图像处理与理解(第七章)课件.ppt

(3) 细化 细化的目的是为了得到与原区域形状近似的由简单的弧与曲线组成的图形。 细化不等于中轴变换，细化结果位于中轴附近；细化是一种多次迭代的收缩算法，但不同于收缩，细化的结果是要求得到一个弧与曲线组成的连通的图形。因此，细化不破坏连通性，收缩有可能会破坏连通性。 弧与曲线的定义：它们是S的一个子集，且是S的一个连通分量，子集中除两个端点外的每一个点都有且只有两个邻点(端点只有有一个邻点)。 算法：消去S中那些不是端点的简单边界点，并按S的上下左右的顺序反复进行，直到不存在可以消去的简单边界点为止。 7.3.2 边界描述 利用边界来描述目标，可节省存储信息量，以可准确地确定物体。 1）链码 链码是一串指向符的序列，可以描述任意形状的曲线或闭合边界，给定了起点坐标，就确定了曲线或闭合边界在空间的位置。 链码具有以下主要的性质： 　逆时针旋转m个45o 起点终点反向(逆时针旋转180o) 长度 j方向上投影（宽度） 链码上两点间的距离　 闭合曲线起点变化导致链码循环位移　 说明： ＃对于闭合边界，用规格化链码表示，即使链码表示的整数最小，便于形状匹配。 ＃链码的导数表示，即除第一个码元外，其它每个码元向后作差分，并对结果作模8运算；第一个码元保持原值。链码的导数表示与边界的旋转无关（除第一个码元外。） 2）付立叶形状描述子 　　用一系列付氏系数来表示闭合曲线的形状特征，仅适合于单封闭曲线。 　　方法：将边界定义在复平面上，由边界上的任意一点开始，按逆时针的方向逐点写出边界点复数序列。 对此序列作离散付氏变换，得该边界在频域的唯一表示式，称其为付氏描述子（FD）。 说明： ＃FD描述了边界的形状、位置、大小、方向。 ＃为了便于其它目标物的边界的FD进行比较，必须对FD进行归一化处理，即用最大幅值系数作为归一化系数。 ＃理论上沿边界线作等间距采样结果才严格正确，实际上存在　　的差异，故是近似结果，采样点越多近似程度就越高。 ＃为了便于FFT，采样点取2的整数次幂。 3）弦分布 弦：连接边界上一已知点和任意其它点的连线　　 通过一条闭合边界曲线上所有弦的长度和角度的分布来描述边界的形状。 　　 　　辐射弦分布与旋转无关，与比例成线性变化；角弦分布与比例无关，而有一个与旋转成比例的偏置，组合应用这两个分布可作为一种形状匹配技术。 4）自回归模型描述 　说明： ＃自回归模型参数具有RST不变的性质。 ＃有孔或凹形轮廓的目标不适宜。（需作修改） 7.4　二维纹理描述 纹理：由紧密的交织在一起的单元组成的某种结构。具有局部区域呈现不规则性，而整体上表现出某种规律性的特点。 图像纹理：反映了物体表面颜色和灰度的某种变化，而这些变化又与物体本身的属性相关。 纹理结构：把图像灰度分布性质或图像表面呈现出的方向信息称为纹理结构。 纹理基元：把具有一定的不变性的视觉基元称为纹理基元。因此纹理可以看作是纹理基元以不同的形变及不同的方向重复出现的一种图形。 7.4.1 纹理特征 纹理特征的定量估计方法： ＃统计分析方法：区域的统计特性、邻域内的一阶统计分析、若干个像素及其邻域的二阶或高阶统计分析、用模型来分析。 ＃结构分析方法：试图找出纹理基元，再从组织结构上探索纹理的规律或直接探求纹理组成的结构规律。 7.4.2 灰度共生矩阵法 二阶统计度量，可以提取纹理的特性，常用的纹理特征系数有： 　1）? 角二阶矩（能量） 　　 图像灰度分布均匀性的度量；均匀，分布集中在主对角线附近。因此，从图像整体看，粗纹理含有较多的能量；反之，细纹理则能量较小。 灰度共生矩阵反映了某个方向上相隔一定距离的一对像素灰度出现的统计规律 　2）? 惯性矩（对比度） 　　惯性矩反映了图像纹理的清晰程度。纹理的沟纹越深（反映在k上），其对比度I越大，图像的视觉效果越是清晰。 　3）? 相关性 相关性是用来衡量灰度共生矩阵的元素在行、列的方向的相似程度，某一方向上的纹理其相关性一定大于其它方向上的相关值。 　4）? 熵 熵是图像所具有的信息量的度量，纹理信息也属于图像的信息。若没有纹理，则灰度共生矩阵接近于零阵，则熵值接近为0；若分布着较少的纹理，则该图像的熵值较小；若图像充满细纹理，则灰度共生矩阵数值近似相等，则该图像的熵值最大。 　5）? 局部均匀性（逆差矩） 　　 　 说明：在实际应用中，根据实际图像纹理的特点，选取几个距离和方向，计算出共生造成矩阵及特征系数，将特征系数组成一纹理特征矢量，作为统计分类器的输入。 7.4.4 付立叶功率谱纹理分析 功率谱　　　　　 反映了图像的全局性信息，其径向分布与图像纹理的粗细度有关。“稠密”的细纹理，径向分布分散，且远离原点；“稀疏”的粗纹理，比较集中，且在