值图像处理与形状分析.ppt

细线化--Hilditch方法1、光栅行扫描到某1-值像素，当满足一下6条件时，把B(p0)置换成-1，（1）B(p0)=1（2）p0是边界像素，4邻域有0值像素点（3）不是端点，8邻域的像素和大于等于2（4）不是孤立点（5）连接数为1（6）线宽为2的线段，消除单向条件，邻域8像素B(pi)不存在等于-1的像素,或者若存在，B(pi)=-1，使B(pi)=0，重新计算当前像素的连接数，如连接数不等于1，不能删除。2、对于B(pi,j)=-1的全部像素,置0，返回第一步运行，直到B(pi,j)=-1不存在，结束为了求得区域间的连接关系，沿区域的边界点跟踪像素，称之为边界（或边缘）跟踪。01边界跟踪是在图像边缘连接明确的假设下进行的。实际上很多图像的边缘连接并不明显，可以在浓淡图像直接跟踪边缘。02直接跟踪浓淡图像边缘的时候，须同时进行边缘检出。033边界跟踪二值图像连接成分的变形操作STEP1STEP2STEP3STEP4根据光栅扫描发现像素从0变为1的像素p0时，p0作为边界的起点，存储它的坐标值(i,j);从像素(i,j-1)开始反时针方向在像素(i,j)的8-邻域寻找1像素，当第一次出现的1像素记为pk(k=1)，存储它的坐标值同上，反时针方向从pk-1以前的像素开始在pk的8-邻域内寻找1像素，把最新发现的1像素记为pk+1，存储它的坐标值当pk=p0时而且pk+1=p1时，跟踪结束。在其他情况下，把k+1当k，返回第三步，反复处理3边界跟踪算法二值图像连接成分的变形操作第七讲二值图像处理与形状分析刘春国河南理工大学测绘与国土信息工程学院8.1二值图像的连接性和距离二值图像的连接性和距离在二值图像特征分析中最基础概念是二值图像的连接性（连通性）和距离邻域和邻接对于任意像素(i，j)，把像素的集合{(j+p，j+q)}(p,q是一对适当的整数)叫做像素(i，j)的邻域。直观上看，这是像素(i，j)附近的像素形成的区域。最经常采用的是4-邻域和8-邻域。①4-邻域与4-邻接：互为4-邻域的两像素叫4-邻接②8-邻域与8-邻接：互为8-邻域的两像素叫8-邻接二值图像的连接性和距离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。二值图像的连接性和距离连接成分在二值图像中，把互相连接的像素的集合汇集为一组，于是具有若干个0值的像素(0像素)和具有若干个1值的像素(1像素)的组就产生了。把这些组叫做连接成分。图8.1.4连接性矛盾示意图图8.1.5连接成分孔：在0-像素的连接成分中，如果存在和像素外围的1行或1列的0-像素不相连接的成分，称之为孔单重连接成分：不包含孔的1-像素连接成分多重连接成分：包含孔的1-像素连接成分如果把1-像素看成8-连接，那么0-像素就必须用4-连接。0-像素和1-像素必须采用互反的连接方式欧拉数E=C-H(8.1-1)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。若用E表示图像的欧拉数，则对于一个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。二值图像的连接性和距离与背景相连的像素称为境界像素为了记录图形形状，对邻接的境界像素一个接一个地进行跟踪处理，叫境界追踪。进行包括孔的所有的境界线追踪时，通过某个1-像素的次数，叫做该像素的连接数。像素的连接数可以通过考察以该像素为中心的3×3像素区域获取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。12345像素连接数二值图像的连接性和距离计算像素p的4-/8-邻接的连接数公式分别为pp1p3p4p2p0p5p7p6二值图像的连接性和距离同一图像的像素，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