中科大李厚强图像分析大作业.docVIP

区域提取与分析 ——图像分析实验 SHanxin Feng 实验目的 有一幅显微镜下获得的颗粒图，计算出每个粒子的面积、长轴、短轴。用列表的形式给出计算结果。 实验目标很明确： 对图像中的连通片进行提取 统计出每个连通元的面积 计算长轴和短轴 语言C。 实验方法 图像二值化 阈值与结果有很大的关系，图像中一些细小的点很多，而且明暗变化于0~255之间，所以阈值过大时会排除掉很多点，程序中使用的折中的125。 区域标记 简单起见，考虑4-连通的情况。本图中，4-连通与8-连通有一点差别，如下一块，着色不同表示不连通。 8连通时，左上角的小块跟大块是连通的。 实际标记时利用了两个模板，前者用于正向扫描，后者用于逆向扫描。 0 A 0 0 1 A B 1 0 0 B 0 实验中，正向扫描先考察A，A有标记（无标记，默认是-1），则当前位置表为A_mark，否则，如果B有标记，则标为B_mark，否则，用新的计数；逆向扫描类似。 存储标记的节点如下： typedef struct PNode{ char pixel; //像素 int mark; //标记 }PNode; 第一次正向扫描结果如下：（用不同的颜色表示不同的计数） 部分放大： 逆向扫描结果如下： 还有六处没有正确标记的，其中一处如下： 这是可以理解的，比如如下的情况： -1 2 2 2 2 2 2 -1 -1 -1 1 1 1 -1 -1 -1 由于逆向扫描时，先考虑右边像素再考虑下方像素，则蓝色下划线的“2”处仍然不变。 第二次正向扫描，得到正确的标定：（即，每个连通片只有一种颜色） 整理标记，统计面积 由于标记本身并没有完全按照计数的顺序排列（只是同一连通片当中的标记相等而已），因此进行一次整理，同时维护一个存储面积和整理过后的计数（依次排列）的链表，如下： typedef struct NUMNode{ int mark; //标记 int num; //像素个数（面积） NUMNode* next; }NUMNode; 将2）结构中的pix数组中的计数处理后存入链表，由于同一连通片拥有一样的标记，根据标记进行查找，统计出各连通片的面积（包含的像素个数）。 长轴计算 重新定义一个结构体数组，每个结构体记录了一个连通片的边缘信息，结构如下： typedef struct EDGEENode{ int en; //边缘点个数（周长）， int x[300]; //边缘点的x坐标，数组长度只要比max{en}大就可以了 int y[300]; //边缘点的y坐标 float lo; //连通片长轴 float sh; //连通片短轴 }EDGEENode; 维护这一数组是为了方便理解和处理。 数组的有效长度即连通片的个数（本图为30），首先根据计数值提取各个连通片的边缘像素的值以及个数（对于4-连通，边缘像素就是上下左右存在黑色像素），从而，可以将长轴与短轴的计算都局限在一个小范围中。 长轴的获取就是计算边缘点中相距最远的两点的距离，考虑到有很多连通片只有很少的几个像素组成，为了相互区别，因此使用的欧拉距离。 短轴计算 短轴的计算其实是一个很复杂的过程，按照定义，我的理解就是，在长轴的垂直方向上，距离最远的两个点的距离。 垂直用斜率k1*k2=-1表示，对于k1或者k2不存在或者为0的情况，单独考虑。 但是，关键问题在于，当长轴确定时，k1的值是精确的，但是计算得到的-1/k1与实际两点间的k2不可以能完全符合，或者说，连通片中甚至都不存在跟长轴完全垂直的两点，因此，短轴的选择是一个取舍问题。 如果连通片很大，则这一问题不明显，我们还可以按照取min{k1*k2+1}得到“最为”垂直的点，然后在这些点中寻找相距最远的两点。 但是如果连通片很小，则会出现很多细节问题，比如短轴甚至不存在，或者说即使是min{k1*k2+1}对应的k2也显然不是垂直的关系。因此第二种方法是限定阈值，即fabs(k2+1/k1)=Threshold，理想情况自然是Threshold=0，但是问题是，差值选多少比较合适；|k1|大时，|k2|很小，反之亦然，所以按照百分比取阈值，实验中使用的(1/fabs(k1))*0.5;即50%。 由于最终结果的好坏与否很难评定，因此实际上我也不知道这么选择是否合适，但是调整阈值大小可以看出变化，当阈值变小（比如用10%），则很多包含像素较少的连通片的短轴都会变为0。 结果分析及结论 程序运行前，请将图像放在D:\目录下，并且命名为1.png。 运行后在D:\目录下形成2.png,3.png,4.png，