图像分割与特征提取.ppt

8.2.3 并行边界技术－基于边界的图像分割 步骤： 1）先用高阈值Th（检测阈值）检出图像轨迹曲线的初选点。 2）从第一行的初选点开始用较低阈值Tl（跟踪阈值）对初选点的下三个点进行判断。在阈值范围之内的接收，反之去除。 3）对应于某个检出点，如果下一行无可接收的对象，则这条曲线跟踪即可结束。 第30页，共72页。 8.2.3 并行边界技术－基于边界的图像分割 步骤： 4）对应于某个检出点，如果下一行有多个可接收的对象，则这条曲线发生分支。跟踪对各个分支同时进行。 5）对于不在第一行的其他初选出来的象素，从该点开始，重新使用跟踪阈值进行跟踪，以检出不是从第一行开始的其他曲线。 第31页，共72页。 8.2.3 并行边界技术－基于边界的图像分割 原图像 用阈值T＝7处理的结果 9 0 0 0 8 0 0 0 4 7 1 2 5 3 3 2 2 2 8 0 1 7 2 1 0 5 3 2 6 0 0 9 8 7 0 1 7 1 6 0 2 1 1 1 8 0 7 0 3 2 6 5 9 2 1 8 4 1 0 7 3 0 3 1 9 8 7 8 7 9 8 7 7 8 7 9 8 7 第32页，共72页。 8.2.3 并行边界技术－基于边界的图像分割 用阈值T＝4处理的结果 用检测阈值Th＝7和跟踪阈值 Tl＝4处理的结果 9 8 7 5 8 7 5 6 9 8 7 7 6 8 7 6 5 9 8 4 7 9 0 0 0 8 0 0 0 0 7 1 2 5 3 3 2 2 2 8 0 1 7 2 1 0 5 3 2 6 0 0 9 8 7 0 1 7 1 6 0 2 1 1 1 8 0 7 0 3 2 6 5 9 2 1 8 4 1 0 7 0 1 3 1 第33页，共72页。 8.2.3 并行边界技术－基于边界的图像分割 检测与跟踪时的准则不一定是灰度，也可以是梯度等反映局部性质的量。 光栅顺序跟踪跟光扫描方向有关，最好用其他方向再跟踪一次，例如逆序向上，两种方法综合起来能得到更好的效果。 若边缘和扫描方向平行时效果不好，最好在垂直方向跟踪一次。 第34页，共72页。 8.2.3 并行边界技术－基于边界的图像分割 三、 HOUGH变换 HOUGH变换是利用图像全局特性而将边缘象素连接起来组成区域封闭边界的一种方法。在预先知道区域形状的情况下，用哈夫变换可以很方便的得到边界曲线而将不连续的边缘象素点连接起来。哈夫变换的主要优点：受噪声和曲线间断的影响较小。利用哈夫变换可以检测图像中某些符合参数模型的主导特征，如直线、圆、椭圆等，可以通过对其参数进行聚类的方法，抽取相应的特征。适用于二值图像。 第35页，共72页。 8.2.3 并行边界技术－基于边界的图像分割 哈夫变换的基本思想是：点――线对偶性。在图像空间XY中，所有过点的直线满足直线方程： p为斜率，q为截距 所以： 可以认为该式是参数空间PQ中过点(p,q)的一条直线。 Y X 0 Q P 这条直线上所有点的p，q相同 第36页，共72页。 8.2.3 并行边界技术－基于边界的图像分割 显然，XY空间中的共线的点对应PQ空间中一组相交的线，这组线的交点就是p，q。反过来，在参数空间相交于同一个点的所有直线在图像空间中都有共线的点与之对应。这就是点―线对偶性。哈夫变换就是根据这些关系把图像空间中的检测问题转换到了参数空间中，通过在参数空间中进行简单的累加统计完成检测任务。 第37页，共72页。 8.2.3 并行边界技术－基于边界的图像分割 具体实现时，考虑p、q的可能取值范围，从大到小进行累加。 1) 初始化A(p,q)=0 2) 对XY空间中的每一点，P取遍所有可能值 3）算出对应的q，给A(p,q)单元加1 4）根据maxA(p,q)，求出直线 第38页，共72页。 8.2.3 并行边界技术－基于边界的图像分割 问题：p、q的取值较大时，计算量增加，可以采用极坐标系形式。 直线在极坐标系下具有如下的参数方程形式： 这条直线在极坐标下表示为一个点 第39页，共72页。 8.2.3 并行边界技术－基于边界的图像分割 第40页，共72页。 8.3 图像的特征 图像特征是图像的重要属性，它一般应具备4个特点：可区分性、可靠性、独立性、数量少 图像的特征主要有： 1) 颜色（灰度）特征 2) 形状特