第4章 图像分割与特征提取及matlab现方案研究.ppt

第4章 图像分割与特征提取及MATLAB实现 ;图像特征：是指图像的原始特性或属性。其中有些是视觉直接感受到的自然特征，如区域的亮度、边缘的轮廓、纹理或色彩等；有些是需要通过变换或测量才能得到的人为特征，如变换频谱、直方图、矩等。图像特征提取工作的结果给出了某一具体的图像中与其他图像相区别的特征。如：描述物体表面灰度变化的纹理特征，描述物体外形的形状特征等。这些特征提取的结果需要一定的表达方式，要让计算机能懂得，这就是本章的任务。;7.1边缘检测方法;7.1.1边缘算子法 ;;图7.1常见边缘的一阶差分和二阶差分 (a)阶梯状边缘 (b)阶梯状边缘的一阶差分 (c)阶梯状边缘的二阶差分 (d)脉冲状边缘 (e)脉冲状边缘的一阶差分 (f)脉冲状边缘的二阶差分 ;1）梯度算子 在前面章节曾经讨论，在点f(m,n)处，梯度G[f(m,n)]的幅度为： (7.1.1) 对于数字图像，式(7.1.1)可改写为： (7.1.2) 其中： (7.1.3);有时为了避免平方和运算，可将幅度用两个分量的绝对值之和或最大绝对值来表示，即 或 (7.1.4) 取适当的门限T，如果G[f(m,n) ] T，则（m,n）为阶跃状边缘点。;有了 ，很容易地算出Robert梯度的幅值。Robert梯度实际上是以 为中心的，应当把它们看成在这个中心点上连续梯度的近似。从图像处理的实际效果看，用式(7.1.5)的Robert梯度比用式(7.1.3)的梯度计算式来检测边缘要好。 ;3）拉普拉斯（Laplacian）算子 拉普拉斯（Laplacian）算子是一种二阶微分算子，也可用来提取图像的边缘。在数字图像处理中，其一般表示形式为： (7.1.6) 其中S是以f(m,n)为中心的邻点的集合，可以是上、下、左、右4邻点或8邻点的集合，或者是对角线4邻点的集合（如图7.2所示），与其相对应的表达式分别为： ; (7.1.7) (7.1.8) (7.1.9) 图7.2 Laplacian算子集合 ;下面以图7.3所示的图像边缘灰度分布，运用式（7.1.8）进行计算，以了解Laplacian算子用于边缘提取的特性。处理结果如图7.4。在图7.3和图7.4中，中心的点用作比较输人和输出图案的参考值，线框为处理范围。由图可知， 孤立点（图7.3(a)）的输出是一个略为扩大或略带模糊的点，其输出幅度是该点灰度值的4倍（图7.4(a)）； 对于线结构（图7.3(b)），输出宽度加粗，外观仍呈线型，组成初始线的各位置上的值是原来幅度的2倍（图7.4(b)）；;对阶跃边缘(图7.3(c)),其检测结果是线(图7.4(c)) (a) (b) (c) 图7.3灰度分布 图7. 4 ;以上是直接以 作为边缘像素灰度，实际工作中也可以把 或 的像素作为边缘元。不同的定义方法其边缘检测出所获得的目标图像，在使用中可通过试验选择与实际图像相匹配的算法。;(2) Laplacian-Gauss