域(或?qū)ο螅┑囊罁?jù)是“同質(zhì)”的概念,不論圖像的來源以及反映的事物如何不同,同一物體在灰度、顏色、紋理、形狀、大小等可測量的物理特征上總是具有同一性或相似性。直方圖取閾法的理論依據(jù)就是相同的對象具有近似的灰度值。區(qū)域增長法對此進(jìn)行了推廣,主要體現(xiàn)在相似性準(zhǔn)則可以利用更多的統(tǒng)計特征定義,具有相同或相近統(tǒng)計特征的像素點(diǎn)被歸于同一區(qū)域。數(shù)字圖像處理與分析基礎(chǔ)基本方法1、區(qū)域生長2、分裂合并3、空間聚類法等。數(shù)字圖像處理與分析基礎(chǔ)最基本的區(qū)域分割方法,它按照一定的同質(zhì)判據(jù)H把圖像分解為N個相鄰的區(qū)域fk,即:1、區(qū)域生長法(RegionGrowing)分解的區(qū)域滿足其中ki是不同區(qū)域的增長核心?;疽兀?)區(qū)域的數(shù)目,各區(qū)域的生長核心(種子);2)區(qū)域間相區(qū)別的性質(zhì)特征,由此構(gòu)造同質(zhì)判據(jù)。數(shù)字圖像處理與分析基礎(chǔ)區(qū)域生長算法1)給定同質(zhì)判據(jù)H;2)掃描圖像,獲得不屬于任何已分割區(qū)域的像素點(diǎn),作為生長核心ki;3)以ki為核心,H為判據(jù)進(jìn)行生長:將該像素與它的4鄰域或8鄰域像素相比較,若滿足規(guī)則H,就將它們合并為同一個區(qū)域,并標(biāo)記同樣的區(qū)域符號;4)對于那些新并入的像素,重復(fù)3)的操作;5)反復(fù)進(jìn)行3)、4),直至區(qū)域不能再增長為止;6)返回2),尋找新的區(qū)域核心,直至圖像中的所有像素點(diǎn)都已經(jīng)歸入某一個區(qū)域。數(shù)字圖像處理與分析基礎(chǔ)A(5)B(5)C(8)D(6)E(4)F(8)G(9)H(7)I(2)T(2)K(8)L(3)M(3)N(3))(3)P(3)Eg.A~P:像素的代號,括號中是灰度值。設(shè)生長核心G(9),判據(jù):H:fk-sfk>2sfk

是fk周圍的象素灰度。搜索循環(huán)核心坐標(biāo)核平均值接受象素fk

區(qū)域1G9C,F,KC-F-G-K2C-F-G-K8.25HC-F-G-K-H3C-F-G-K-H8.0C-F-G-K-Hx,y兩方向進(jìn)行,核心不變時完成。人機(jī)交互數(shù)字圖像處理與分析基礎(chǔ)討論1、該算法由于利用了區(qū)域的灰度均值,算法的抗干擾性能好,尤其對白噪聲圖像分割效果改善明顯。2、如果區(qū)域間邊緣的灰度變化很平緩,或者兩個區(qū)域?qū)Ρ榷热?,會將不同的區(qū)域合并。改善的方法是增加區(qū)域的均勻性測度度量。式中T為一閾值。本例中應(yīng)當(dāng)要求T>2。3、區(qū)域增長的兩個決定性因素是區(qū)域的核心(代表區(qū)域的起始點(diǎn)或點(diǎn)集),區(qū)域的均勻性測度以及閾值。數(shù)字圖像處理與分析基礎(chǔ)圖8-6增長核心不同、閾值不同,區(qū)域增長的結(jié)果就不同5586489722853333558

64897228533335

5

8

64897228

53333(a)ki=9,T=2(b)ki=7,T=2(c)ki=9,T=2.5數(shù)字圖像處理與分析基礎(chǔ)初分實(shí)驗1(H0+H1)VsH2中間分塊結(jié)果實(shí)驗2H0VsH2近似邊界獲得曲線擬合結(jié)果分裂、混合算法3圖像01210111213圖像四叉樹結(jié)構(gòu)02310131112

