二值图像处理和形状的全面分析.ppt

二值图像处理和形状全面分析 ;;8.1 二值图像的连接性和距离 ;2.像素的连接 对于二值图像中具有相同值的两个像素a和b，所有和a、b具有相同值的像素系列p0(=a),p1,p2,…,pn-1,pn(=b)存在，并且pi-1和pi互为4-/8-邻接，那么像素a和b叫做4-/8-连接，以上的像素序列叫4-/8-路径。如图8.1.3。;;4．欧拉数 在二值图像中，1像素连接成分数C减去孔数H的值叫做这幅图像的欧拉数或示性数。若用E表示图像的欧拉数，则 E=C-H (8.1-1) 对于一个1像素连接成分，1减去这个连接成分中所包含的孔数的差值叫做这个1像素连接成分的欧拉数。显然，二值图像的欧拉数是所有1像素连接成分的欧拉数之和。 5．像素的可删除性和连接数 二值图像上改变一个像素的值后，整个图像的连接性并不改变（各连接成分既不分离、不结合，孔也不产生、不消失），则这个像素是可删除的。; 像素的可删除性可用像素的连接数来检测。 二值图像中B(p) = 1时，像素p的连接数Nc（p）为与p连接的连接成分数。 计算像素p的4-/8-邻接的连接数公式分别为 ; 同一图像的像素，在4-或8-邻接的情况下，该像素的连接数是不同的。像素的连接数作为二值图像局部的特征量是很有用的。按连接数Nc(p)大小可将像素分为以下几种： ⑴ 孤立点：B（p）= 1的像素p，在4-/8-邻接的情况下，当其4-/8-邻接的像素全是0时，像素p叫做孤立点。其连接数Nc(p)=0。 ⑵ 内部点：B（p）= 1的像素p，在4-/8-邻接的情况下，当其4-/8-邻接的像素全是1时，叫做内部点。内部点的连接数Nc(p)=0。 ;? ;6.距离 对于集合S中的两个元素p和q，当函数D ( p , q )满足下式的条件时，把D ( p , q )叫做p和q的距离，也称为距离函数。 计算点（i , j）和（h, k）间距离常用的方法有： ?;欧几里德距离 de[(i,j),(h,k)]=((i-h)2+(j-k)2)1/2 4-邻点距离 d4[(i,j),(h,k)]=|i-h|+|j-k| 8-邻点距离 d8[(i,j),(h,k)]=max(|i-h|,|j-k|) 8角形距离　 d0 [(i,j),(h,k)]=max{|i-h|,|j-k|,[2(|i-h|+|j-k|+1)/3]} ;8.2 二值图像连接成分的变形操作 ;8.2.2膨胀和收缩 膨胀就是把连接成分的边界扩大一层的处理。 收缩则是把连接成分的边界点去掉从而缩小一层的处理。若输出??像为g(i,j),则它们的定义式为 ;8.2.3 线图形化 1.距离变换和骨架 距离变换是求二值图像中各1像素到0像素的最短距离的处理。 在经过距离变换得到的图像中，最大值点的集合就形成骨架，即位于图像中心部分的线像素的集合，也可以看作是图形各内接圆中心的集合。 它反映了原图形的形状。给定距离和骨架就能恢复该图形，但恢复的图形不能保证原始图形的连接性。常用于图形压缩、提取图形幅宽和形状特征等。 2.细化 细化是从二值图像中提取线宽为1像素的中心线的操作。 ;3.边界跟踪 为了求得区域间的连接关系，必须沿区域的边界点跟踪像素，称之为边界（或边缘）跟踪。 边界跟踪是在图像边缘连接明确的假设下进行的。但实际上很多图像的边缘连接并不是明显的，这时可以采用浓淡图像直接跟踪边缘的方法。 直接跟踪浓淡图像边缘的时候，必须同时进行边缘检出。边缘检出算法之一，就是根据图像斜率的大小和方向跟踪边缘的像素。当边缘是直线时，这种方法比较简单。 ;8.3 形状特征提取与分析 ;2）凹凸性 3）区域的测量 4)区域的大小及形状描述量： ①面积：区域内像素的总和 ②周长：常用的有两种：一种计算方法是在区域的 边界像素中，设某像素与其上下左右像素间的距离为1，与斜方向像素间的距离为。周长就是这些像素间距离的总和。另一种计算方法将边界的像素总和作为周长。 ③圆形度： 此外，常用的特征量还有区域的幅宽、占有率和直径等 。 ;2. 区域内部变换法 区域内部变换是形状分析的经典方法，它包括求区域的各阶统计矩、投影和截口等。 1)矩法 函数f(x,y)的(p+q)阶矩定义式为 那么大小为n×m的数字图像f（i,j）的矩为 0阶矩m00是图像灰度f(i,j)的总和； 二值图像的m00表示对象物的面积；; 如果用