实训课程5——图像分割与边缘检测.pptVIP

5.4.3 形状匹配 形状也是描述图像内容的一个重要特征， 利用形状进行匹配需要考虑三个问题。首先，形状常与目标联系在一起，所以相对于颜色， 形状特征可以看作是更高层次的图像特征。要获得有关目标的形状参数，常常要先对图像进行分割， 所以形状特征会受图像分割效果的影响。其次，目标形状的描述是一个非常复杂的问题，至今还没有找到能与人的感觉相一致的图像形状的确切数学定义。最后，从不同视角获取的图像中目标形状可能会有很大差别，为准确进行形状匹配，需要解决平移、 尺度、 旋转变换不变性的问题。 目前，常用的形状匹配方法主要有几何参数法（Niblack， 1993）、（Scassellati， 1994）、特征模表示法（Pentland， Picard and Sclaroff， 1996）、不变矩法（Mehtre， 1997）、 边界方向直方图法（Jain，1996）、小波重要系数法（Jacobs， 1995）、 小波轮廓表示法（杨翔英、 章毓晋， 1999）等。 目标的形状常常可以用目标的轮廓来表示，而轮廓是由一系列边界点所组成的。一般认为，在较大尺度下常常能较可靠地消除误检并检测到真正的边界点， 但在大尺度下对边界的定位不易准确。相反，在较小尺度下对真正边界点的定位常比较准确，但在小尺度下误检的比例会增加。所以，可考虑先在较大尺度下检测出真正的边界点，再在较小尺度下对真正边界点进行较精确的定位。小波变换和分析作为一种多尺度、 多通道分析工具，比较适合对图像进行多尺度的边界检测，可参考有关文献。 5.5 投影法与差影法 5.5.1 投影法 顾名思义，投影法就是把图像在某一方向（常用的是水平方向和垂直方向）上进行投影。在投影图上便可反映出图像中目标对象的位置、尺寸等信息。图5-17是一幅图像分别在水平方向和垂直方向上的投影。 可以看出投影法是一种很自然的方法，有点像灰度直方图。为了得到更好的效果，投影法经常和阈值化一起使用。由于噪声点对投影有一定的影响，所以处理前最好先做一次平滑，去除噪声，然后进行阈值化处理，再对阈值化后的二值图像在某个方向上进行投影运算。 图5-17 投影法 图5-18 华盛顿纪念碑图 图5-19 阈值化后的华盛顿纪念碑 图5-20 垂直方向投影 5.5.2 差影法 1. 图像的代数运算 图像的代数运算是指对两幅输入图像进行点对点的加、减、 乘、 除四则运算而得到输出图像的运算。如果记输入图像为A(x, y)和B(x, y)，输出图像为C(x, y)，则四种图像代数运算的表达式如下： 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) 另外， 还可通过适当的组合， 形成涉及几幅图像的复合代数运算方程。 图像相加一般用于对同一场景的多幅图像求平均，以便有效地降低加性噪声。通常，图像采集系统中采集图像时有这样的参数可供选择。其实，直接采集的图像品质较好，不需要这样的处理， 但是对于经过长距离模拟通信方式传送的图像（如太空航天器传回的星际图像）这种处理是不可缺少的。但利用求平均法降低噪声信号，提高信噪比的方法，只有当噪声可以用同一个独立分布的随机模型描述时才会有效。 图像相减常用于检测变化及运动物体，图像相减运算又称为图像差分运算。差分方法可以分为控制环境下的简单差分方法和基于背景模型的差分方法。在控制环境下， 或者在很短的时间间隔内， 可以认为背景是固定不变的， 可以直接使用差分运算检测变化及运动的物体。这种方法与阈值化处理结合往往是建立机器视觉系统最有效的方法之一。在相对稳定的环境下， 可以假设背景变化缓慢，且符合一定的分布规律，通过建立背景模型， 实施差分方法来检测运动物体， 也可获得很好的效果。 乘法运算可以用来实现掩模处理，即屏蔽掉图像的某些部分。此外由于时域的卷积和相关运算与频域的乘积运算对应， 因此乘法运算有时也作为一种技巧来实现卷积或相关处理。 除法运算可用于校正成像设备的非线性影响，在特殊形态的图像（如CT等医学图像）处理中用到。 2. 差影法 所谓差影法，实际上就是图像的相减运算(又称减影技术)， 是指把同一景物在不同时间拍摄的图像或同一景物在不同波段的图像相减。差值图像提供了图像间的差异信息，能用以指导动态监测、运动目标检测和跟踪、图像背景消除及目标识别等。其算法流程图如图5-21所示。 图5-21 差影法检测变化目