2分裂、混合算法數(shù)字圖像處理與分析基礎(chǔ)圖8-7(a)金字塔數(shù)據(jù)結(jié)構(gòu)在金字塔數(shù)據(jù)結(jié)構(gòu)中,對于2N

2N的數(shù)字圖像若用n表示其層次,則第n層上圖像的大小為2N-n

2N-n,因此最底層,即第0層就是原始圖像,最頂層就是第N層,只有一個點(diǎn)。四叉樹第n層上共有4n個節(jié)點(diǎn)。數(shù)字圖像處理與分析基礎(chǔ)區(qū)域的分裂——合并算法1)確定區(qū)域同質(zhì)準(zhǔn)則H;2)將原始圖像按照四份一級等分,至一個合理的中間層次n(不必要將圖像分成N級);3)做所有區(qū)域R的均勻性檢驗,如果H(R)=false,則將該區(qū)域分裂成四個大小相等的子區(qū)域,若任一子區(qū)域Ri滿足H(Ri)=false,則繼續(xù)分裂此子區(qū)域,直至這一分枝上樹結(jié)構(gòu)到達(dá)它的底層樹葉,分裂不能繼續(xù)為止;如果H(Ri)=true,則該區(qū)域不需要再分裂,進(jìn)入樹結(jié)構(gòu)上下一個區(qū)域的分析。4)回溯合并環(huán)節(jié):對相鄰的兩個區(qū)域Ri和Rj,若滿足H(Ri

Rj)=true,說明這兩個區(qū)域同質(zhì),則合并這兩個區(qū)域。Ri和Rj不要求大小相同,但要求它們相鄰。數(shù)字圖像處理與分析基礎(chǔ)分裂合并算法5)回溯結(jié)束后,分析面積很小的零星區(qū)域與相鄰大區(qū)域的相似程度,將它們歸于相似性大的區(qū)域。6)在5)完成后可以得到近似的邊界,由于是在各種方塊組合的基礎(chǔ)上得到的,是一條鋸齒形的線,還需要經(jīng)過曲線擬合得到光滑的分界線。由Horowtiz和Pavlids提出,最早使用的同質(zhì)判斷準(zhǔn)則是區(qū)域的最大與最小灰度值的差是否足夠小,后來發(fā)展到統(tǒng)計檢驗和模型擬合等,如均方誤差最小、F檢驗等。這種算法還允許采用紋理、空間和幾何結(jié)構(gòu)等基于區(qū)域分析的特征量。數(shù)字圖像處理與分析基礎(chǔ)數(shù)字圖像處理與分析基礎(chǔ)8.1.2基于梯度的分割(點(diǎn)相關(guān)技術(shù))

根據(jù)灰度梯度的變化規(guī)律檢測出物體的邊緣,將邊緣閉合形成物體的邊界,進(jìn)而分割區(qū)域。此類技術(shù)屬于并行邊界技術(shù)(Boundary-BasedParallelTechnique)(a)(b)圖8-9邊緣檢測劃分區(qū)域數(shù)字圖像處理與分析基礎(chǔ)主要內(nèi)容1、邊緣檢測2、微分算子3、邊界閉合4、Hough變換5、模板匹配數(shù)字圖像處理與分析基礎(chǔ)1、邊緣檢測相鄰區(qū)域灰度值不同圖像灰度剖面一階導(dǎo)數(shù)數(shù)字圖像處理與分析基礎(chǔ)微分算子1、梯度算子梯度算子:G[f(x,y)]=[f/x,f/y]T數(shù)字圖像處理與分析基礎(chǔ)

