【教学课件】第七章图像分割与边缘检测.ppt

《【教学课件】第七章图像分割与边缘检测.ppt》由会员分享，可在线阅读，更多相关《【教学课件】第七章图像分割与边缘检测.ppt（97页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第七章 图像分割与边缘检测 数字图像处理第七章第七章 图像分割与边缘检测图像分割与边缘检测 第七章 图像分割与边缘检测 7.1 图像分割图像分割 7.2 边缘检测边缘检测 7.3 轮廓跟踪与提取轮廓跟踪与提取 7.4 图像匹配图像匹配 7.5 投影法与差影法投影法与差影法 7.6 应用实例应用实例 本本章章内内容容第七章 图像分割与边缘检测 7.1 图图 像像 分分 割割 7.1.1 概述概述 图图像像分分割割是是将将图图像像划划分分成成若若干干个个互互不不相相交交的的小小区区域域的的过过程程，小小区区域域是是某某种种意意义义下下具具有有共共同同属属性性的的像像素素的的连通连通集合。集合。如如

2、不不同同目目标标物物体体所所占占的的图图像像区区域域、前前景景所所占占的的图图像区域等。像区域等。第七章 图像分割与边缘检测 图图7-1 4连通和连通和8连通连通 连通连通是指集合中任意两个点之间都存在着完全属于是指集合中任意两个点之间都存在着完全属于该集合的连通路径。对于离散图像而言，连通有该集合的连通路径。对于离散图像而言，连通有4连通连通和和8连通之分，如图连通之分，如图7-1所示。所示。第七章 图像分割与边缘检测 4连连通通指指的的是是从从区区域域上上一一点点出出发发，可可通通过过4个个方方向向，即即上上、下下、左左、右右移移动动的的组组合合，在在不不越越出出区区域域的的前前提提下，到

3、达区域内的任意像素；下，到达区域内的任意像素；8连连通通指指的的是是从从区区域域上上一一点点出出发发，可可通通过过左左、右右、上上、下下、左左上上、右右上上、左左下下、右右下下这这8个个方方向向的的移移动动组组合来到达区域内的任意像素。合来到达区域内的任意像素。第七章 图像分割与边缘检测 图像分割有三种不同的途径：图像分割有三种不同的途径：其其一一是是将将各各像像素素划划归归到到相相应应物物体体或或区区域域的的像像素素聚聚类方法类方法,即区域法；即区域法；其其二二是是通通过过直直接接确确定定区区域域间间的的边边界界来来实实现现分分割割的的边界法；边界法；其其三三是是首首先先检检测测边边缘缘像像

4、素素，再再将将边边缘缘像像素素连连接接起起来构成边界形成分割。来构成边界形成分割。在在图图像像分分割割技技术术中中，最最常常用用的的是是利利用用阈阈值值化化处处理理进行的图像分割。进行的图像分割。第七章 图像分割与边缘检测 7.1.2 灰度阈值法分割灰度阈值法分割 常常用用的的图图像像分分割割方方法法是是把把图图像像灰灰度度分分成成不不同同的的等等级级，然然后后用用设设置置灰灰度度门门限限（阈阈值值）的的方方法法确确定定有有意意义义的的区区域域或或分分割割物物体体的的边边界界。常常用用的的阈阈值值化化处处理理就就是是图图像的二值化处理，用于图像分割及边缘跟踪等预处理。像的二值化处理，用于图像分

5、割及边缘跟踪等预处理。图像阈值化处理的变换函数表达式为图像阈值化处理的变换函数表达式为(7-1)第七章 图像分割与边缘检测 图图7-2 阈值变换曲线阈值变换曲线 第七章 图像分割与边缘检测 在在图图像像的的阈阈值值化化处处理理过过程程中中，选选用用不不同同的的阈阈值值其其处处理结果差异很大。理结果差异很大。阈值过大，阈值过大，会提取多余的部分；会提取多余的部分；而阈值过小，又会丢失所需的部分而阈值过小，又会丢失所需的部分（注意注意：当前背景为黑色，当前背景为黑色，对象为白色时刚好相反）对象为白色时刚好相反）因此，阈值的选取非常重要。因此，阈值的选取非常重要。第七章 图像分割与边缘检测 图图7-

6、3 不同阈值对阈值化结果的影响不同阈值对阈值化结果的影响(a)原始图像；原始图像；(b)阈值阈值T=91；(c)阈值阈值T=130；(d)阈值阈值T=43(a)(b)(c)(d)第七章 图像分割与边缘检测 图图7-3(a)原始图像的直方图如图原始图像的直方图如图7-4所示。所示。分分析析该该直直方方图图可可知知，该该直直方方图图具具有有双双峰峰特特性性，图图像像中中的的目目标标（细细胞胞）分分布布在在较较暗暗的的灰灰度度级级上上形形成成一一个个波波峰峰，图图像像中中的的背背景景分分布布在在较较亮亮的的灰灰度度级级上上形形成成另另一个波峰。一个波峰。此此时时，用用其其双双峰峰之之间间的的谷谷低低

