计算机视觉Chapter2new.pptVIP

computer vision 第二章 二值图像分析 2.1 概述 2.2 阈值分割 2.3 几何特性 2.4 二值图像运算 2.5 形态学算子 1 什么是二值图像，为什么使用二值图像？ 基本图像分类：二值图像、灰度图象、彩色图像； 灰度分为：32、64、128、512等各灰度级的图像； 彩色图像分为：256色、16位、32位彩色图像 概念：二值图像就是只有两种灰度值的图像， 它可以通过阈值分割的方法得到。 1 什么是二值图像，为什么使用二值图像？ 原因： 人类在理解只有两个灰度组成的线条、轮廓影像或其它图像是没有任何困难。 二值图像计算算法简单，容易理解和实现，计算速度快。 二值图像所需内存小，对计算机设备要求低 256灰度级的视觉系统内存是二值图像的8倍 许多二值视觉系统的技术也可以用于灰度视觉系统 2 如何得到二值图像？ 最简单的方法是通过阈值分割的方法得到二值图像，阈值取决于照明条件和物体的反射特性。 算法过程：比较图像灰度与某一灰度值的关系可以分成两部分，第一部分小于阈值，将此部分的灰度值设定为0；第二部分大于阈值，将此部分的灰度值设定为1。 由此得到的经过阈值处理图像因为只有两个灰度值故称为二值图像。 3 如何表示二值图像？ 几何特性 尺寸 位置 方向 密度 4 基本定义与如何计算二值图像？ 基本定义：近邻、路径、前景、连通性、连通成分。 计算：连通成分标记、边界跟踪、距离测量、中轴、细化、扩展与收缩 形态学算子：膨胀、腐蚀、开闭运算、应用算法等 1 定义 分割是把像素聚合成区域的过程，使得： =整幅图像（ 是一个完备分割） （ 是一个完备分割） 每个区域 满足一个谓词，即区域内的所有点有某种共同的性质了； 不同区域的图像，不满足这一谓词。 谓词:均匀灰度分布、相同纹理。(衡量标准) 算法过程 设(x,y)是二维图像的平面坐标，图像灰度级的取值范围是 （习惯上0表示最暗的像素点，L-1代表最亮的像素点），位于坐标点(x,y)上的像素点的灰度级表示f(x,y)。 设t为分割阈值，于是图像函数在阈值t上的分割结果可以有如下表示， 阈值分割算法实际就是按某个准则函数求最优阈值的过程 2 阈值分割图示： 为什么使用几何特性？ 在摄像机位置和环境已知的情况下，可以通过简单的几何知识就可以从物体的二维图像确定出物体的三维位置。 在大多数应用中，物体的数量不是很多，如果物体的尺寸和形状完全不同，则可以利用尺寸和形状特征来识别这些物体，几何特性是二值图像中最简单的表示和区分方法。 2.3.1 尺寸和位置 一幅二值图像区域面积（或零阶矩） 其中，B表示一幅二值图像的某个区域，A表示此区域的面积。 2.3.1 尺寸和位置 物体位置的确定方法：使用物体最小外接矩形、物体矩心（区域中心）来表示物体的位置； 区域中心对噪声不敏感，因为它是对图像进行“全局运算”； 在二值图像中，物体的中心位置与物体的质心相同； 二值图像中物体的中心位置（x,y的算术均值） 2.3.1 尺寸和位置 二值图像中物体的中心位置： 2.3.2 方向 由于某些形状（如圆）的方向不唯一，所以一般假定物体是长形的，其长轴方向定义为物体的方向，通常，二维平面上与最小惯量轴同方向的最小二阶矩轴被定义为长轴。 图像中物体的二阶矩轴是一条直线，物体上所有点到这条直线的距离平方和最小。 2.3.2 方向 一幅二值图像B[i,j]，计算物体点到直线的最小二乘方拟合，使物体上的所有点到直线的距离平方和最小： 其中 是物体点[i,j]到直线的距离。 为了避免数学上的病态计算问题，表示成极坐标形式； 直线表示： 点到直线距离： 2.3.2 方向 物体上的所有点到直线的距离平方和最小的极坐标表示： 通过令 对 的导数等于零求解可得: 表明此直线（回归直线）通过物体中心 ，则极小值问题变为： 2.3.2 方向 其中参数a,b,c分别为： 这些参数是二阶矩。 2.3.2 方向 再对 求 的导数，令结果为零，可得： 这就是惯性轴方向。 如果b=0，a=c，则物体的方向轴不唯一。 物体伸长率E： 2.3.3 密集度 区域的密集度可用下面的式子来度量： 其中：p和A分别为图像图形的周长和面积。 依据此标准，原始最密集的图形，其密集密度为最大值 ，当圆后仰时，形状变成了一个椭圆，面积减小而周长不如面积减小得快，因此密集度降低；如果继