基于Freeman链码二维图像轮廓的提取与匹配.pdfVIP

维普资讯 2006年 10月 宁 波职业技术学 院学报 OCt，2006 第 l0卷第5期 Journal of Ningbo Polytechnic Vb1．10No．5 基于Freeman链码二维图像 轮廓的提取与匹配 姚文君 (东南大学 无线电工程系，江苏 南京 210096) 摘 要 ：在边缘检测技术的基础上，利用Freernn链码的性质实现 了二维图像轮廓的提取；并运用动态规划编程， 提 出了一种新的图像轮廓匹配算法。结果表明，该算法比传统的图像轮廓匹配算法更简洁有效。 关键词 ：Freemn链码；动态规划算法；轮廓提取；轮廓匹配 中图分类号：TP317．4 文献标识码：A 文章编号：167l_2153(2006)05·0024·03 医学处理与分析仅仅需要轮廓信息，其他信息不但 0引 言 占据计算机存储空间，而且会造成不必要的干扰。 用链码表示线条模式的方法最初是由Freeman 所以对由边缘检测得到的图像还需经过一定处理找 在 1961年提出的，根据二维线条的不同走势方向， 出它的轮廓，即轮廓提取或轮廓跟踪。 分别用{0，1，…，7}8个标志分别表示八临域像素，一 根据Freeman链码的性质，可以对一个像素点 个连续的平面线条图像都可以用一串由{o，1，…，7} (设为P)的八邻域进行试探识别。如果是边缘像素， 中的元素组成的链码来近似描述 。如果按同一方向 则该点(设为Q)就是P点的后继边缘点，如图2所示。 绕行，那么一幅二维图像的轮廓就可由Freeman链 但是由图2中不难看出P的八邻域中除了前驱点D 码唯一表示。 和边缘后继点Q之外，还有2个非轮廓点F，和 ， 仅仅从图像的轮廓，人们就可以识别大量的物 跟踪轮廓的关键是屏蔽这2个点。解决这个问题的 体，图像的轮廓包含着比其他位置更多的信息。轮 具体方法如下： 廓提取在许多智能视觉系统中特别是模式识别中被 第一步：确定跟踪轮廓的方向(如图4为顺时针 认为是非常重要的过程。边缘检测技术是利用物体 方向)。 和背景在图像的灰度、颜色或者纹理特征等方面的 第二步：如果前驱链码字为0(从0点到P点)，对 差异提取图像中不同特征区域间的分界线。边缘信 P点的后继边缘点的跟踪按链码方向3，2，1，0，7，6， 息包含了所有的轮廓信息。利用边缘检测技术，本 5，4的顺序(即顺时针方向)进行判断，一旦判断出灰 文阐述了基于Freeman链码二维图像轮廓的提取与 度值不为0的像素Q，这点就是后继边缘点，同时 匹配算法。 停止继续判断该点的其他邻域。图2中的F．与 就 不会被跟踪读取，也就屏蔽了非轮廓像素点。 1图像轮廓的提取 对于不同的前驱链码字，可按以上的例子依次 图1为人头部MRI图像(MagneticResonance 寻找轮廓点，屏蔽不需要的非轮廓像素点(图2)。 Imaging)经过Canny算法得到的边缘检测图像。图 第三步 ：存储Q点，同时检测Q点是否为起始 1中除了轮廓线条还包含了许多非轮廓线条。许多 点D，若不是，则从Q点开始重复步骤2；若是则跟 收稿 日期：2006—05—22 作者简介：姚文君(19