7、处处灰灰度度值值作作为为阈阈值值T进行图像的阈值化处理，便可将目标和背景分割开来。进行图像的阈值化处理，便可将目标和背景分割开来。第七章 图像分割与边缘检测 图图7-4 图图7-3(a)所示图像的直方图所示图像的直方图 第七章 图像分割与边缘检测 1.判别分析法确定最佳阈值判别分析法确定最佳阈值 判判别别分分析析法法确确定定最最佳佳阈阈值值的的准准则则，是是使使进进行行阈阈值值处处理理后后分分离离的的像像素素类类之之间间的的类类间间方方差差最最大大。判判别别分分析析法法只只需需计计算算直直方方图图的的0阶阶矩矩和和1阶阶矩矩，是是图图像像阈阈值值化化处处理理中中常常用用的的自自动动确确定定阈阈

8、值值的的方法。方法。设设图图像像总总像像素素数数为为N，灰灰度度值值为为i的的像像素素数数为为Ni，则则至至灰灰度度级级K的灰度分布的的灰度分布的0阶矩及阶矩及1阶矩分别定义为阶矩分别定义为 0阶矩：阶矩：(7-2)第七章 图像分割与边缘检测 1阶矩：阶矩：(7-3)当当K=L-1时时，(L-1)=1；(L-1)T，T称称为为图图像像的的平平均均灰灰度。度。设有设有M-1个阈值：个阈值：0k1k2KM-1L-1。将图像分割成将图像分割成M个灰度值的类个灰度值的类Cj（Cjkj-1+1,kj;j=1,2,M;k0=0,kM=L），则各类），则各类Cj的发生概率的发生概率j和平均值和平均值j为为(

9、7-4)(7-5)式中式中,(0)=0，(0)=0。第七章 图像分割与边缘检测 由此可得各类的类间方差为由此可得各类的类间方差为 将将使使上上式式的的2值值为为最最大大的的阈阈值值组组(k1,k2，,kM1)，作作为为M值值化化的的最最佳佳阈阈值值组组。若若取取M为为2，即即分分割割成成2类，则可用上述方法求出二值化的阈值。类，则可用上述方法求出二值化的阈值。(7-6)第七章 图像分割与边缘检测 2.p尾法确定阈值尾法确定阈值 p尾尾法法仅仅适适用用于于事事先先已已知知目目标标所所占占全全图图像像百百分分比比的场合。的场合。若若一一幅幅图图像像由由亮亮背背景景和和黑黑目目标标组组成成，已已知知

10、目目标标占占图图像像的的(100p)%面面积积，则则使使得得至至少少(100p)%的的像像素素阈阈值值化化后后匹匹配配为为目目标标的的最最高高灰灰度度，将将选选作作用用于于二二值值化化处理的阈值。处理的阈值。第七章 图像分割与边缘检测 7.1.3 区域生长区域生长 分分割割的的目目的的是是把把一一幅幅图图像像划划分分成成一一些些区区域域，最最直直接接的的方方法法就就是是把把一一幅幅图图像像分分成成满满足足某某种种判判据据的的区区域域，也也就就是说，是说，把点组成区域。把点组成区域。为为了了实实现现分分组组，首首先先要要确确定定区区域域的的数数目目，其其次次要要确确定定一一个个区区域域与与其其他

11、他区区域域相相区区别别的的特特征征，最最后后还还要要产产生生有有意义分割的相似性判据。意义分割的相似性判据。第七章 图像分割与边缘检测 分割区域的一种方法叫区域生长或区域生成。分割区域的一种方法叫区域生长或区域生成。假假定定区区域域的的数数目目以以及及在在每每个个区区域域中中单单个个点点的的位位置置已已知知，则则从从一一个个已已知知点点开开始始，加加上上与与已已知知点点相相似似的的邻邻近近点点形形成成一一个个区区域域。相相似似性性准准则则可可以以是是灰灰度度级级、彩彩色色、组组织织、梯梯度度或或其其他他特特性性，相相似似性性的的测测度度可可以以由由所所确确定定的的阈阈值值来来判判定定。方方法法

12、是是从从满满足足检检测测准准则则的的点点开开始始，在在各各个个方方向向上上生生长长区区域域，当当其其邻邻近近点点满满足足检检测测准准则则就就并并入入小小块块区区域域中中。当当新新的的点点被被合合并并后后再再用用新新的的区区域域重重复复这一过程，这一过程，直到没有可接受的邻近点时生成过程终止。直到没有可接受的邻近点时生成过程终止。第七章 图像分割与边缘检测 图图7-5给给出出一一个个简简单单的的例例子子。此此例例的的相相似似性性准准则则是是邻邻近近点点的的灰灰度度级级与与物物体体的的平平均均灰灰度度级级的的差差小小于于2。图图中中被被接接受受的的点点和和起起始始点点均均用用下下划划线线标标出出，

