第三章 二值图像分析 机器视觉课件.pptVIP

与上述处理顺序相反的过程是膨胀后再腐蚀，称为“关”运算，这种顺序会填满比探针小的孔洞和凹状区，见图3.19。 图3．19 “关”运算．左：膨胀；右：腐蚀．图中的粗黑线表示原始图像边界． 第三章 二值图像分析 3．1 阈值 3．2 几何特性 3．3 投影 3．4 游程长度编码 3．5 二值图像算法 3．6 形态算子 一幅数字图像是一个二维阵列，阵列元素值称为灰度值或强度值． 图像强度通常被量化成256个不同灰度级，对某些应用来说，也常有32、64、128或512个灰度级的情况，在医疗领域里甚至使用高达4096(12bits）个灰度级．很明显，灰度级越高，图像质量越好，但所需的内存也越大． 在机器视觉研究的早期，由于内存和计算能力非常有限，而且十分昂贵，因此视觉研究人员把精力主要集中在研究输入图像仅包含两个灰度值的二值视觉系统上。尽管计算机计算能力不断增强，计算成本不断下降，二值视觉系统还是十分有用的。 3．1 阈值 为了将物体区域同图像其它区域分离出来，需要首先对图像进行分割．把图像划分成区域的过程称为分割，即把图像F[i,j]划分成区域，使得每一个区域对应一个候选的物体． 定义 分割是把像素聚合成区域的过程，使得： (1) 整幅图像 ( 是一个完备分割 )． (2) ，( 是一个完备分割)． (3)每个区域 满足一个谓词，即区域内的所有点有某 种共同的性质． (4)不同区域的图像，不满足这一谓词． 对于二值视觉，分割和阈值化是同义的 , 通过阈值运算是否可以有效地进行图像分割，取决于物体和背景之间是否有足够的对比度．图3．1是对一幅灰度图像使用不同阈值得到的二值图像输出结果． 图3．1 一幅灰度图像和使用不同阈值得到的二值图像结果．a：原始灰度图像，b：阈值T=100；c：T=128．d:T1=100|T2=128 a b c d 3．2 几何特性 通过阈值化方法从图像中检测出物体后，下一步就要对物体进行识别和定位．在许多工业应用中，经常使用区域的一些简单特征，如大小、位置和方向，来确定物体的位置并识别它们． 3．2．1 尺寸和位置 　一幅二值图像区域的面积（或零阶矩）由下式给出： 对于二值图像，物体的中心位置与物体的质心相同，因此可以使用下式求物体的中心位置。 其中 和 是区域相对于左上角图像的中心坐标．物体的位置为： 3．2．2 方向 某些形状（如圆）的方向不是唯一的，为了定义唯一的方向，一般假定物体是长形的，其长轴方向被定义为物体的方向。通常，二维平面上与最小惯量轴同方向的最小二阶矩轴被定为长轴。 图像中物体的二阶矩轴是这样一条线，物体上的全部点到该线的距离平方和最小．给出一幅二值图像B[i,j],使所有物体点到直线的距离平方和最小： 其中 是物体点[i,j]到直线的距离．为了避免直线处于近似垂直时所出现的数值病态问题，人们一般把直线表示成极坐标形式, 如图3．2所示. 图3．2 直线的极坐标表示 经化简得： 其中： 对 微分，并置微分结果为零，求解? 值： 因此，惯性轴的方向由下式给出： 3．2．3 密集度和体态比 区域的密集度（compact）可用下面的式子来度量： 其中，p和A分别为图形的周长和面积．根据这一衡量标准，圆是最密集的图形。 密集度的另一层意义是：在给定周长的条件下，密集度越高，围成的面积就越大． 体态比定义为区域的最小外接矩形的长与宽之比，图3.3所示的是几种形状的外接矩形 图3.3 几种外接矩形示意图 3．3 投影 给定一条直线，用垂直该直线的一簇等间距直线将一幅二值图像分割成若干条，每一条内像素值为1的像素个数为该条二值图像在给定直线上的投影（projection）。计算二值图像每一列或每一行上像素值为1的像素数量，就得到了二值图像的水平和垂直投影，如图3．4所示 。 图3．4 一幅二值图像及其水平投影图 某些应用中，投影可以作为物体识别的一个特征．投影既是一种简洁的图像表示，又可以实现快速算法． 下