图像分割与边缘检测.研讨.pptVIP

5. 闵可夫斯基距离法  若两幅图像Q和D的直方图分别为HQ和HK，则颜色直方图匹配的计算方法可以利用度量空间的闵可夫斯基 (λ=1, 也叫“街坊”（City Block）距离)， 按如下方法进行匹配 (5-16) R、G、B图像颜色是由不同亮度的红、绿、蓝三基色组成， 因此式(5-16)可以改写成： (5-17) 式(5-17)在具体实施时，必须从所读取的各像素颜色值中分离出R、G、B三基色的亮度值。这种方法进行颜色匹配的例子如图5-16（c）所示。 如前所述，由于直方图丢失了颜色的位置信息， 因此两幅图像可能内容完全不同，但直方图相似。所以，仅用简单的颜色直方图匹配也容易造成误识别。一种改进的方法是将图像划分成若干子块，分别对各子块进行匹配。1991年，A.Nagasaka和Y.Tanaka提出了一种将视频帧或图像分割成4×4相同大小的子块并比较相应子块的方法。这种方法对两幅视频帧或图像的相应子块进行比较， 废弃差别最大的一对，其余的比较结果参与最后的识别。B.Shahraray也曾提出类似的方法：将视频帧或图像分割成子块并进行块匹配， 对所有子块匹配的结果采用一种非线性的统计算法进行综合评价。由于子块的位置固定， 各子块的直方图在一定程度上反映了颜色的位置特征，因此子块划分与匹配的方法可以对物体运动、摄像机运动、镜头缩放等情况有更好的适应性。 6. X2直方图匹配 X2直方图匹配的计算公式如下： (5-18) 对于R、G、B图像，X2直方图匹配的计算公式又可以变为 (5-19) 图5-11 LOG算子中心点的距离与位置加权系数的关系 若将图5-11绕y轴作旋转一周后，LOG算子很像一顶墨西哥草帽， 所以，LOG又叫墨西哥草帽滤波器。 在图像边缘检测中， 还有Wallis算子、 过零点检测（Marr-Hildreth算子）、 Canny边缘检测方法、 SUSAN（Smallest Univalue Segment Assimilating Nucleus）边缘检测等。 5.3 轮廓跟踪与提取 5.3.1 轮廓跟踪 在识别图像中的目标时，往往需要对目标边缘作跟踪处理， 也叫轮廓跟踪。顾名思义，轮廓跟踪就是通过顺序找出边缘点来跟踪边界的。若图像是二值图像或图像中不同区域具有不同的像素值，但每个区域内的像素值是相同的，则如下算法可完成基于4连通或8连通区域的轮廓跟踪。 步骤1： 首先按从上到下， 从左到右的顺序扫描图像， 寻找没有标记跟踪结束记号的第一个边界起始点A0， A0是具有最小行和列值的边界点。定义一个扫描方向变量dir， 该变量用于记录上一步中沿着前一个边界点到当前边界点的移动方向， 其初始化取值为 (1) 对4连通区域取dir = 3， 如图5-12(a)所示；  (2) 对8连通区域取dir = 7， 如图5-12(b)所示。 图5-12 方向变量的初始化 步骤2： 按逆时针方向搜索当前像素的3×3邻域， 其起始搜索方向设定如下：  (1) 对4连通区域取(dir + 3)mod 4， 如图5-13(a)所示；  (2) 对8连通区域， 若dir为奇数取(dir + 7)mod 8， 如图5-13(b)所示； 若dir为偶数取(dir + 6) mod 8， 如图5-13(c)所示。 图5-13 3×3邻域起始搜索方向 在3×3邻域中搜索到的第一个与当前像素值相同的像素便为新的边界点An，同时更新变量dir为新的方向值。 步骤3：如果An等于第二个边界点A1且前一个边界点An-1等于第一个边界点A0，则停止搜索，结束跟踪，否则重复步骤2继续搜索。 步骤4：由边界点A0、A1、A2、…、An-2构成的边界便为要跟踪的边界。 算法中步骤1中所采用的准则称为“探测准则”， 其作用是找出第一个边界点；步骤3中所采用的准则称为“跟踪准则”，其作用是找出所有边界点。 图5-14 轮廓跟踪示例 5.3.2 轮廓提取 二值图像轮廓提取的算法非常简单， 就是掏空内部点： 如果原图像中有一点为黑，且它的8个邻点都是黑色时，说明该点是内部点， 将该点删除（置为白色像素值255）。对图像中所有像素点执行该操作便可完成图像轮廓的提取。在此不对其作过多说明，请读者参考配套