13、其其中中（a）图图是是输输入入图图像像;（b）图图是是第第一一步步接接受受的的邻邻近近点点;（c）图图是是第第二步接受的邻近点二步接受的邻近点;（d）图是从）图是从6开始生成的结果。开始生成的结果。第七章 图像分割与边缘检测 图图7-5 区域生长示例区域生长示例 第七章 图像分割与边缘检测 当当生生成成任任意意物物体体时时，接接收收准准则则可可以以结结构构为为基基础础，而而不不是是以以灰灰度度级级或或对对比比度度为为基基础础。为为了了把把候候选选的的小小群群点点包包含含在在物物体体中中，可可以以检检测测这这些些小小群群点点，而而不不是是检检测测单单个个点点，如如果果它它们们的的结结构构与与物物

14、体体的的结结构构足足够够相相似似时时就就接接受它们。受它们。第七章 图像分割与边缘检测 7.2 边边 缘缘 检检 测测 在在Marr的的视视觉觉计计算算理理论论框框架架中中，抽抽取取二二维维图图像像上上的的边边缘缘、角角点点、纹纹理理等等基基本本特特征征，是是整整个个系系统统框框架架中中的的第第一一步步。这这些些特特征征所组成的图称为所组成的图称为基元图基元图。Yuille等等指指出出，在在不不同同“尺尺度度”意意义义下下的的边边缘缘点点，在在一一定定条条件下包含了原图像的全部信息。件下包含了原图像的全部信息。图图7-7画画出出了了一一幅幅图图像像中中的的边边缘缘点点，仅仅仅仅根根据据这这些些

15、边边缘缘点点，就能识别出三维物体，就能识别出三维物体，可见边缘点确实包含了图像中的大量信息。可见边缘点确实包含了图像中的大量信息。第七章 图像分割与边缘检测 图图7-7 图像中的边缘点图像中的边缘点 第七章 图像分割与边缘检测 （1）空空间间曲曲面面上上的的不不连连续续点点。如如标标为为A的的边边缘缘线线，这这些些边边缘缘线线为为两两个个不不同同曲曲面面的的或或平平面面的的交交线线，该该点点处处物物体体表表面面的的法法线线方方向向不不连连续续，在在A类类边边缘缘线线的的两两边边，图图像的灰度值有明显的不同。像的灰度值有明显的不同。（2）B类类边边缘缘线线。B类类边边缘缘线线是是由由不不同同材材

16、料料或或相相同同材材料料不不同同颜颜色色产产生生的的。图图中中桌桌面面由由两两种种不不同同材材料料组组成成，由由于于它它们们对对光光的的反反射射系系数数不不同同，使使B边边缘缘线线的的两两侧侧灰灰度度有明显不同。有明显不同。第七章 图像分割与边缘检测 （3）C类类边边缘缘线线。C类类边边缘缘线线是是物物体体与与背背景景的的分分界界线线。图图中中圆圆柱柱上上有有两两条条C类类边边缘缘线线，这这类类边边缘缘线线一一般般称称为为外外轮轮廓廓线线。在在C类类边边缘缘点点上上，三三维维物物体体表表面面的的法法线线方方向向是是连连续续的的，出出现现边边缘缘点点是是由由于于从从一一定定视视角角看看物物体体时

17、时，C类类边边界界点点是是物物体体与与背背景景的的交交界界处处。由由于于物物体体与与背背景景在在光光照照条条件件与与材材料料反反射射系系数数等等方方面面差差异异很很大大，因因此此在在C类类边边缘缘两两侧侧，图图像像的的灰灰度度也也有有很很大大差差异异。图图中中标标以以C的的边边缘缘，即即是是物物体体与与背背景景的的交交界界处处，也也是是物物体体上上表表面面法法线线的的不不连连续续处处，但引起它两侧灰度跃变的原因是前者。但引起它两侧灰度跃变的原因是前者。（4）D边边缘缘。D是是阴阴影影引引起起的的边边缘缘。由由于于物物体体表表面面某某一一部部分分被被另另一一物物体体遮遮挡挡，使使它它得得不不到到

18、光光源源的的照照射射，从从而而引引起起边边缘缘点点两两侧侧灰度值有较大的差异。灰度值有较大的差异。第七章 图像分割与边缘检测 7.2.1 边缘检测与微分运算边缘检测与微分运算 边边缘缘点点是是信信号号“变变化化剧剧烈烈”的的地地方方，但但这这么么说说并并不不准准确确，需需要要定定义义一一个个准准确确的的边边缘缘数数学学模模型型。以以一一维维信信号号为为例例，图图7-8（a）是是一一种种阶阶跃跃信信号号，我我们们当当然然认认为为A点点处处为为边边缘缘点点。在在实实际际情情况况中中，物物理理信信号号不不可可能能有有理理想想的的突突变变，而而是是如如图图7-8（b）所所示示的的逐逐渐渐增增大大的的信

