二值图像分析BinaryImageAnalysis.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * 结合书上内容介绍前两种方法 转换说明：下面将介绍基于主曲线的方法 * 投影能表现图像的某种特征信息 常用水平、垂直投影，但实际上可以是任意方向的，下面看看对角线方向上的投影 * * * * * * * * * 原始图像 膨胀多次后的图像 膨胀（续） 开操作 开操作相当于先做腐蚀操作，再做膨胀操作 效果相当于去掉单个象素，但是保留原来的形状何尺寸。 原始图像 腐蚀两次，然后膨胀两次（开操作） 闭操作 闭操作是开操作的相互操作 先膨胀，然后腐蚀 它可以用来填补一些小洞 原始图像 闭操作结果 轮廓抽取 先做腐蚀操作， 再将腐蚀结果图像减去原始图像 原始噪声图像 膨胀运算 腐蚀运算 膨胀-腐蚀 腐蚀-膨胀 对字母的收缩与扩展算法实验结果： 开、闭运算的滤波性质： 开运算可以滤掉背景噪声——胡椒状噪声 （滤波器） 闭运算可以滤掉前景噪声——沙眼噪声 （整形器） 腐蚀和膨胀的变体 通常反复施以腐蚀运算,将使一个物体变得不存在。类似地,反复膨胀将把一幅图像中的所有物体合并为一个。然而,这些过程可以改变一下,以便在一些应用中产生更合适的结果。 收缩(Shrinking) ??? 当腐蚀以一种不触及单像素物体的方式执行时,这个过程称为收缩。当物体总数必须保持不变时,这种方法很有用。收缩可以迭代方式为一个包含近似圆形物体的二值图像生成物体尺寸的分布???。为图像中的单像素物体计数的过程与一个3×3算子交替的执行???。每运行一次,半径减了一个像素,并有更多的物体收缩为单像素大小。记录下每次迭代中的单像素物体数目,可给出物体大小的累计分布。但收缩时会使非常不圆的物体(如哑铃状的物体)分解,因此这种技术有它的局限性。 细化(Thinning) 腐蚀可编程为一个两步过程，以免分裂物体。第一步是一个正常的腐蚀，但它是有条件的，也就是说,那些被标为可除去的像素点并不立即消去。在第二步中,只将那些消除后并不破坏连通性的点消除,否则保留。以上每一步都是一个3×3邻域运算,可用查表运算实现。 细化将一个曲线形物体细化为一条单像素宽的线，从而图形化地显示出其拓朴性质。在右图中显示了细化一组染色体的过程(其中有些接触在一起),细化后生成了一幅每个染色体是一条线段的图。这种方法可视作分隔有相互接触物体的算法的基础。 细化方法：在满足一定条件下迭代删除外围前景像素。 细化为一条单像素宽的线 纵横方向都缩？？？ 投影能表现图像的某种特征信息 指定方向上单条前景像素的个数 二值图像特征-投影（projection） 二值图像及其对 角线上的投影图 二值图像特征-几何特性 通过阈值化方法检测出物体后，下一步就要对物体进行识别和定位． 在大多数工业应用中，摄像机的位置和环境是已知的，因此通过简单的几何知识就可以从物体的二维图像确定出物体的三维位置？？？． 利用尺度和形状特征来识别：如面积大小、位置和方向 面积大小 如图所示，取物体的质心为坐标中心，平面上一闭合曲线所包围的面积由沿轮廓的积分确定： 一幅二值图像区域的面积（或零阶矩）由下式给出： 周长 一般的三种近似的定义 区域和背景交界线(接缝)的长度 链码的长度 边界点数之和 注意：周长的计算精度受采样 间隔？？？、噪声、分割边缘 是否光滑的影响显著。 周长可以简单地通过计算物体 边界上相邻像素的中心距的累 加和得到。也就是说，对物周 长的计算可以简单地通过轮廓 线的像素数而得到。但由于在 倾斜方向，会产生如图所示的 数字图像特有的误差，所以， 要乘以 加以修正。 物体的中心位置： 其中x和y是区域相对于图像左上角的中心坐标． 故，物体的位置为： 欧拉数 在视觉应用中，欧拉数或亏格数可作为识别物体的特征 1. 定义：连通成份数减去空洞数 E = C - H 其中: C、H 为连通成份数、空洞数 2.举例 E=0 E=-1 E=2 3.特性 具有平稳、旋转和比例不变特性的拓扑特征 4.应用： 用于定位 前景：8连通 背景：4连通 物体的方向： 定义为最小惯量轴(主轴)的方向。 最小惯量轴：目标物上找一条直线，使目标上的所有点到这条直线的垂直距离的平方和最小、 最小外接矩形最大外接矩形在已知物体的边界时，用其外接矩形的尺寸来刻画它的基本形状是最简单的方法。如果仅计算其在坐标系方向上的外接矩形是很简单的，只需计算物体边界点的最大和最小坐标值，就可得到物体的水平和垂直跨度。但通常需要计算反映物体形状特征的主轴方向上的长度和与之垂直方向上的宽度，这样的外接矩形是物体