數(shù)字圖象處理-第8章圖像分析.ppt

第 8 章 圖 像 分 析,8.1 分割 (segmentation),分割的目的是把圖像空間分成一些有意義的區(qū)域。 分割的依據(jù)可建立在相似性和非連續(xù)性兩個(gè)基本概念之上。,8.1.1 灰度閾值法分割,假如有如下形狀的直方圖,圖 81 圖像 的直方圖,第一，對(duì) 的每一行進(jìn)行檢測(cè)，產(chǎn)生的圖像的灰度將遵循如下規(guī)則,(81),式中 是指定的邊緣灰度級(jí)， 是背景灰度級(jí)。,第二，對(duì) 的每一列進(jìn)行檢測(cè)，產(chǎn)生的圖像的灰度將遵循下述規(guī)則,(82),為了得到邊緣圖像，可采用下述關(guān)系,（83）,(84),(85),(86),在數(shù)字圖像處理中，樣板是為了檢測(cè)某些不變區(qū)域特性而設(shè)計(jì)的陣列。樣板可根據(jù)檢測(cè)目的不同而分為點(diǎn)樣板、線樣板、梯度樣板、正交樣板等等。,8.1.2 樣板匹配,圖82 點(diǎn)樣板,假定小 塊 之 間 的 距 離 大 于 ，這里 、 分別是在x和y方向的取樣距離。,1）、點(diǎn)樣板,圖83 線樣板,圖85 梯度樣板,1）、確定區(qū)域的數(shù)目； 2）、要確定一個(gè)區(qū)域與其他區(qū)域相區(qū)別的特征； 3）、確定一個(gè)產(chǎn)生有意義分割的相似性判據(jù)。,8.1.3 區(qū)域生長(zhǎng),相似性的測(cè)度可以由所確定的閾值來(lái)判定。它的方法是從滿足檢測(cè)準(zhǔn)則的點(diǎn)開始，在各個(gè)方向上生長(zhǎng)區(qū)域。當(dāng)其鄰近點(diǎn)滿足檢測(cè)準(zhǔn)則就并入小塊區(qū)域中，當(dāng)新的點(diǎn)被合并后再用新的區(qū)域重復(fù)這一過(guò)程，直到?jīng)]有可接受的鄰近點(diǎn)時(shí)，生成過(guò)程終止。,圖89 區(qū)域生長(zhǎng)簡(jiǎn)例,它要求聚合中的各個(gè)點(diǎn)必須在平面上相鄰接而且特性相似。區(qū)域聚合的步驟是首先檢查圖像的測(cè)度集，以確定在測(cè)度空間中聚合的位置和數(shù)目，然后把這些聚合的定義用于圖像，以得到區(qū)域聚合。,8.1.4 區(qū)域聚合,8.2 描繪,當(dāng)一幅圖像被分割或確定之后，通常希望用一系列符號(hào)或某種規(guī)則來(lái)具體的描述該圖像的特征，以便在進(jìn)一步的識(shí)別、分析或分類中有利于區(qū)分不同性質(zhì)的圖像。同時(shí)，也可以減少圖像區(qū)域中的原始數(shù)據(jù)量。,描繪子（descriptor)： 把表征圖像特征的一系列符號(hào)叫做描繪子。 對(duì)描繪子的基本要求： 對(duì)圖像的大小、旋轉(zhuǎn)、平移等變化不敏感。也就是說(shuō)，只要圖像內(nèi)容不變，僅僅產(chǎn)生幾何變化，描繪圖像的描繪子將是唯一的。,傅立葉描繪子(Fourier descriptor),當(dāng)一個(gè)區(qū)域邊界上的點(diǎn)已被確定時(shí)，可以從這些點(diǎn)中提取信息。這些信息就可以用來(lái)鑒別不同區(qū)域的形狀。,8.2.1 區(qū)域描繪,圖814 采用傅立葉描繪子得到的外形,矩描繪子,設(shè) 是一個(gè)二維函數(shù)，可用下式來(lái)表示 階矩,(848),式中 =0,1,2。,中心矩由下式表示,(849),式中,拓?fù)涿枥L子,拓?fù)鋵W(xué)是研究圖形性質(zhì)的理論。拓?fù)涮匦钥捎糜诿枥L圖像平面區(qū)域。,如果圖像已經(jīng)被分割為區(qū)域或部分，則圖像描繪的下一步任務(wù)就是如何把這些元素組織成為有意義的關(guān)系結(jié)構(gòu)。結(jié)構(gòu)描繪一般是以文法概念為基礎(chǔ)的。,8.2.2 關(guān)系描繪,形式語(yǔ)言理論主要研究文法及其性質(zhì)。串文法（或叫簡(jiǎn)單文法）是四元的，即,其中： 為非終端符集合（變量）； 為終端符的集合（常量）； 為產(chǎn)生式或重寫規(guī)則集合； 為起始符或根符號(hào)。 假定 屬于集合 ，并且 和 是不相交的集合，字母 是 和 的合集。,（）無(wú)約束文法,（）上下文有關(guān)的文法,（）上下文無(wú)關(guān)的文法,（）正則文法,文法的類型,例：無(wú)約束文法,所以有,圖像描繪的另外一種途徑可借助于與已知描繪子的相似程度來(lái)進(jìn)行，這種方法可以在任何復(fù)雜的程度上建立相應(yīng)的相似性測(cè)度。它可以比較兩個(gè)簡(jiǎn)單的像素，也可以比較兩個(gè)或兩個(gè)以上的景物。,8.2.3 相似性描繪,1、距離測(cè)度,前面研究過(guò)的某些方法可以用來(lái)做為兩幅圖像區(qū)域之間進(jìn)行比較的準(zhǔn)則。例如，以矩做為描繪子，假如兩個(gè)區(qū)域的矩分別為 和 。把它們寫成向量式如下：,（870）,此時(shí)， 和 之間的距離可定義如下：,（871）,采用距離這一測(cè)度可以測(cè)量?jī)蓚€(gè)描繪子之間的相似性。,2、相關(guān)性,（873）,其中,3、結(jié)構(gòu)相似性,8.3 紋理分析,對(duì)紋理圖像很難下一個(gè)確切的定義。類似于布紋、草地、磚砌地面等重復(fù)性結(jié)構(gòu)的圖像稱為紋理圖像。一般來(lái)說(shuō)紋理圖像中灰度分布具有某種周期性，即便灰度變化是隨機(jī)的，它也具有一定的統(tǒng)計(jì)特性。,8.4 圖像配準(zhǔn) 即多幅圖像的對(duì)準(zhǔn)問(wèn)題 主要配準(zhǔn)方法： 基于點(diǎn)的配準(zhǔn)方法 基于表面的配準(zhǔn)方法 基于像素的配準(zhǔn)方法,