19、信号号，对对图图7-8（b）中中所所示示A、B、C三三点点，一一般般称称B点点为为边边缘缘点点。在在图图7-8（c）和和7-8（d）中中，如如果果台台阶阶比比较较窄窄，即即可可以以认认为为B点点为为边边缘缘点点，也也可可以以认认为为该该信信号号有有两两个个边边缘缘点点A与与C。第七章 图像分割与边缘检测 图图7-8 不同的边缘信号不同的边缘信号 第七章 图像分割与边缘检测 图图7-9 图像中不同类型的边界图像中不同类型的边界（a）边界；边界；（b）线；线；（c）折线变化；折线变化；（d）缓慢的平滑变化缓慢的平滑变化(a)(b)(d)(c)第七章 图像分割与边缘检测 图图7-10 用用Prewi

20、tt算子进行边缘检测的结果算子进行边缘检测的结果 第七章 图像分割与边缘检测 7.2.2 高斯高斯-拉普拉斯拉普拉斯(LOG)算子算子 噪噪声声点点对对边边缘缘检检测测有有较较大大的的影影响响，效效果果更更好好的的边边缘缘检检测测器器是是高高斯斯-拉拉普普拉拉斯斯(LOG)算算子子。它它把把高高斯斯平平滑滑滤滤波波器器和和拉拉普普拉拉斯斯锐锐化化滤滤波器结合起来，先平滑掉噪声，再进行边缘检测，所以效果更好。波器结合起来，先平滑掉噪声，再进行边缘检测，所以效果更好。常用的常用的LOG算子是算子是55的模板：的模板：第七章 图像分割与边缘检测 图图7-11 LOG算子中心点的距离与位置加权系数的关

21、系算子中心点的距离与位置加权系数的关系第七章 图像分割与边缘检测 若若将将图图7-11绕绕y轴轴作作旋旋转转一一周周后后，LOG算算子子很很像像一一顶顶墨墨西西哥哥草草帽帽，所所以以，LOG又又叫叫墨墨西西哥哥草草帽帽滤滤波波器器。在在图图像像边边缘缘检检测测中中，还还有有Wallis算算子子、过过零零点点检检测测（Marr-Hildreth算算子子）、Canny边边缘缘检检测测方方法法、SUSAN（Smallest Univalue Segment Assimilating Nucleus）边缘检测等。）边缘检测等。第七章 图像分割与边缘检测 7.3 轮廓跟踪与提取轮廓跟踪与提取7.3.1

22、轮廓跟踪轮廓跟踪 在在识识别别图图像像中中的的目目标标时时，往往往往需需要要对对目目标标边边缘缘作作跟跟踪踪处处理理，也叫轮廓跟踪。也叫轮廓跟踪。轮轮廓廓跟跟踪踪就就是是通通过过顺顺序序找找出出边边缘缘点点来来跟跟踪踪边边界界的的。若若图图像像是是二二值值图图像像或或图图像像中中不不同同区区域域具具有有不不同同的的像像素素值值，但但每每个个区区域域内内的的像像素素值值是是相相同同的的，则则如如下下算算法法可可完完成成基基于于4连连通通或或8连连通通区区域域的的轮轮廓跟踪。廓跟踪。第七章 图像分割与边缘检测 步步骤骤1：首首先先按按从从上上到到下下,从从左左到到右右的的顺顺序序扫扫描描图图像像，

23、寻寻找找没没有有标标记记跟跟踪踪结结束束记记号号的的第第一一个个边边界界起起始始点点A0，A0是是具具有有最最小小行行和和列列值值的的边边界界点点。定定义义一一个个扫扫描描方方向向变变量量dir,该该变变量量用用于于记记录录上上一一步步中中沿沿着着前前一一个个边边界界点点到到当当前前边边界界点点的的移移动动方方向向，其其初初始始化取值为化取值为 (1)对对4连通区域取连通区域取dir=3，如图如图7-12(a)所示；所示；(2)对对8连通区域取连通区域取dir=7，如图如图7-12(b)所示。所示。第七章 图像分割与边缘检测 图图7-12 方向变量的初始化方向变量的初始化 第七章 图像分割与边

24、缘检测 步步骤骤2：按按逆逆时时针针方方向向搜搜索索当当前前像像素素的的33邻邻域域，其其起起始始搜搜索方向设定如下：索方向设定如下：(1)对对4连通区域取连通区域取(dir+3)mod 4，如图，如图7-13(a)所示；所示；(2)对对8连通区域，连通区域，若若dir为偶数取为偶数取(dir+6)mod 8，如图，如图7-13(b)所示；所示；若若dir为奇数取为奇数取(dir+7)mod 8，如图，如图7-13(c)所示。所示。第七章 图像分割与边缘检测 图图7-13 33邻域起始搜索方向邻域起始搜索方向 第七章 图像分割与边缘检测 在在33邻邻域域中中搜搜索索到到的的第第一一个个与与当当

