数字图像处理外文翻译.docVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
数字图像处理 Digital Image Processing 作者:李白萍 起止页码:42页-46页,127页-132页 出版日期(期刊号):2008.4( 2009.10重印) 出版单位:西安电子科技大学出版社 数字图像处理 一类形状减少算子是基于距离变换的。一个距离骨架是一个子集点,某一特定的组成部分,例如,每点子,这代表了该中心的一个最大光盘(标记半径这片光碟)载于特定的组成部分。作为一个例子,在这类算子,本报告讨论了一个计算方法距离骨架使用的D4距离函数,这是适当的数字化图片。 第二类算子产生的中位数或中心线数字对象在一个非迭代的方式。通常这样的算子找到临界点,并计算出特殊路径通过对象连接这些点。 第三类是算子的特点是迭代细化。从历史上看, 用已经在1862年任期线性骨架为结果连续变形的前一个连接子一欧氏空间没有改变的连通原来的设置,直到只有一套线和点仍然存在。许多算法在图像分析是在此基础上的一般概念的细化。目标是计算特性的数字对象,其中不相关的大小或数量。方法应是独立的立场从一组,在平面或空间,网格的决议(数字化这套)或形状复杂该给定。在文献中的任期间是没有用在一个独特的解释,此外,它始终是指连接维护减少运作,适用于数字图像,所涉及的迭代变革的特殊轮廓点到背景点。一个字集 Q_I的对象点是减少了设置,在一迭代和Q0的结果= Q N D成为Q报表下次迭代。拓扑维护骨架是一个特殊的案件细化,导致连接的一套数码化的圆弧或曲线。数字曲线的道路是一条在P=p0 ;P1 ; P2的 ;qn= q等,pi是pi 1的近邻, , 1 _ i _N和P =q,数字曲线是所谓的简单元素,如果每点pi有准确的两个邻域在这曲线。数码弧是一个子集数字曲线,如p6 =q.一点的数码弧其中,正是一邻居是所谓的一归宿,这电弧。在这第三类算子(细化算法) ,我们可能分类方面的算法策略:个别像素要么拆除在一个顺序或平行进行。举例来说,经常提到的算法hilditch 是一个迭代的过程中的测试和删去的轮廓像素,按顺序在标准光栅扫描秩序。另一种序贯算法pavlidis 使用的多点和收益由轮廓下列的的例子,并行算法在这第三类是减少算子,其中变换轮廓点到背景点。这些并行算法通常是测试实施连通性,以确保在目标连接和内部数据没有改变。概念一简单点是基本的重要性细化且它将会显示在这报告说,简单点,其实是相等的。 若干出版物的特点性能是一套署点(可从对象点到背景点转变)去确定目标和背景的连贯性仍然没变.报告讨论了一些性质是为了证明平行细算法的正确性. 1.2基础 所用符号如下[ 17 ] 。数字图像I是一个功能离散集C ,即所谓的载体的形象。要素的C 是网格点或网格细胞和分子性( P ;I( p )) 一个图像像素( 2维)或体素(三维案件)。范围的形象是f0 ; gmaxg 与gmax _ 1 。范围二进制的形象是f0 ,我们只使用在此报告的二进制图像。让它成为一套所有像素的位置与价值1 。 形象载体是对一正交网格在二维或三维空间。 有两种选择:使用网格细胞模型的二维像素位置, P是一个封闭的广场( 2细胞)在欧氏平面和三维像素的位置是封闭立方体( 3细胞) ,在欧氏空间,那里边的长度为1和平行于坐标轴,中心有整数坐标。作为一个第二个选项,使用网格点模型一二维或三维像素的位置是一个网格点。 两个像素的位置P和Q在网格中的细胞模型是所谓的0 -毗邻i_ p 6 = Q和他们分享至少有一个顶点(这是一个零细胞) 。 两个三维像素的位置P和Q在网格中的细胞模型是所谓的毗邻i_ p 6 = Q和他们分享至少有一个优势(这是一细胞) 。注意:如果格点模型是用这邻接在二维或邻接在三维。最后,两个像素的三维位置P和Q在网格中的细胞模型被称为2 -毗邻i_ p 6 = Q和他们分享至少有一个面对的(这是一个2细胞) 。请注意,如果格点模型是用这邻接的。 任何这些邻接关系; 1 ; 2 ; 4 ; 6 ; 18; 26是和对称对一的形象, n_ ( p )条像素位置p包括P和其_ -相邻像素的位置。 坐标的二维网格点是指由(i; j )中,与1_i n和1_j_m; j是整数和N ;M 是多少行和列正在3维中使用整数坐标(i; j ; k )段。 基于邻域的关系,我们连通如常: 2 点p; q 2 C是有关n_ i_有一个序列点,p = p0; p1; p2; pn = q 近邻,在此序列无论是在M或全部在补M的一个子集M_ C的形象承运人是所谓的_连接i_M,是不是空洞和所有点,在M都成对设置M 组成的一个子集S的C是一个极大值,连接子S的研究连通性数码影像已在[ 15 ]介绍了。 因此,任何一套集合组成了

文档评论(0)

嫣雨流纱 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档