第10章 图像表示与描述.pptx

第10章 图像表示与描述计算机与信息工程学院教师：宋相法 计算机与信息工程学院计算机系 办公地点：计算机大楼207室 E-Mail：mailto:xiangfasong@163.comxiangfasong@163.com本章主要内容10.1 背景10.2 颜色特征10.3 纹理特征10.4 边界特征10.5 区域特征10.6 主成份特征10.7 特征提取的应用10.1 背景数字图像分析与理解是图像处理的高级阶段，它研究的是利用计算机分析和识别周围物体的视觉图像，从而得出结论性的判断。但是，计算机不认识图像，只认识数字，为了让计算机系统识别人类视觉系统能够认识的图像，就必须分析图像的特征，并将其特征用数学的方法描述，从而使计算机具有识别图像的能力，即图像识别。10.1 背景在识别过程中，对获得的图像直接进行识别是不现实的。原因在于：首先，图像的数据量大，占用较大的存储空间，难以满足实时性要求；其次，图像中包含有许多与识别无关的信息，需要进行特征的提取与选择。进行特征的提取与选择后，就能对被识别的图像数据进行大量简化，有利于图像识别。因此，图像的特征提取与特征选择是图像分析与识别的关键因素之一。10.1 背景特征是通过测量或处理能够抽取的数据，图像特征是指某一幅或一类图像区别于其他图像的本质特点或特性。图像特征有些是视觉直接感受到的自然特征，例如区域的亮度、边缘的轮廓、纹理、色彩等；有些是需要通过变换或测量才能得到的人为特征，如直方图、变换频谱等。10.1 背景当对形状特征感兴趣时，可以选择外部表示；当注意力集中于区域属性时，可以选择内部表示，比如颜色和纹理。通常情况下，将图像的多种特征组合在一起，形成一个n维特征向量来表示该图像。该n维特征向量就是一个位于n维空间中的点，而图像识别的任务就是找到对这个n维空间的一种划分，使该类图像与其他类图像在空间上分开。10.1 背景特征选择和提取的基本任务是从众多特征中找到最有效的特征。一幅图像的特征有很多种类，每一种类又有多种不同的表示和描述方法。因此需要对特征进行选择，选择的特征不仅要能够很好地描述图像，更重要的是能够很好地区分不同类别的图像。我们希望选择那些在同类图像之间差别较小（较小的类内距），在不同类别的图像之间差异较大（较大的类间距）的图像特征。10.2 颜色特征颜色特征是一种全局特征，描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，所有属于图像或图像区域的像素都有各自的贡献。颜色特征是图像检索和识别应用中最为广泛的视觉特征，与其他视觉特征相比，它对图像的尺寸、方向、视角的依赖性较弱，因此，具有较高的稳定性。10.2 颜色特征灰度特征 图像灰度特征可以在图像的某些特定的像素点上或其邻域内测定，也可以在某个区域内测定。以(i,j)为中心的(2M+1) ×(2N+1)邻域内的平均灰度为： 除了灰度均值之外，在有些情况下，还可能要用到区域中的灰度最大值、最小值、中值、方差等。10.2 颜色特征灰度特征【例1】如下图所示，将图像分成四个相等的方块，计算左上角方块的灰度均值，并计算整幅图像像素灰度值的最大值和最小值。 计算结果为：图像左上角区域灰度平均值avg =124.4200, 整幅图像区域最大灰度值maxg =248,整幅图像区域最小灰度值ming =22。 10.2 颜色特征直方图特征 设图像f的像素总数为n，灰度等级数为L，灰度为k的像素全图共有nk个，那么： hk称为f的灰度直方图。彩色图像可以定义为它的各个颜色分量的直方图。如果是RGB模型，可以分别计算R、G、B分量的直方图；如果是HSI模型，可以分别计算H、S、I分量的直方图。10.2 颜色特征直方图特征 图像灰度直方图可以认为是图像灰度概率密度的估计，可以由直方图产生下列特征。（1）平均值：（2）方差：（3）能量：（4）熵：10.2 颜色特征直方图特征【例2】计算下列图像的直方图的有关特征。平均值avh =125.0509能量enh =0.0063熵enth =7.4480方差vah =2.2913e+03平均值avh =119.3140能量enh =0.0101熵enth =7.0480方差vah =3.8435e+0310.2 颜色特征颜色矩图像中任何颜色的分布均可以用它的矩来表示，颜色矩可以直接在RGB空间计算。由于颜色分布信息主要集中在低阶矩，因此，仅采用颜色的一阶矩、二阶矩和三阶矩就足以表达图像的颜色分布。10.2 颜色特征颜色矩 上述三种颜色矩的定义分别为：其中，pij是第i个颜色分量的第j个像素的值，n是图像的像素点的个数。事实上，一阶矩定义了每个颜色分量的平均值，二阶矩和三阶矩分别定义了颜色分量的方差和偏斜度。10.3 纹理特征纹理是图像描述的重要内容，纹理特征描述图像或图