5章精品课件.pptVIP

图5-17 投影法 图5-18 华盛顿纪念碑图 图5-19 阈值化后的华盛顿纪念碑 图5-20 垂直方向投影 5.5.2 差影法 1. 图像的代数运算 代数运算是指对两幅输入图像进行点对点的四则运算而得到输出图像的运算。如果记输入图像为A(x, y)和B(x, y)，输出图像为C(x, y)，则四种代数运算的表达式如下： C(x, y)＝A(x, y)＋B(x, y); C(x, y)＝A(x, y)－B(x, y) C(x, y)＝A(x, y)×B(x, y); C(x, y)＝A(x, y)／B(x, y) 图像相加用于对同一场景的多幅图像求平均，以便有效地降低加性噪声。一般直接采集的图像品质较好，不需要这样处理， 但是对于经过长距离模拟通信方式传送的图像（如太空航天器传回的星际图像）这种处理是不可缺少的。利用求平均法降噪、提高信噪比的方法，只有当噪声可以用独立分布的随机模型描述时才会有效。 图像相减常用于检测变化及运动，又称为图像差分运算。在受控环境下， 可以认为背景是固定不变的，可以直接使用差分运算检测变化及运动的物体。这种方法与阈值化处理结合往往是建立机器视觉系统最有效的方法之一。在相对稳定环境下， 可以假设背景变化缓慢，且符合一定的分布规律，通过建立背景模型， 实施差分方法来检测运动物体。 乘法运算可以用来实现掩模处理，即屏蔽掉图像的某些部分。此外由于时域的卷积和相关运算与频域的乘积运算对应， 因此乘法运算有时也作为一种技巧来实现卷积或相关处理。 除法运算可用于校正成像设备的非线性影响，在特殊形态图像（如CT图像等）的处理中常有应用。 2. 差影法 差影法，实际上就是图像的相减运算(又称减影技术)， 是指把同一景物在不同时间拍摄的图像或同一景物在不同波段的图像相减。差值图像提供了图像间的差异信息，能用来指导动态监测、运动目标检测和跟踪、图像背景消除及目标识别等。其算法流程图如图5-21所示。 图5-21 差影法检测变化目标流程图 差影法常用在监控系统中。在银行金库内，摄像头每隔一小段时间拍摄一幅图像，并与上一幅图像做差影，如果图像差别超过了预先设置的阈值，说明有异常情况发生，这时就应该报警。在利用遥感图像进行动态监测时，用差值图像可以发现森林火灾、洪水泛滥，监测灾情变化；也能用来监测水域的泥沙淤积及污染、地面的植被覆盖情况等。 利用差影技术消除图像背景也有很明显效果。肾动脉造影对诊断肾脏疾病有独特效果。为减少误诊，希望提供血管的清晰图像。通常的造影虽然能够看出血管的形状及分布，但由于肾脏周围其他组织影像的重叠，难以得到理想的血管图像。对此，可摄制出造影前后的两幅图像，相减后就能把其它组织的影像去掉， 而仅保留血管图像。类似的技术也用于诊断印刷线路板及集成电路的缺陷。 图5-22 差影法示例 (a) 原始混合图像； (b) 背景图像； (c) 差影法处理结果 差影法的MATLAB编程举例: A=imread(d:\testpictures\lena_gray.bmp); B=imread(cameraman.tif); I1=imadd(A,B,‘uint16’); %两个图像混合(相加) I2=imabsdiff(I1,uint16(B)); %从混合图像中减掉第二个图像 subplot(1,2,1); imshow(I1,[]); title(mixed iamge); %显示混合图像 subplot(1,2,2); imshow(I2,[]); title(restored image); %显示恢复图像 执行结果如下: 第五章 图像分割与边缘检测 第五章 图像分割与边缘检测 5.1 图像分割 5.2 边缘检测 5.3 轮廓跟踪与提取 5.4 图像匹配 5.5 投影法与差影法 5.6 应用实例 5.1 阀值分割 5.1.1 概述 图像分割是将图像划分成互不相交的小区域的过程， 小区域是具有共同属性的像素的连通集合。如不同目标物体所占的区域、 背景所占的区域等。图像分割基于像素灰度值的两个性质:边界处灰度的不连续性和区域内灰度的相似性。因此分割算法也分为两类：基于边界的分割和基于区域的