Chap03_图像分析数据结构.pdfVIP

第三章 图像分析的数据结构 王志明 wangzhiming@ies.ustb.edu.cn 本章内容 1. 图像数据表示的层次 2. 传统图像数据结构 3. 分层数据结构 2010-9-16 wangzhiming@ies.ustb.edu.cn 2 §3.1 图像表示的层次 感知图像内容经过多个层次，图像信息逐渐浓 缩，语义知识越来越多。 图标图像(Iconic Image)：最底层，原始数据，图 像亮度数据矩阵； 分割图像(Segmented Image)：图像被分割成可能 属于同一物体的区域，领域知识很有帮助； 几何表示(Geometric Representation)：2D或3D 的形状知识，形状的量化表示非常困难； 关系模型(Relational Model)：更高层次抽象处理 数据，需要领域先验知识、人工智能技术等。 2010-9-16 wangzhiming@ies.ustb.edu.cn 3 §3.2 传统图像数据结构 §3.2.1 矩阵 图像数据的完整表示，与内容无关，隐含着图像 组成部分之间的空间关系； 灰度图像(Gray Image)：非负整数矩阵； 彩色图像(Color Image)：3个矩阵分别表示RGB； 二值图像(Binary Image)：值为0或1的矩阵； 多光谱图像(Multispectral Image)：多个矩阵对应于 不同频带的图像； 分层图像数据结构(Hierarchical Image Data Structure)：用不同矩阵表示不同分辨率的图像。 2010-9-16 wangzhiming@ies.ustb.edu.cn 4 §3.2.1 矩阵(续) 共生矩阵(Co-occurrence Matrix)： 亮度z(i ,j ) 像素与亮度y(i ,j ) 像素之间具有某 1 1 2 2 种关系r的概率估计； 例：当r关系为4-邻接的南、东或自身点时： 共生矩阵的对角线为直方图； 非对角线元素Cr(k,j)表示将亮度k和j 的区域 分割开的边界长度； 低对比度图像中远离对角性的元素值非常 小，高对比度图像再正好相反。 2010-9-16 wangzhiming@ies.ustb.edu.cn 5 §3.2.1 矩阵(续) 2010-9-16 wangzhiming@ies.ustb.edu.cn 6 a b c 图3.0 (a) 原图；(b)共生矩阵(log)；(c)直方图 2010-9-16 wangzhiming@ies.ustb.edu.cn 7 §3.2.1 矩阵(续) 例: 一个具有三个灰度级(0,1,2)的图像,