《机器视觉》chapter2.pptVIP

AI:Binary 第二章 二值图像分析Chapter 2 Binary Image Analysis 2.1 阈值 分割定义 把图像划分成区域的过程称为分割，即把图像 划分成 区域，使得每一个区域对应一个候选的物体。 分割的严格定义 分割是把像素聚合成区域的过程，使得： 整幅图像 ( 是一个完备分割)； ，( 是一个完备分割)； 每个 区域满足一个谓词，即区域内所有点有某种共同性质； 不同区域的图像，不满足这一谓词。 2.1 阈值 灰度图像转换为二值图像 设一幅灰度图像中物体的灰度分布在区间内，经过阈值运算后的图像为二值图像，即： 2.1 阈值 阈值设定方法 手动 自动：利用图像灰度分布和有关的物体知识来自动选择适当阈值。 2.4.3 区域边界—边界跟踪算法 区域边界—边界跟踪算法 2.4.4 距离测量 2.4.6 扩展收缩 扩展收缩 形态学算子的应用 腐蚀 腐蚀 注意：结构元素的原点坐标很重要，如果结构元素形状不 变，而原点坐标改变，则腐蚀运算结果是不一样的。 腐蚀 定义 将X中的每一个点x扩大为S+x，则X由S平移的并称为X被S膨胀，它的集合定义为 XS = {x| S+x∩X≠}  用途 膨胀的结果会使目标变大。可以将裂缝桥接起来。 膨胀 膨胀运算示例 膨胀 膨胀的方法 用结构元S扫过整幅图像，输出图像的像素值初始化为0，一旦结构元的原点每次遇到二值图像中值为1的像素时，结构元整体形状就与输出图像进行逻辑“或”操作。 膨胀 膨胀 膨胀 膨胀 膨胀 膨胀 膨胀 膨胀 膨胀 膨胀 膨胀 膨胀 膨胀 膨胀 腐蚀 膨胀 定义 膨胀和腐蚀不互为逆运算，可以级连结合使用，构造出形态学运算族，它由膨胀和腐蚀两个运算的复合与集合操作组合成的所有运算构成。 先对图像进行腐蚀然后膨胀其结果，称为开运算,或先对图像进行膨胀然后腐蚀其结果,称为闭运算。 开、闭运算 X○S = (XS)S X●S = (XS)S 用途 开操作一般使对象的轮廓变得光滑，断开狭窄的间断和消除细的突出物。 闭操作同样使轮廓线变得更为光滑，它通常消弥狭窄的间断和长细的鸿沟，消除小的孔洞，并填补轮廓线中的断裂。 开、闭运算 开运算去掉了凸角 闭运算填充了凹角 形态学算子的应用 1. 去除噪声 2. 边界提取 3. 区域填充 4. 连通成分标记 5. 图像骨架化…….. 不同尺寸结构元得到不同骨架 将裂缝桥接起来 目标图像 被处理的图像称为目标图像。为了确定目标图像的结构，必须逐个考察与检验图像各部分之间的关系，最后得到一个各部分之间关系的集合。 结构元素 在考察目标图像各部分之间的关系时，需要设计一种 “结构 元素”。在图像中不断移动结构元素，就可以考察图像之间各部分的关系。 目标结构元素 腐蚀膨胀 二值形态学中的运算对象是集合。设A为图像集合，S为结构元素，数学形态学运算是用S对A进行操作。二值形态学中两个最基本的运算——腐蚀与膨胀。 定义 X用S腐蚀的结果是所有使S平移x后仍在X中的x的集合。用集合的方式定义 用途 腐蚀在数学形态学运算中的作用是消除物体边界点。腐蚀可以把小于结构元素的物体(毛刺、 小凸起)去除;如果两个物体之间有细小的连通，结构元素足够大时，通过腐蚀运算可以将两个物体分开。 腐蚀 腐蚀运算示例 腐蚀 腐蚀的方法 拿S的原点和X上的点一个一个地对比，如果S上的所有点都在X的范围，则S的原点对应的点保留，否则将该点去掉。 针对二值图像上的每一个像素点，如果结构元上每一个值为1的像素都覆盖着二值图像上一个值为1的像素，则将二值图像上与结构元原点对应的像素与输入图像对应点进行逻辑“或”运算。 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 腐蚀 * * 图像定义 一幅数字图像是一个二维阵列，阵列元素值称为灰度 值或亮度值（256级）。 二值图像定义 只有黑、白两级灰度的图像。分别用1和0表示。 二值图像优点