CV02-二值图像调研报告.ppt

* 结合书上内容讲述方向的计算方法，强调最小二乘法是一种非常好的参数估计方法 * 结合书上内容讲述方向的计算方法，强调最小二乘法是一种非常好的参数估计方法 * 说明密集度、体态比可视为形状特征 根据这一衡量标准，圆是最密集的图形，其密集密度为最大值，其它一些图形的比值要小一些 让我们来看一下圆，当圆后仰时，形状成了一椭圆，面积减小了而周长却不象面积减小的那么快，因此密集度降低了．在后仰到极限角时，椭圆被压缩成了一条无限长直线，椭圆的周长为无穷大，故密集度变成了零． 对于数字图像，指物体尺寸（像素点数量）除以边界长度的平方这是一种很好的散布性或密集性度量方法．这一比值在许多应用中被用作为区域的一个特征 * 从背景中分离出物体是一个十分困难的问题，我们先不讨论这个问题．这里我们先假设物体可以从背景中分离，并且能够用某一谓词表示出来，并且可以对图像中属于物体的点进行标记．那么问题就变为如何将一幅图像中所有被标记的点组合成物体图像 在进行这项工作前，把相关的一些概念介绍一下。 在数字图像中，一个像素在空间上可能非常接近其它一些像素． * 路径：相互连通的像素序列 * 连通性： 两像素之间存在路径 * 连通成分（connected component）： 图像中彼此连通的最大像素子集 当前景和背景都是四连通的时候，外面的4个0，分别和边界点构成4个连通成份，所以他们是4个不同的物体，中间的0不与任何边界点构成连通成份，所以它是个洞。 当前景和背景都是8连通时，那这5个0，可以构成一个连通成份，那么就可以看作是一个物体，而没有洞的存在。 * * * 在一幅图像中找出连通成份是机器视觉中最常见的运算之一．连通区域内的点构成表示物体的候选区域． 如果图像中仅有一个物体，那么找连通成份就没有必要；如果图像中有许多物体，且需要求出物体的特性与位置，则必须确定连通成份． 介绍两种连通成份标记算法：递归算法和序贯算法 * 假设内存能够载入整幅图像，使用简单的递归算法每次处理一个成分，对整幅图像进行处理。 * 序贯算法通常要求对图像进行二次处理 本算法在从左到右、从上到下扫描图像时，算法仅能查询到某一像素点的4－近邻中的两个近邻点，即上点与左点．设算法已经查到了该像素的这两个近邻点，此时出现三种情况 * 由于这一算法一次仅运算图像的两行，因此当图像以文件形式存贮且空间不允许把整幅图像载入内存时也能使用这一算法 * 许多应用中，找到一幅图像中两个像素点或两个连通成份之间的距离是很有必要的．目前还没有定义数字图像距离的唯一方法，但对所有的像素点p、q和 r，任何距离度量都必须满足下列性质： * 举例说明骨架化及其意义，字符识别 * 结合书上内容介绍前两种方法 转换说明：下面将介绍基于主曲线的方法 对任意物体，边界将是区域的简洁表示．但要明确给定像素点是否在某一区域内，中轴则是更好的表示，因为使用中轴上的像素点和每一个给定像素点的最大距离圆盘（中轴距离变换），可以很容易地检测出给定像素是否在中轴定义的区域中 * 以把二值图像区域缩成线条，以逼近区域的中心线， 细化一般用于文本分析预处理阶段，以便将文本图像中线条图画或字符笔画表示成单像素线条 * 图像中的一个连通成份可以进行全方位的扩展 expanding 或收缩 shrinking ． * 数学形态（morphology）这一名称是从形状研究得来的 在许多机器视觉算法设计中，根据形状来思考问题是最自然，也是最容易的．形态方法有助于进行基于形状或图形思考．形态方法中图像信息的基本单元是二值像素 * 图像 前景像素的集合 * 开运算和闭运算是形态学运算族中两个最为重要的组合运算。 这种恢复不是信息无损的 * 开运算和闭运算是形态学运算族中两个最为重要的组合运算。 这种恢复不是信息无损的 结构元素S1和S2 * * （b）是结构元，用膨胀的方法他断开的字符桥接起来。 * 闭、开操作的一个应用例子，目的是消除噪声及它对印刷造成的影响，使图像失真尽可能减小。由闭操作后紧跟着进行开操作形成的形态学滤波器可用于实现这个目的。 注意：结构元素的原点坐标很重要，如果结构元素形状不 变，而原点坐标改变，则腐蚀运算结果是不一样的。 腐蚀 定义 将X中的每一个点x扩大为S+x，则X由S平移的并称为X被S膨胀，它的集合定义为 XS x| S+x∩X≠  用途 膨胀的结果会使目标变大。可以将裂缝桥接起来。 膨胀 膨胀运算示例 膨胀 膨胀的方法 用结构元S扫过整幅图像，输出图像的像素值初始化为0，一旦结构元的原点每次遇到二值图像中值为1的像素时，结构元整体形状就与输出图像进行逻辑“或”操作。 膨胀 膨胀 膨胀 膨胀 膨胀 膨胀 膨