《數(shù)字圖象處理-第8章圖像分析.ppt》由會員分享，可在線閱讀，更多相關《數(shù)字圖象處理-第8章圖像分析.ppt（33頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、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 的每一行進行檢測，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， 是背景灰度級。,第二，對 的每一列進行檢測，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，可采用下述關系,（83）,(84),(85),(86),在數(shù)字圖像處理中，樣板是為了檢測某些不變區(qū)域特性而設計的陣列。樣板可根據(jù)檢測

2、目的不同而分為點樣板、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）、要確定一個區(qū)域與其他區(qū)域相區(qū)別的特征； 3）、確定一個產(chǎn)生有意義分割的相似性判據(jù)。,8.1.3 區(qū)域生長,相似性的測度可以由所確定的閾值來判定。它的方法是從滿足檢測準則的點開始，在各個方向上生長區(qū)域。當其鄰近點滿足檢測準則就并入小塊區(qū)域中，當新的點被合并后再用新的區(qū)域重復這一過程，直到?jīng)]有可接受的鄰近點時，生成過程終止。,圖

3、89 區(qū)域生長簡例,它要求聚合中的各個點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度集，以確定在測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,,當一幅圖像被分割或確定之后，通常希望用一系列符號或某種規(guī)則來具體的描述該圖像的特征，以便在進一步的識別、分析或分類中有利于區(qū)分不同性質的圖像。同時，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叫做描繪子。 對描繪子的基本要求： 對圖像的大小、旋轉、平移等變化不敏感。也就是說，只要圖像內(nèi)容不變，僅僅產(chǎn)生幾何變化，描

4、繪圖像的描繪子將是唯一的。,傅立葉描繪子(Fourier descriptor),當一個區(qū)域邊界上的點已被確定時，可以從這些點中提取信息。這些信息就可以用來鑒別不同區(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 是一個二維函數(shù)，可用下式來表示 階矩,(848),式中 =0,1,2。,中心矩由下式表示,(849),式中,拓撲描繪子,拓撲學是研究圖形性質的理論。拓撲特性可用于描繪圖像平面區(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就是如何把這些元素組織成為有意義的關系結構。結構描繪一般是以文法概念為基礎的。,8.2.2 關系描

5、繪,形式語言理論主要研究文法及其性質。串文法（或叫簡單文法）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。 假定 屬于集合 ，并且 和 是不相交的集合，字母 是 和 的合集。,（）無約束文法,（）上下文有關的文法,（）上下文無關的文法,（）正則文法,文法的類型,例：無約束文法,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進行，這種方法可以在任何復雜的程度上建立相應的相似性測度。它可以比較兩個簡單的像素，也可以比較兩個或兩個以上的景物。,8.2.3 相似性描繪,1、距離測度,前面研究過的某些方法可以用來做為兩幅圖像區(qū)域之間進行比較的準則。例如，以矩做為描繪子，假如兩個區(qū)域的矩分別為 和 。把它們寫成向量式如下：,（870）,此時， 和 之間的距離可定義如下：,（871）,采用距離這一測度可以測量兩個描繪子之間的相似性。,2、相關性,（873）,其中,3、結構相似性,8.3 紋理分析,對紋理圖像很難下一個確切的定義。類似于布紋、草地、磚砌地面等重復性結構的圖像稱為紋理圖像。一般來說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的，它也具有一定的統(tǒng)計特性。,8.4 圖像配準 即多幅圖像的對準問題 主要配準方法： 基于點的配準方法 基于表面的配準方法 基于像素的配準方法,