南京师范大学教育科学学院多媒体原理与技术课件第七章 图像识别.ppt

Digital Image Technology1.Image encoding 2.Image processing 3.Image Recognation Sevral Algorithm 假设有一个图片，4*4，共16个像素，分别用A－－L来代表。我们先观察这个图片，只有中间的F,G,J,K这四个像素的“邻居”是全的。以下以FGJK为被处理像素。 1、Color chart to gray image YUV的颜色表示方法，知道在这种表示方法中，Y分量的物理含义就是亮度，它含了灰度图的所有信息，只用Y分量就完全能够表示出一幅灰度图来。 2、锐化、柔化和扩散 锐化：用当前点与左上角点的绝对值除以2，然后加上当前点的值。 F=F+abs(F-A)/2 柔化的算法和锐化相近似，不过作用正好相反，就是把当前点用周围几个点的平均值来代替。 F=(A+B+C+E+F+G+I+J+K) / 9 扩散：随机取F点周围的某个颜色，将该点的颜色赋值给F。 3、Anaglyph “浮雕”图象效果是指图像的前景前向凸出背景。所谓的“浮雕”概念是指标绘图像上的一个像素和它左上方的那个像素之间差值的一种处理过程，为了使图像保持一定的亮度并呈现灰色，在处理过程中为这个差值加了一个数值为128的常量。 F=abs(F-K+128). Key programming steps----open image files Key programming steps----color component extraction pixel = frmMain.Picture1.Point(j, i) red = pixel Mod 256 green = ((pixel And HFF00) / 256) Mod 256 blue = (pixel And HFF0000) / 65536 “H”表示十六进制数，而And表示按位与。HFF是二进制的“1111 1111”，正好覆盖了低8位，这时用And进行按位与，只会得到低8位，与RGB分量需要的8位正好符合。每个像素点的颜色分量存储顺序是“BGR”。所以最先得到后八位为红色分量。除以256将二进制右移八位，按位于运算后得到绿色分量。 三、Image Recognition Image Recognition Structure Image Feature Extraction Selected characteristics can be divided into the following categories： 灰度、颜色、分光光谱特征； 纹理等空间特征； 面积、周长等几何方面的特征。 (1) Amplitude characteristics 可以在图像的某一图像点或者其邻域做出幅度的测量。例如在（2N+1）*（2N+1）区域内的平均幅度。 (2) Histogram characteristics 一副数字图像看作是一个二维随机过程的样本，可以用联合概率分布来描述。 (3) Line and angular features (4) Gray image edge character 图像的灰度、纹理的改变或不连续是图像的重要特征，它可以指示图像内各种物体的实际含量。 5、Texture element 一种或者是几种图像基元的组合。 6、permutation and combination of texture element 。图像基元排列的疏密、周期性、方向性的不同，也能够使图像的外观产生极大的变化。 Classification Judgment 分类，就是基于被测量的特征来估计其分类单位应该属于哪一个类。机器学习主要研究各种分类方法。目前经常采用的是统计识别法（Statistical classifier）和其它更多的方法。如基于松弛法的分类方法和使用神经网络的分类方法。 The handwritten numeral recognition 我们用人眼一下子就能认出这是数字2，但是如果让计算机来识别的话就未必那么容易了。我们就要看它的一些特征了。它们的共同特则就是书写的时候先向右，又向下，又向左。显然，书写顺序就是一个很重要的特征。 Writing order 3也是有共同的书写顺序。 当然，书写顺序仅仅是一个基本的特征，我们还要提取出其他的特征来。 Feature extraction of handwritten number 对于手写体数字根据抽取特征的方法一般将其分为两类：统计特征(局部特征和全局特征)和结构特征。 统计特征是利用一些统计方法计算得到的，一般包括点密度的估计