/

數(shù)字圖像處理與分析基礎(chǔ)典型算子1-11-1Roberts-1-1-1111-1-1-1111-1-2-1121-1-12-211PrewittSobel0-10-14-10-10-1-1-1-18-1-1-1-1兩種常用的Laplacian算子數(shù)字圖像處理與分析基礎(chǔ)111111111平均子空間基10-1d0-d10-101-d-101d-101d1000-1-d-1d-10-10101-d邊緣子空間基對稱梯度波紋0-101010-101-21-24-21-21-10100010-1-21-2141-212直線子空間基直線Laplacian綜合正交算子的模板數(shù)字圖像處理與分析基礎(chǔ)提取邊緣策略這幾種算子都能實(shí)現(xiàn)中心定位,但對噪聲都比較敏感,尤其是Laplacian算子,它是二階微分算子,對噪聲的放大能力更強(qiáng)于其它的一階微分算子,不利于邊緣分析。實(shí)用的策略是應(yīng)當(dāng)先對圖像去噪聲。若先對圖像平滑處理,抑制噪聲,再求微分,則為Marr、Canny等算子;若對圖像進(jìn)行局部線形擬合,再用擬合得到的光滑函數(shù)的導(dǎo)數(shù)代替直接的數(shù)值導(dǎo)數(shù),則為Facet模型檢測邊緣算子。數(shù)字圖像處理與分析基礎(chǔ)MARR算子fs(x,y)=f(x,y)*G(x,y,

)

取高斯濾波器作平滑濾波,可以使頻域具有通帶窄、空域方差小的最佳特點(diǎn)。馬爾和希爾德雷斯(Hildreth)提出的最佳邊緣檢測算子(簡稱M-H算子,常稱為Marr算子)。連接零交叉點(diǎn)的軌跡,就可以得到圖像的邊緣。數(shù)字圖像處理與分析基礎(chǔ)M-H算子具有明顯的優(yōu)點(diǎn)(1)該濾波器中的高斯函數(shù)部分可以對圖像進(jìn)行平滑,消除圖像中尺度變化小于濾波參數(shù)

的噪聲或不必要的細(xì)節(jié)。而高斯函數(shù)在空域與頻域具有相同的形式與性質(zhì),都是平滑的、定域的,基本上不會引入在原始圖像中未出現(xiàn)的變化。(2)采用拉普拉斯算子不僅減少了計算量,而且保證了各向同性。(3)濾波參數(shù)

可調(diào),能夠在任何需要的尺度上工作。大的濾波器可以用來檢測圖像的模糊邊緣,小的濾波器可以用來檢測聚焦良好的圖像細(xì)節(jié)。數(shù)字圖像處理與分析基礎(chǔ)如何評價邊緣算子的性能呢Canny(坎尼)提出了三個指標(biāo):(1)好的性噪比,即將非邊緣點(diǎn)判為邊緣點(diǎn)的概率要低,將邊緣點(diǎn)判為非邊緣點(diǎn)的概率也要低;(2)好的定位能力,即檢測的邊緣點(diǎn)要盡可能在實(shí)際邊緣的中心;(3)對單一的邊緣僅有唯一的響應(yīng),即單個邊緣產(chǎn)生多個相應(yīng)的概率要低,并且虛假邊緣要得到最大的抑制。因此設(shè)計最佳邊緣算子是非常困難的,目前Canny給出了階躍邊緣的最佳邊緣算子的形式,但計算量非常大。數(shù)字圖像處理與分析基礎(chǔ)Canny算子設(shè)計過程二維高斯函數(shù)為數(shù)字圖像處理與分析基礎(chǔ)可見

h1(x)=xh2(x),h1(y)=yh2(y),k為常數(shù)將偏微分方程分別與圖像f(x,y)進(jìn)行卷積,得到方向微分輸出A(i,j)是灰度梯度模值,反映了圖像上點(diǎn)(i,j)處的灰度變化強(qiáng)度,是梯度方向,反映了該點(diǎn)處的灰度變化最快的方向,即該點(diǎn)的法向矢量(正交于邊緣方向的方向)。數(shù)字圖像處理與分析基礎(chǔ)1、該點(diǎn)的A(i,j)大于位于該點(diǎn)梯度方向的兩個相鄰像素的梯度值;2、與該點(diǎn)梯度方向一致的相鄰兩點(diǎn)的梯度方向差小于45。。3、以該點(diǎn)為中心的3