25、前前像像素素值值相相同同的的像像素素便便为为新的边界点新的边界点An，同时更新变量，同时更新变量dir为新的方向值。为新的方向值。步步骤骤3：如如果果An等等于于第第二二个个边边界界点点A1且且前前一一个个边边界界点点An-1等等于于第第一一个个边边界界点点A0，则则停停止止搜搜索索，结结束束跟跟踪踪，否否则则重重复复步步骤骤2继继续搜索。续搜索。步步骤骤4：由由边边界界点点A0、A1、A2、An-2构构成成的的边边界界便便为为要要跟踪的边界。跟踪的边界。算算法法中中步步骤骤1中中所所采采用用的的准准则则称称为为“探探测测准准则则”，其其作作用用是是找找出出第第一一个个边边界界点点；步步骤骤3

26、中中所所采采用用的的准准则则称称为为“跟跟踪踪准准则则”，其作用是找出所有边界点。其作用是找出所有边界点。第七章 图像分割与边缘检测 图图7-14 轮廓跟踪示例轮廓跟踪示例第七章 图像分割与边缘检测 7.3.2 轮廓提取轮廓提取 二二值值图图像像轮轮廓廓提提取取的的算算法法非非常常简简单单，就就是是掏掏空空内内部部点点：如如果果原原图图像像中中有有一一点点为为黑黑，且且它它的的8个个邻邻点点都都是是黑黑色色时时，说说明明该该点点是是内内部部点点，将将该该点点删删除除（置置为为白白色色像像素素值值255）。对对图图像像中中所所有有像像素素点点执执行行该该操操作作便便可可完完成图像轮廓的提取。成图

27、像轮廓的提取。第七章 图像分割与边缘检测 7.4 图图 像像 匹匹 配配 7.4.1 模板匹配模板匹配 模模板板匹匹配配是是指指用用一一个个较较小小的的图图像像，即即模模板板与与源源图图像像进进行行比比较较，以以确确定定在在源源图图像像中中是是否否存存在在与与该该模模板板相相同同或或相相似似的的区区域域，若若该该区区域存在，域存在，还可确定其位置并提取该区域。还可确定其位置并提取该区域。模模板板匹匹配配常常用用的的一一种种测测度度为为模模板板与与原原图图像像对对应应区区域域的的误误差差平平方方和和。设设f(x,y)为为MN的的原原图图像像，t(j,k)为为JK(JM，KN)的的模模板板图像，则

28、误差平方和测度定义为图像，则误差平方和测度定义为（7-7）第七章 图像分割与边缘检测 将式（将式（7-7）展开可得）展开可得(7-8)第七章 图像分割与边缘检测 令令 第七章 图像分割与边缘检测 DS(x,y)称称为为原原图图像像中中与与模模板板对对应应区区域域的的能能量量，它它与与像像素素位位置置(x,y)有关，有关，但随像素位置但随像素位置(x,y)的变化，的变化，DS(x,y)变化缓慢。变化缓慢。DST(x,y)称称为为模模板板与与原原图图像像对对应应区区域域的的互互相相关关，它它随随像像素素位位置置(x,y)的的变变化化而而变变化化，当当模模板板t(j,k)和和原原图图像像中中对对应应

29、区区域域相相匹配时取得最大值。匹配时取得最大值。DT(x,y)称称为为模模板板的的能能量量，它它与与图图像像像像素素位位置置(x,y)无无关关，只用一次计算便可。只用一次计算便可。显然，用式显然，用式(7-8)计算误差平方和测度可以减少计算量。计算误差平方和测度可以减少计算量。第七章 图像分割与边缘检测 基基于于上上述述分分析析，若若设设DS(x,y)也也为为常常数数，则则用用DST(x,y)便便可可进进行行图图像像匹匹配配，当当DST(x,y)取取最最大大值值时时，便便可可认认为为模模板板与与图图像像是是匹匹配配的的。但但假假设设DS(x,y)为为常常数数会会产产生生误误差差，严严重重时时将

30、将无无法法正正确确地地完完成成匹匹配配，因因此此可可用用归归一一化化互互相相关关作作为为误误差差平平方方和和测测度度，其定义为其定义为(7-9)第七章 图像分割与边缘检测 图图7-15给给出出了了模模板板匹匹配配的的示示意意图图，其其中中假假设设原原图图像像f(x,y)和和模模板板图图像像t(k,l)的的原原点点都都在在左左上上角角。对对任任何何一一个个f(x,y)中中的的(x,y)，根据式（根据式（7-9）都可以算得一个）都可以算得一个R(x,y)值。值。当当x和和y变变化化时时，t(j,k)在在原原图图像像区区域域中中移移动动并并得得出出R(x,y)所所有有值值。R(x,y)的的最最大大值

