dip.lecture-08.ppt

Region Filling * Digital Image Processing 形态学用于纹理描述 形态学方法也可以用于某些类型纹理区域的分割。因为闭合运算可以把比结构元素小的缺口或孔填充上，搭接短的间隔而起到连通作用，这样就相当于能去除图像中的暗细节。同理，开运算可以把比结构小的突刺滤掉，切断细长搭接而起到分离作用，能去除图像中的亮细节，这样闭运算和开运算就可以用于分割某些纹理区域。 8.7 形态学在图像描述中的应用 * Digital Image Processing * 矩描述子的定义 设 f x,y 为定义在有限区域 R 上的实函数，它的阶混合原点矩定义为 相应的阶混合中心矩定义为 式中 ，可得： 8.5 图像的矩描述 * Digital Image Processing 矩不变性 矩的不变性是指矩的某些函数不依赖于形状的几何变换，例如平移、旋转和缩放。因此，我们可以利用矩不变性来识别某些具有独特形状的物体，而与它的形状、尺寸和位置无关。 如果用某图像 　　在每一点　　处的灰度值作为该点的质量，则可以确定整幅图像的重心　　如下： 并且有 8.5 图像的矩描述 * Digital Image Processing 由此可得到三阶以内的中心矩和原点矩关系为： 定义归一化中心矩为： 8.5 图像的矩描述 * Digital Image Processing 平移 设 ，则中心矩为 可以看出，平移情况下的中心矩不发生变化。 缩放 设缩放时 ，则中心矩变为归一化中心矩变为： 此时归一化中心矩不改变。 8.5 图像的矩描述 * Digital Image Processing 旋转和反射 此时矩生成函数会发生改变。但是根据代数不变性理论，可以找到关于　　的多项式，其具有对旋转和反射的不变性。旋转或反射时三阶以内的不变矩为： 对一阶矩，有 对二阶矩　　　，不变矩为 对三阶矩　　　，不变矩为 8.5 图像的矩描述 * Digital Image Processing 对于数字图像，可以将　　阶原点矩和中心矩定义为 对于二值图像，有 ，则将矩计算降为可分离算法： 8.5 图像的矩描述 * Digital Image Processing 概述 人们通常在图像某个特定区域中会看到的某种局部模式重复出现，我们把这种灰度分布宏观上的规律性结构称为纹理。直觉上这种描绘子提供了平滑度、粗糙度和规律性等特征的度量。通常纹理特征和物体的位置、走向、尺寸大小和形状有关，但与像素的平均灰度值无关。 举例如下： 8.6 图像的纹理描述 * Digital Image Processing 基于粗糙度的纹理描述 粗糙的程度与局部结构的空间重复周期有关，例如周期越大，纹理就越粗，反之周期越小，则纹理就越细。 纹理测度可以利用空间的自相关函数描述。 设图像为　　，它的自相关函数可以定义如下： 针对窗口 内的每一个像素点　　，偏离值为　，在 的像素之间作相关运算。 对某个给定　　的偏离，粗纹理区域所呈现的相关性比细纹理区域的相关性要高，而纹理粗糙度与自相关函数的变化方向成正比。 8.6 图像的纹理描述 * Digital Image Processing 灰度差分统计的纹理分析 设图像中某点为　　，则它与距它的距离较短的点 的灰度差分为： 把　　在整个图像遍历，得到每个点的　　　，取差分为　级，则计算出各个数值的次数，这样就可以绘出直方图，最后根据直方图来确定取各值时对应的概率　　。 当　的值较小，而　　对应的概率较大时，说明纹理粗糙；反之，如果概率分布平稳，说明纹理细密。 由此可得几种在进行纹理描述时常见的统计量： 对比度 　　关于原点的二阶矩，将它定义为对比度如下： 8.6 图像的纹理描述 * Digital Image Processing 角度方向二阶矩 当概率分布趋向于均匀分布时，在取各值时对应的概率　　几乎相等，能量或角度方向二阶矩取最小值。 平均值 当概率　　分布中越接近原点，平均值越小，反之　　越远离原点，平均值越大。 熵 当　　为等概率分布时，熵取最大值。 8.6 图像的纹理描述 * Digital Image Processing 等灰度游程长度的纹理描述 灰度游程长度是指在某θ方向上连续、共线并有相同灰度级的像素个数。据此，在粗纹理区域的灰度游程长度较长，而在细纹理区域，短游程长度的情况比较多。因此，我们一般将等灰度游程长度的分析方法用在线性结构的纹理上。 对于某个可以计算灰度的游程矩阵 M θ ，设其第 g 行，第 l 列的元素 mgl 表示图像中在θ 方向上灰度为g，游程长度为 l 的灰度串所出现的总次数（包括灰度点本身）。 假设有