3鄰域中的的極大值小于某個閾值。如果條件(1)、(2)同時滿足,那么在梯度方向上的兩個相鄰像素就從候選邊緣點(diǎn)集合中取消,這樣可以減少運(yùn)算量。條件(3)相當(dāng)于用區(qū)域梯度最大值組成的閾值圖像與邊緣點(diǎn)進(jìn)行匹配,這一過程可以消除虛假的邊緣點(diǎn)。根據(jù)Canny的定義,當(dāng)一個像素滿足下面三個條件時就被認(rèn)為是圖像的邊緣像素數(shù)字圖像處理與分析基礎(chǔ)圖8-12

Canny算子與Marr算子比較(a)原圖(b)Marr算子結(jié)果(c)Canny算子結(jié)果數(shù)字圖像處理與分析基礎(chǔ)邊界閉合——局部處理相鄰的兩個像素(s,t)與(x,y),若它們的梯度的幅度與方向分別滿足下列2條件:數(shù)字圖像處理與分析基礎(chǔ)邊緣連接——Hough變換Hough變換[Hough,1962]是一種基于圖像全局分割結(jié)果的邊緣連接技術(shù),它抗干擾能力強(qiáng),能檢測出任意形狀的曲線,即使線上有許多的斷裂,因此在圖像分析的預(yù)處理中獲得廣泛應(yīng)用。下面只介紹檢測直線的經(jīng)典方法。設(shè)圖像空間(x,y)中的一條直線的方程為:

y=u0x+v0

式中u0為斜率,v0為截距。那么對于直線上的任意一點(diǎn)pi(xi,yi),它在由斜率和截距組成的變換空間(u,v)中將滿足方程式:

v=-xiu+yi

數(shù)字圖像處理與分析基礎(chǔ)圖8-13直線的Hough變換y=u0x+v0P2P10yx0(u0,v0)v=-uxi+yivu數(shù)字圖像處理與分析基礎(chǔ)直線的極坐標(biāo)方程為:

=xcos

+ysin

表示圖像坐標(biāo)原點(diǎn)到直線的距離,

是該直線的法線與x軸的交角。由

可以唯一地確定一條直線。對于(x,y)空間的任意一點(diǎn)(xi,yi),采用極坐標(biāo)(

,

)作為變換空間,其變換方程為:

=xicos+yisin

(8-71) 這表明圖像空間的一點(diǎn)(xi,yi)對應(yīng)于(

,

)空間的一條正弦曲線,其相位和幅值由xi、yi決定。數(shù)字圖像處理與分析基礎(chǔ)(x,y)空間的同一條直線上的點(diǎn)在(

,

)空間的正弦曲線都會相交于點(diǎn)(

0,

0),

0為這條直線到原點(diǎn)的距離,

0為直線的法線與軸的夾角,x(xi,yi)

y

圖8-14點(diǎn)的Hough變換的極坐標(biāo)形式x(xi,yi)

y

圖8-15共線點(diǎn)Hough變換的極坐標(biāo)形式

0=xcos

0+ysin

0(

0,

0)數(shù)字圖像處理與分析基礎(chǔ)算法1)將(

,

)空間量化,得到二維矩陣M(,

),M(,

)是一個累加器,初始值為0,M(,

)=0。2)對邊界上的每一個點(diǎn)(xi,yi),將

的所有量化值代入式(8-71),計算相應(yīng)的

,并且將累加器加1,M(,

)=M(,

)+1。3)將全部(xi,yi)處理后,分析M(,

),如果M(,

)

