数字图像处理第十章教材.pptVIP

第十章 二值图像处理 第十章 二值图像处理 图像经分割之后，通常所获得的是二值图像。在理想情况下，希望该二值图像中的两个值准确地代表“目标”及“背景”两个问题。 但实际中，往往所检测到的“目标”只是“候补目标”，原因是： 为了保证没有丢失目标，在图像分割时，允许有若干个“假目标”出现。 经过图像分割之后，所提取的是多个目标。 因此需要对所获得的二值图像进行处理，实现对目标的分析。 以下假设在二值图像中，目标像素点的值为1，背景像素点的值为0。 10.1 二值图像中的基本概念 10.1.1 四连接与八连接 如右图，标记为0的位置为当前点像素，其周围的八个像素点分别标记为1-8，这八个像素称为当前像素点的八近邻，而其中标记为1，3，5，7的四个像素是当前像素点的四近邻。 10.1 二值图像中的基本概念 10.1.1 四连接与八连接 若当前点像素值为1，其四近邻像素中至少有一个点像素值为1，即认为两点间存在通路，称为四连接。 同样，如果其八近邻像素中至少有一个点的像素值为1，称为八连接。 10.1 二值图像中的基本概念 10.1.1 四连接与八连接 在搜索边界轮廓时，如图8.2所示，四连接的路径（见图 8.2(a))与八连接的路径（见图8. 2(b))各不相同。换句话说，图8. 2(c)中的两点之间的关系在八连接的意义下是连通的，而在四连接意义下是不连通的。 10.1 二值图像中的基本概念 10.1.2 内部点与边界点 在每个连通域中，与背景相邻接的点称为边界点，与背景不相邻接的点称为内部点。下图所示是在四连接与八连接定义下的内部点与边界点的示意图。 从下图(b)可以看到，在四连接定义下，内部点是“在当前点的八近邻像素点中，没有值为0的点”，而在八连接定义下，内部点是“在当前点的四近邻像素点中，没有值为0的点”。 10.1 二值图像中的基本概念 10.1.3 连接数与交叉数 连接数是指在沿着当前点的近邻（四近邻或者是八近邻）像素所构成的边界轨迹上移动时，通过的像素值为1的点的个数。 下图所示的6种不同的典型连接方式。 10.1 二值图像中的基本概念 10.1.3 连接数与交叉数 下表列出了连接数与当前像素点属性之间的关系。 交叉数是表征当前点像素的八个近邻像素中，从像素值为1的点到像素值为0的点的变化次数。 10.1 二值图像中的基本概念 10.1.4 欧拉数 在对二值图像进行分析时，常常会有如下图所示的两种不同形式的连通域。把没有孔的连通域称为单连通，至少含有一个孔的连通域称为多连通。 欧拉数就是用以表征连通域属性的值。定义欧拉数为二值图像中连通域的个数减去孔的个数。 10.1 二值图像中的基本概念 10.1.5 链码 链码是对线宽为一个像素的细线的轨迹进行描述的编码； 链码方法是对其坐标序列进行方向编码的方法。采用链码方法可以对细线的走向进行清晰的描述与分析。 右图给出了八个方向的编码定义，根据这个方向码的定义，即可求出一条细线的链码。在计算细线的链码时，从选定的某个端点出发，按着逆时针方向搜索下一个细线上的点，并根据与前一个点的方向位置，对这一点进行编码，直到终点。 10.1 二值图像中的基本概念 10.1.5 链码 以右图为例，进行该细线的链码计算（为方便观察，图中未标注数值的像素点上的值为0）。如果以实线框中的像素为起点，虚线框中的像素为终点，则可得到该线的链码为： 1，0，7，6，5，5，5， 6，0，0，0，0 10.1 二值图像中的基本概念 10.1.6 几何特征的测量 在图像处理与分析技术中，许多场合下对所拍摄的图像进行二值化处理，然后对所分割出的目标区域进行几何特征的测量。 本节介绍以下几个最基本的二值图像中的几何特征量及其计算方法： 1. 面积 2. 周长 3. 质心 4. 圆形度 5. 矩形度 6. 长宽比 10.1 二值图像中的基本概念 10.1.6 几何特征的测量 1. 面积 在二值图像中，面积是对二值化处理之后的连通域的大小进行度量的几何特征量。 面积定义为连通域中像素的总数。 设二值图像目标物的像素值为1，则面积的计算公式如下： 其中：S为需要进行度量的连通域； f（x，y）为像素值。 如右图所示的连通域的面积为 ： 3+5+5+5 +3=21 10.1 二值图像中的基本概念 10.1.6 几何特征的测量 2. 周长 周长是指包围某个连通域的边界轮廓线的长度。 因为在轮廓线上有垂直、水平方向的移动，也有斜对角方向上的移动，如果只是简单地对轮廓线上像素值进行累计计算，则会使垂直、水平方向上的长度夸大，为此将这两种方向上的像素分类进行计算，可以得到一个合理的周长定义。 周