基于链码二维碎片轮廓匹配算法.docVIP

基于链码二维碎片轮廓匹配算法 　　摘 要:首先利用边界链码的跟踪技术,提取出二维碎片的轮廓信息,同时对轮廓线进行细化#65380;去噪和编码处理,得到二维轮廓线的一维链码信息描述,并在此基础上提出一种基于链码的二维碎片轮廓匹配方法#65377;将二维碎片的形状匹配变为只对一维字符的处理,从而使得二维碎片的拼合简单化#65377;实验表明该方法能够有效的找出一对复杂轮廓线上恰当的对应特征段,实现碎片物体的复原#65377; 　　关键词:轮廓匹配;边界跟踪;链码;细化;去噪 　　中图分类号:TP391文献标识码:A 　　 　　1 引 言 　　 　　轮廓匹配是计算机视觉#65380;图像分析和模式识别中的一个重要课题,国内外学者已经对二维轮廓曲线匹配和相似性问题从不同角度展开了研究#65377;Kong[1]等提出用轮廓线的近似多边形的配合情况来衡量碎片的匹配程度,有着过多的重复工作#65377;Leitao[2,3]等通过选取碎片轮廓上的离散点来度量碎片之间的可匹配程度,没有充分利用轮廓线的几何特征#65377;Cohen[4]等人提出了一种基于B样条的曲线表示和匹配方法,这种方法虽在一定程度上考虑到了轮廓线的几何特征,但对曲线进行采样#65380;拟合是一个相当繁琐的过程#65377; 　　本文提出了一种基于边界链码的轮廓匹配方法,给出了具体的实现步骤,该方法能够充分利用轮廓曲线的几何信息,基本达到了轮廓自身信息无丢失的状态#65377;在两个碎片轮廓之间,利用该方法能有效的找到两条封闭轮廓线的可匹配特征段,从而完成轮廓的快速匹配#65377;该方法在保证匹配速度的同时,大大提高了匹配精度,且碎片的拼合效果良好#65377; 　　 　　2 二维碎片轮廓线的表示和处理 　　 　　在图像处理和识别中常采用链码[5]来表示线条的模式,常用的有4-方向和8-方向链码,人们利用链码来计算各种不同的形状特征[6]#65377; 　　在8-方向链码中,链码沿着数字曲线或边界像素以八邻接的方式移动和编码,相邻两个像素的偏移量为,八个相邻方向用数字0到7表示,如图1所示#65377; 　　由边界链码可知,一个物体的边界可以用一个起始点的坐标和一个方向编码的序列来表示#65377;针对有清晰轮廓的二维碎片,首先将碎片图像进行二值化处理,然后用行扫描法得到轮廓的最左上角的边界点作为跟踪的起始点,采用一种8-邻域(如图2所示)搜索的边界跟踪算法,跟踪算法如下: 　　计算技术与自动化2007年6月第26卷第2期饶芮菱等:基于链码的二维碎片轮廓匹配算法?Т拥谝桓霰呓绲?l??0(x??0, y??0)开始,预设起始点的链码值为7,下一边界点必定在l??0的8-邻域内,从当前点l??0的8-邻域内编码为7的位置开始,顺时针方向移动两个像素的位置就是8-邻域搜索下一个边界点的起始位置#65377;再按逆时针方向依次检查8-邻域中的像素值,把最初遇到的0像素记作l??1(x??1, y??1),记下该点在8-邻域中的位置编码m??1,然后以l??1为下一个搜索的中心点,考察八邻点,重复上述准则依次跟踪以后的边界点,记为:l??k (x??k, y??k) (k=2,3,……n-1),位置编码为m??k,在搜索完每一个中心点8-邻域的同时,把该8-邻域中除进入和离开中心点的0像素之外其余值为0的点的像素值置为1#65377;直到x??k=x??0#65380;y??k=y??0,边界跟踪结束,得到该轮廓的链码序列:H={m??0, m??1,……, m????n-1??}#65377;此时的轮廓线仅拥有一个像素宽度,实现了碎片轮廓的细化,并且由8-邻域搜索的轮廓线能较好地保持原始轮廓的几何信息,如图3所示#65377; 　　 但是把细化后的碎片轮廓线局部放大,发现由于原始轮廓线不可避免的有毛刺现象,在跟踪过程中,会误把一些噪声点当成边界的像素点,如图5所示(p, q, r为三个噪声点)#65377;为克服这些噪声点对以后轮廓匹配时的影响,要对边界线做进一步的去噪处理#65377;由8-邻域搜索的算法得到的单像素曲线,不会出现3类不平滑边缘[7]的情况#65377;但是在局部直线段上仍然有噪声点(如图4所示),检测这些子段上噪声点的准则是:在局部以五个像素点为一个子段,如果曲线上任一个像素点的前两个像素值与后两个像素值相等,而唯独中间这点的像素值不同,就认为这点是噪声点#65377;将检测到的噪声点像素值置为与前一点相同,即可得到一条局部光滑的单像素轮廓曲线,如图5所示#65377; 　　将去噪后的轮廓曲线用上述8-邻域跟踪算法重新编码,起始点不变,得到一组新的链码序列:H′=(x??0,y??0){m??0,m??1,……, m