T,就認(rèn)為存在一條有意義的線段,是該線段的擬合參數(shù)。T是一個非負(fù)整數(shù),由圖像中景物的先驗知識決定。4)由(,

)和(xi,yi)共同確定圖像中的線段,并將斷裂部分連接。數(shù)字圖像處理與分析基礎(chǔ)圖像分割小結(jié)1、圖像分割是將一幅數(shù)字圖像劃分為不交疊的、連通的像素集的過程,其中一個對應(yīng)于背景,其他的則對應(yīng)于圖像中的各個物體。2、圖像分割可以通過為物體指定其像素或找出物體之間的(或物體和背景之間的)邊界的方法來實(shí)現(xiàn)。3、灰度級閾值處理是一種總能產(chǎn)生閉合的連通邊界的簡單分割技術(shù)。4、在分割之前進(jìn)行背景的平滑和噪聲消除,常常能改善分割的性能。數(shù)字圖像處理與分析基礎(chǔ)5、閾值的大小應(yīng)當(dāng)根據(jù)圖像的內(nèi)容變化,除非背景灰度級和物體的對比度相對恒定。6、具有簡單物體以及與背景對比度明顯的圖像,將閾值置于雙峰直方圖的低谷可使物體面積對閾值變化的敏感度最小。7、物體分割可以通過在梯度圖像中進(jìn)行邊界跟蹤或閾值處理來實(shí)現(xiàn)。8、對一幅圖像的分割可以用隸屬關(guān)系圖、邊界鏈碼、或線段編碼來實(shí)現(xiàn)。數(shù)字圖像處理與分析基礎(chǔ)分割評價簡介

IntroductiontoSegmentationEvaluation1、評價方法及分類2、最終測量精度3、實(shí)用分割評價框架數(shù)字圖像處理與分析基礎(chǔ)分割方法及分類優(yōu)化分割(1)掌握各算法在不同分割情況中的表現(xiàn),以通過選擇算法參數(shù)來適應(yīng)分割具有不同內(nèi)容的圖像和分割在不同條件下采集到的圖像的需要。(2)比較多個算法分割給定圖像的性能,以幫助在具體分割應(yīng)用中選取合適的算法。數(shù)字圖像處理與分析基礎(chǔ)評價方法的基本要求(1)應(yīng)具有通用性(2)應(yīng)采用定量和客觀的性能評價準(zhǔn)則(3)應(yīng)選取通用的圖像進(jìn)行測試,以使評價結(jié)果具有可比性,圖像應(yīng)盡可能反映客觀世界的真實(shí)情況和實(shí)際應(yīng)用的共同特點(diǎn)。直接法:分析法間接法:實(shí)驗法數(shù)字圖像處理與分析基礎(chǔ)分析法分割算法分割待分割圖輸入圖預(yù)處理參考圖已分割圖優(yōu)度實(shí)驗法輸出圖后處理差異實(shí)驗法ORORORAND圖像分割評價方法分類數(shù)字圖像處理與分析基礎(chǔ)習(xí)題1、下面給出了處在黑色背景上的白色臺球的20級灰度圖像的直方圖(0表示黑色)。這個球用每立方厘米(cm3)重1.5克的材料制成。象素間距是1mm。試問球的重量是多少?(先做出基于面積的輪廓。)[0100500300090003000500200100200300500627500300200100000]2、以下是一個20級灰度圖像的直方圖,包含了一個處在有反差的背景上的水果。像素間距是2mm。試問是櫻桃、葡萄還是南瓜?[01002003005006005003002001002005003000800020000800030005001000]數(shù)字圖像處理與分析基礎(chǔ)作業(yè)1、編制一個程序,使它能夠產(chǎn)生一幅背景具有給定灰度級的、有噪聲的高斯點(diǎn)圖像。要求程序能夠規(guī)定點(diǎn)的位置、點(diǎn)的x-、y-尺度(標(biāo)準(zhǔn)偏差),分布均勻的白噪聲的均方根RMS幅度。產(chǎn)生一幅高達(dá)200灰度級,大小為15