31、值便便指指出出了了与与t(j,k)匹匹配配的的最最佳佳位位置置，若若从从该该位位置置开开始始在在原原图图像像中中取取出出与与模模板板大大小小相相同同的的一一个个区区域域，便便可可得得到匹配图像。到匹配图像。第七章 图像分割与边缘检测 图图7-15 模板匹配示意图模板匹配示意图 第七章 图像分割与边缘检测 用用归归一一化化互互相相关关求求匹匹配配的的计计算算工工作作量量非非常常大大，因因为为模模板板要要在在(MJ1)(NK1)个个参参考考位位置置上上做做相相关关计计算算，其其中中，除除最最佳佳匹匹配配点点外外，其其余余做做的的都都是是无无效效运运算算，所所以以有有必必要要对对其其进进行行改改进进

32、，以提高运算速度。以提高运算速度。常常用用的的方方法法有有序序贯贯相相似似性性检检测测算算法法、幅幅度度排排序序相相关关算算法法、FFT相关算法、分层搜索序贯判决算法等。相关算法、分层搜索序贯判决算法等。模模板板匹匹配配的的主主要要局局限限性性在在于于它它只只能能进进行行平平行行移移动动，如如原原图图像像中中要要匹匹配配的的目目标标发发生生旋旋转转或或大大小小变变化化，该该算算法法无无效效。另另外外，如如原原图像中要匹配的目标只有部分可见，该算法也无法完成匹配。图像中要匹配的目标只有部分可见，该算法也无法完成匹配。第七章 图像分割与边缘检测 模板匹配程序的核心代码如下：/*/函数名称：BOOL

33、 TemplateMatch()/基本功能：本函数对传入的CDibObject图像对象进行图像匹配运算/参数说明：CDibObject*pTemplate 模板图像数据指针/CDibObject*pDibObject 图像对象指针/返回值：BOOL 成功时返回TRUE，失败时返回FALSE/*BOOL CAreaPro:TemplateMatch(CDibObject*pTemplate,CDibObject*pDibObject)第七章 图像分割与边缘检测 /其他变量定义、获取图像数据区及开辟临时内存等代码 /循环变量 int i,j,m,n;/中间结果 double dSigmaST;do

34、uble dSigmaS;double dSigmaT;/相关性测度 double R;/最大相关性测度 double MaxR;/最大相关性出现位置 int nMaxWidth,nMaxHeight;第七章 图像分割与边缘检测/计算dSigmaT dSigmaT=0;/计算模板能量 for(n=0;n nTempHeight;n+)for(m=0;m nTempWidth;m+)pTemplateTemp=pTempBits+nTempWidthBytes*n+m;templatepixel=*pTemplateTemp;dSigmaT+=(double)templatepixel*temp

35、latepixel;第七章 图像分割与边缘检测 /找到图像中最大相关性的出现位置 MaxR=0.0;for(j=0;j nHeight-nTempHeight+1;j+)for(i=0;i nWidth-nTempWidth+1;i+)dSigmaST=0;dSigmaS=0;/计算源图像中与模板对应区域的能量及其与模板的互相关 for(n=0;n nTempHeight;n+)for(m=0;m MaxR)MaxR=R;nMaxWidth=i;nMaxHeight=j;/将最大相关性出现区域部分复制到目标图像 for(n=0;n nTempHeight;n+)第七章 图像分割与边缘检测 fo

36、r(m=0;m nTempWidth;m+)pTemplateTemp=pTempBits+nTempWidthBytes*n+m;pNewTemp=pNewBits+nWidthBytes*(n+nMaxHeight)+(m+nMaxWidth);*pNewTemp=*pTemplateTemp;/释放内存等代码 return(TRUE);第七章 图像分割与边缘检测 7.4.2 直方图匹配直方图匹配 颜颜色色是是描描述述图图像像内内容容的的一一个个重重要要特特征征。人人们们已已经经提提出了多种借助颜色特征对图像进行检索的方法。出了多种借助颜色特征对图像进行检索的方法。常用的颜色空间有常用的颜

37、色空间有R、G、B和和H、S、I。实实际际上上，利利用用H、S、I颜颜色色空空间间进进行行检检索索的的效效果果更更好一些，好一些，但以下讨论主要以但以下讨论主要以R、G、B空间为例。空间为例。为为利利用用图图像像的的颜颜色色特特征征描描述述图图像像，可可借借助助图图像像特特征的统计直方图，这便是直方图匹配。征的统计直方图，这便是直方图匹配。第七章 图像分割与边缘检测 1.直方图相交法直方图相交法 设设HQ(k)和和HD(k)分分别别为为查查询询图图像像Q和和数数据据库库图图像像D的的特特征统计直方图，则两图像之间的匹配值征统计直方图，则两图像之间的匹配值d(Q,D)为为(7-10)第七章 图像

