八章节 图像分析.pptVIP

第八章 图像分析;概述;图像分割之后，为了进一步对图像作分析和识别，就必须通过对图像中的物体(目标)作定性或定量的分析来作出正确的结论－这些结论是建立在图像物体的某些特征的基础上的 图像描述－就是用一组数量或符号(描述子)来表征图像中被描述物体的某些特征;图像中的区域(目标)，可用其内部(如组成区域的象素集合)表示，也可用其外部(如组成区域边界的象素集合)表示;图像目标的特征提取 ;统计特征 直方图统计特征 图像振幅的一维概率密度可定义为 表示灰度整量电平。相应的一阶直方图为 其中：M表示以(i,j)为中心的测量窗内象素的总数，N(b)表示该窗内灰度值为b的象素数。对于一幅平稳图像而言，测量窗可取为整幅图像。 ;二维直方图是基于象素的二维联合分布密度定义得到的 设(i,j)，(k,l)两任意象素点上的灰度值分别为f(i,j)，f(k,l)，则图像灰度值的联合分布密度可表示为 相应的二维直方图可表示为 其中M为测量窗口中象素总数，N(a,b)表示两事件f(i,j)=a，f(k,l)=b同时发生的概率。 ;统计示性数特征 ;当图像中象素间有较强的相关性时，P(a,b)矩阵将沿对角线密集排列。可以用二维分布示性数来描述二维图像数组的统计特性。 ;目标表达;链码Chain Code;0;实际中直接对分割所得的目标边界编码有可能出现2个问题：;使用链码时，起点的选择是很关键的，对同一边界，如用不同的边界点作为链码起点，得到的链码是不同的;用链码表示给定目标的边界时，如果目标平移，链码不会发生变化，而如果目标旋转，则链码将会发生变化;Chain code: 0 0 0 0 3 3 0 3 3 3 2 1 2 3 2 3 3 Chain code: 0 0 0 7 6 7 6 6 4 2 4 6 5 6 0 6 4 4 4 0 3 2 2 2 1 2 1 2 1 1 2 1 0 1 1 0 0 1 3 3 2 4 3 2 1 0 0 1 ;边界段boundary segments;如图（a）是1个任意的集合S，它的逼近凸包H是包含S的最小凸形，如图（b）黑线框内部所示;当把S的边界分解为边界段时，能分开D的各部分的点就是合适的边界分段点，也就是说，这些分段点可借助D来唯一确定;多边形近似Polygonal Approximations;在数字图像中，如果多边形的线段数与边界上的点数相等，则多边形可以完全准确的表达边界;对于第1种方法－将原边界看成是有弹性的线，将组成边界的象素序列的内外边各看成一堵墙，如图(a)所示，如果将线拉紧，则可得到如图(b)所示的最小周长多边形;对于第2种方法－沿边界依次连接象素。先选1个边界点为起点，用直线依次连接该点与相邻的边界点，分别计算各直线与边界的(逼近)拟合误差，把误差超过某个限度前的限度确定为多边形的1条边，并将误差置0，然后以线段另一端点为起点，继续连接边界点，直到绕边界1周，这样就得到1个边界的近似多边形;如图给出基于聚合方法的多边形逼近。原边界由点a,b,v,d,e,f,g,h等表示的多边形。现在先从点a出发，依次做直线ab,ac,ad,ae等，对从ac开始的每条线段计算前一边界点与线段的距离作为拟合误差，图中设bi和cj没有超过预定的误差限度，而dk超过该限度，所以选d为紧接点a的多边形顶点，再从点d出发继续如上进行，最终得到的近似多边形的顶点为adgh;对于第3种方法－先连接边界上相距最远的2个象素(即把边界分成2部分)，然后根据一定准则进一步分解边界，构成多边形逼近边界，直到拟合误差满足一定限度;标记Signature;(a);上面所述方法产生的标记不受目标平移的影响，但与目标的尺度变换以及旋转都有关;中轴变换;当围绕边界线逐层去除外围点时，若一点被一次剥皮中遇到两次，则该点是中轴上的点，因此这一点被除去，对象将被分割成两部分。设某个区域S的边界为B，对于该区域内的任意一点x，有 ;其中d(x,y)是点x到点y的欧氏距离，若存在两个以上的点y∈B，得到相等的q(x,B)，则x点位于区域S的中轴上。这就是说，边界B上有两个以上点，它们距离中轴上x点都为相等的最小距离，因此区域S的中轴可以看成是一系列大小不同的与边界B相切的接触圆圆心的集合。 ;另外一种生成“中轴”的方法是以某种方式对对象中的全部内点进行试验，逐个以它们为圆心，做半径逐渐增大的圆，当圆增大到和目标边界至少有两个不相邻的点同时相切时，则该点是中轴上的点。如图8.3.11给出了这种中轴生成方法，其中x1点、x3点是中轴点，因为以它们为圆心的圆是最大的或具有两个或两个以上的切点，而x2点不属于中轴点，因为有包含它的在S