20象素的原點(diǎn),帶10級灰度峰值噪聲的圖像。2、編制一個自適應(yīng)域值的程序。該程序能夠利用一種本章介紹的域值選擇技術(shù)來為場景中的每一個物體確定域值。用一幅含有5個與不均勻背景有著各不相同的對比度的物體的圖像對程序進(jìn)行測試。圖像可以是數(shù)字化的圖像,也可以用題1中產(chǎn)生的圖像。數(shù)字圖像處理與分析基礎(chǔ)8.2圖像描述

ImageDescription1、概述和分類2、鏈碼描繪子3、傅立葉描繪子4、矩數(shù)字圖像處理與分析基礎(chǔ)圖像被分割之后,必須使用更適合于計算機(jī)處理的形式對子區(qū)域進(jìn)行表達(dá)與描述,在此基礎(chǔ)上進(jìn)一步提取便于計算機(jī)進(jìn)行自動模式識別的圖像特征,同時減少用于表示圖像的數(shù)據(jù)量。通常將描述區(qū)域性質(zhì)的算子稱為描述子。描述圖像子區(qū)域的方法主要有兩類:(1)用區(qū)域的外部特征,如邊界來表示區(qū)域,常用的有鏈碼與Fourier描述子。(2)用區(qū)域的內(nèi)部特征,如組成區(qū)域的像素表示區(qū)域,常用的有矩描述子。但區(qū)域的描述方法應(yīng)當(dāng)由計算機(jī)模式識別時需要的特征來決定,如若需要識別圖像的形狀,就應(yīng)當(dāng)采用外部特征法,因為在邊界輪廓的基礎(chǔ)上可以很容易獲得區(qū)域的面積、周長、區(qū)域的最大外接矩形的長寬比等特征。而要利用紋理、顏色等特征時,需要利用選擇內(nèi)部表示法。在有些情況下,可能兩種表達(dá)都需要。8.2.1、概述和分類數(shù)字圖像處理與分析基礎(chǔ)3210(a)02103yx(c)107543206yx(d)圖8-194-方位與8-方位鏈碼12357640(b)8.2.2鏈碼表示(x-1,y+1)(x,y+1)(x+1,y+1)(x-1,y)(x,y)(x+1,y)(x-1,y-1)(x-1,y-1)(x+1,y-1)01234567圖8-20鏈碼與坐標(biāo)位置的關(guān)系數(shù)字圖像處理與分析基礎(chǔ)正確的鏈碼應(yīng)當(dāng)滿足封閉性原則,即:n1+n2+n3=n5+n6+n7,n5+n4+n3=n7+n0+n1,式中ni為出現(xiàn)方位碼i的次數(shù)。上面兩個條件的物理意義是,鏈碼向上移動的步數(shù)應(yīng)當(dāng)?shù)扔谙蛳乱苿拥牟綌?shù);向左移動的步數(shù)應(yīng)當(dāng)?shù)扔谙蛴乙苿拥牟綌?shù)。數(shù)字圖像處理與分析基礎(chǔ)鏈碼與幾何特征周長2.面積根據(jù)幾何學(xué)上的定理,對于封閉折線形成的多邊形,其各頂點(diǎn)A1,A2,…,An的相應(yīng)坐標(biāo)為:(x1,y1),(x2,y2)

,…,(xn,yn)則該多邊形的面積為:Sn是一個有向面積,當(dāng)頂點(diǎn)A1,A2,…,An逆時針方向排列時(正向鏈碼),Sn

0

數(shù)字圖像處理與分析基礎(chǔ)y+1yy-113572640unitx圖8-21用鏈碼計算區(qū)域面積示意圖18-方位碼面積增量

S8-方位碼面積增量

S0y(-1)7(y+y+1)/2(-1)4y(+1)5(y+y+1)/2(+1)603(y-1+y)/2(+1)201(y+y-

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論