38、分割与边缘检测 2.欧几里得距离法欧几里得距离法 为为减减少少计计算算量量，可可采采用用直直方方图图的的均均值值来来粗粗略略地地表表达达颜颜色色信信息，对图像的息，对图像的R、G、B三个分量，匹配的特征矢量三个分量，匹配的特征矢量f是是(7-11)式中式中,R、G、B分别是分别是R、G、B三个分量直方图的三个分量直方图的0阶距。阶距。此时查询图像此时查询图像Q和数据库图像和数据库图像D之间的匹配值为之间的匹配值为(7-12)第七章 图像分割与边缘检测 3.中心矩法中心矩法 对直方图来说，均值为对直方图来说，均值为0阶矩，更高阶的矩也可使用。设用阶矩，更高阶的矩也可使用。设用分分别别表表示示查查

39、询询图图像像Q的的R、G、B三三个个分分量量直直方方图图的的i(i3)阶中心矩；用阶中心矩；用 分分别别表表示示数数据据库库图图像像D的的R、G、B三三个个分分量量直直方方图图的的i(i3)阶阶中中心心矩矩，则则它它们们之之间间的的匹匹配值为配值为 式中，式中，WR，WG，WB为加权系数。为加权系数。第七章 图像分割与边缘检测 4.参考颜色法参考颜色法 欧欧几几里里得得距距离离法法太太粗粗糙糙，直直方方图图相相交交法法计计算算量量太太大大，一一种种折折衷衷的的方方法法是是将将图图像像颜颜色色用用一一组组参参考考色色表表示示，这这组组参参考考色色应应能能覆覆盖盖视视觉觉上上可可感感受受到到的的各

40、各种种颜颜色色。参参考考色色的的数数量量要要比比原原图图像像少少，这这样可计算简化的直方图，样可计算简化的直方图，所以匹配的特征矢量是所以匹配的特征矢量是f=r1,r2rNT(7-14)式式中中：ri是是第第i种种颜颜色色出出现现的的频频率率，N是是参参考考颜颜色色表表的的尺尺寸寸。加加权权后的查询图像后的查询图像Q和数据库图像和数据库图像D之间的匹配值为之间的匹配值为(7-15)第七章 图像分割与边缘检测 式中：式中：前前面面4种种方方法法中中，后后3种种主主要要是是从从减减少少计计算算量量的的角角度度对对第第1种种方方法法进进行行简简化化，但但直直方方图图相相交交法法还还有有另另外外一一个

41、个问问题题。当当图图像像中中的的特特征征并并不不能能取取遍遍所所有有的的可可取取值值时时，统统计计直直方方图图中中会会出出现现一一些些零零值值。这这些些零零值值的的出出现现会会给给直直方方图图的的相相交交带带来来影影响响，从从而而使使得得由式由式(7-10)求得的匹配值并不能正确反映两图间的颜色差别。求得的匹配值并不能正确反映两图间的颜色差别。第七章 图像分割与边缘检测 由由于于直直方方图图丢丢失失了了颜颜色色的的位位置置信信息息，因因此此两两幅幅图图像像可可能能内内容容完完全全不不同同，但但直直方方图图相相似似。所所以以，仅仅用用简简单单的的颜颜色色直直方方图图匹匹配配也也容容易易造造成成误

42、误识识别别。一一种种改改进进的的方方法法是是将将图图像像划划分分成成若若干干子子块块，分分别别对对各各子子块块进进行行匹匹配配。1991年年，A.Nagasaka和和Y.Tanaka提提出出了了一一种种将将视视频频帧帧或或图图像像分分割割成成44相相同同大大小小的的子子块块并并比比较较相相应应子子块块的的方方法法。这这种种方方法法对对两两幅幅视视频频帧帧或或图图像像的的相相应应子子块块进进行行比比较较，废废弃弃差差别别最最大大的的一一对对，其其余余的的比比较较结结果果参参与与最最后后的的识识别别。B.Shahraray也也曾曾提提出出类类似似的的方方法法：将将视视频频帧帧或或图图像像分分割割成

43、成子子块块并并进进行行块块匹匹配配，对对所所有有子子块块匹匹配配的的结结果果采采用用一一种种非非线线性性的的统统计计算算法法进进行行综综合合评评价价。由由于于子子块块的的位位置置固固定定，各各子子块块的的直直方方图图在在一一定定程程度度上上反反映映了了颜颜色色的的位位置置特特征征，因因此此子子块块划划分分与与匹匹配配的的方方法法可可以以对物体运动、摄像机运动、镜头缩放等情况有更好的适应性对物体运动、摄像机运动、镜头缩放等情况有更好的适应性。第七章 图像分割与边缘检测 5.X2直方图匹配直方图匹配X2直方图匹配的计算公式如下：直方图匹配的计算公式如下：(7-18)对于对于R、G、B图像，图像，X

