值图像处理与形状分析.ppt

第八章 二值图像处理与形状分析 讲解内容 介绍二值图像的几何概念； 二值图像连接成分的各种变形算法； 二值图像特征提取与描述的各种方法。 8.1 二值图像的连接性和距离 在二值图像特征分析中最基础的概念是二值图像的连接性（亦称连通性）和距离。 1.邻域和邻接 对于任意像素(i，j)，把像素的集合{(j+p，j+q)}(p,q是一对适当的整数)叫做像素(i，j)的邻域。直观上看，这是像素(i，j)附近的像素形成的区域。最经常采用的是4-邻域和8-邻域。 ①4-邻域与4-邻接 ②8-邻域与8-邻接 * 目的 1.了解二值图像处理的重要性； 2.掌握二值图像基本概念和增强算法，熟悉形状特征提取方法， 为目标识别提供有力依据。 2.像素的连接 对于二值图像中具有相同值的两个像素a和b，所有和a、b具有相同值的像素系列p0(=a),p1,p2,…,pn-1,pn(=b)存在，并且pi-1和pi互为4-/8-邻接，那么像素a和b叫做4-/8-连接，以上的像素序列叫4-/8-路径。如图8.1.3。 图8.1.4 连接性矛盾示意图 图8.1.5 连接成分 单重连接成分 多重连接成分 孔 如果把1-像素看成8-连接，那么0-像素就必须用4-连接。 3.连接成分 在二值图像中，把互相连接的像素的集合汇集为一组，于是具有若干个0值的像素(0像素)和具有若干个1值的像素(1像素)的组就产生了。把这些组叫做连接成分。 4．欧拉数 在二值图像中，1像素连接成分数C减去孔数H的值叫做这幅图像的欧拉数或示性数。若用E表示图像的欧拉数，则 E=C-H (8.1-1) 对于一个1像素连接成分，1减去这个连接成分中所包含的孔数的差值叫做这个1像素连接成分的欧拉数。显然，二值图像的欧拉数是所有1像素连接成分的欧拉数之和。 5．像素的可删除性和连接数 二值图像上改变一个像素的值后，整个图像的连接性并不改变（各连接成分既不分离、不结合，孔也不产生、不消失），则这个像素是可删除的。 像素的可删除性可用像素的连接数来检测。 二值图像中B(p) = 1时，像素p的连接数Nc（p）为与p连接的连接成分数。 计算像素p的4-/8-邻接的连接数公式分别为 p2 p p0 p1 p3 p4 p5 p6 p7 同一图像的像素，在4-或8-邻接的情况下，该像素的连接数是不同的。像素的连接数作为二值图像局部的特征量是很有用的。按连接数Nc(p)大小可将像素分为以下几种： ⑴ 孤立点：B（p）= 1的像素p，在4-/8-邻接的情况下，当其4-/8-邻接的像素全是0时，像素p叫做孤立点。其连接数Nc(p)=0。 ⑵ 内部点：B（p）= 1的像素p，在4-/8-邻接的情况下，当其4-/8-邻接的像素全是1时，叫做内部点。内部点的连接数Nc(p)=0。 ? ? ? ? ? ? p7 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? p5 ? p3 ? p2 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? p6 ? ? p1 ? ? ? ? ? ? ? ? Nc(p) １ 删除点或端点； ２ 连接点； ３ 分支点； ４ 交叉点。 ⑷背景点：把B（p）= 0的像素叫做背景点。 ⑶边界点:在B（p）= 1的像素中，把除了孤立点　　　　　和内部点以外的点叫做边界点。边界上点， 1≤Nc(p)≤4。 6.距离 对于集合S中的两个元素p和q，当函数D ( p , q )满足下式的条件时，把D ( p , q )叫做p和q的距离，也称为距离函数。 计算点（i , j）和（h, k）间距离常用的方法有： ? 欧几里德距离 de[(i,j),(h,k)]=((i-h)2+(j-k)2)1/2 4-邻点距离 d4[(i,j),(h,k)]=|i-h|+|j-k| 8-邻点距离 d8[(i,j),(h,k)]=max(|i-h|,|j-k|) 8角形距离　 d0 [(i,j),(h,k)]=max{|i-h|,|j-k|,[2(|i-h|+|j-k|+1)/3]} 8.2 二值图像连接成分的变形操作 对二值图像进行增强处理，称为二值图像连接成分的变形操作。以便从二值图