44、2直方图匹配的计算公式又可以变为直方图匹配的计算公式又可以变为(7-19)第七章 图像分割与边缘检测 X2直直方方图图匹匹配配与与模模板板匹匹配配或或颜颜色色直直方方图图匹匹配配相相比比具具有有更更好好的识别率，识别镜头切换的识别率，识别镜头切换(Abrupt Scene Change)上效果良好。上效果良好。A.Nagasaka和和Y.Tanaka通通过过对对灰灰度度和和、灰灰度度模模板板匹匹配配、灰灰度度直直方方图图匹匹配配、彩彩色色模模板板匹匹配配、颜颜色色直直方方图图匹匹配配和和X2直直方方图图匹匹配配六六种种匹匹配配方方法法进进行行了了实实验验比比较较。结结果果表表明明，采采用用图图

45、像像分分块块加加上上X2直直方方图图匹匹配配在在镜镜头头切切换换识识别别上上具具有有很很好好的的效效果果，但但对对镜镜头头渐变识别效果不好。渐变识别效果不好。第七章 图像分割与边缘检测 7.4.3 形状匹配形状匹配 形形状状也也是是描描述述图图像像内内容容的的一一个个重重要要特特征征，形形状状常常与与目目标标联联系系在在一一起起，所所以以相相对对于于颜颜色色，形形状状特特征征可可以以看看作作是是更更高高层层次次的的图图像像特特征征，利利用用形形状状进进行行匹匹配配需需要要考虑三个问题。考虑三个问题。第七章 图像分割与边缘检测 要要获获得得有有关关目目标标的的形形状状参参数数，首首先先对对图图像

46、像进进行行分分割割，所所以以形形状状特特征征会会受受图图像像分分割割效效果果的的影影响响;其其次次，目目标标形形状状的的描描述述是是一一个个非非常常复复杂杂的的问问题题，至至今今还还没没有有找找到到能能与与人人的的感感觉觉相相一一致致的的图图像像形形状状的的确确切切数数学学定定义义;最最后后，从从不不同同视视角角获获取取的的图图像像中中目目标标形形状状可可能能会会有有很很大大差差别别，为为准准确确进进行行形形状状匹匹配配，需需要要解解决决平平移移、尺尺度度、旋转变换不变性的问题。旋转变换不变性的问题。第七章 图像分割与边缘检测 目目前前，常常用用的的形形状状匹匹配配方方法法主主要要有有几几何何

47、参参数数法法（Niblack，1993）、（Scassellati，1994）、特特征征模模表表示示法法（Pentland，Picard and Sclaroff，1996）、不不变变矩矩法法（Mehtre，1997）、边边界界方方向向直直方方图图法法（Jain，1996）、小小波波重重要要系系数数法法（Jacobs，1995）、小小波波轮廓表示法（杨翔英、轮廓表示法（杨翔英、章毓晋，章毓晋，1999）等。）等。第七章 图像分割与边缘检测 目目标标的的形形状状常常常常可可以以用用目目标标的的轮轮廓廓来来表表示示，而而轮轮廓廓是是由由一一系系列列边边界界点点所所组组成成的的。一一般般认认为为，在

48、在较较大大尺尺度度下下常常常常能能较较可可靠靠地地消消除除误误检检并并检检测测到到真真正正的的边边界界点点，但但在在大大尺尺度度下下对对边边界界的的定定位位不不易易准准确确。相相反反，在在较较小小尺尺度度下下对对真真正正边边界界点点的的定定位位常常比比较较准准确确，但但在在小小尺尺度度下下误误检检的的比比例例会会增增加加。所所以以，可可考考虑虑先先在在较较大大尺尺度度下下检检测测出出真真正正的的边边界界点点，再再在在较较小小尺尺度度下下对对真真正正边边界界点点进进行行较较精精确确的的定定位位。小小波波变变换换和和分分析析作作为为一一种种多多尺尺度度、多多通通道道分分析析工工具具，比比较较适适合

49、合对对图图像像进进行行多多尺尺度度的的边边界界检检测测，可可参参考考有有关文献。关文献。第七章 图像分割与边缘检测 7.5 投影法与差影法投影法与差影法 7.5.1 投影法投影法 投投影影法法就就是是把把图图像像在在某某一一方方向向（常常用用的的是是水水平平方方向向和和垂垂直直方方向向）上上进进行行投投影影。在在投投影影图图上上便便可可反反映映出出图图像像中中目目标标对对象象的的位位置置、尺尺寸寸等等信信息息。图图7-17是是一一幅幅图图像像分分别在水平方向和垂直方向上的投影。别在水平方向和垂直方向上的投影。第七章 图像分割与边缘检测 投投影影法法是是一一种种很很自自然然的的方方法法，有有点点

50、像像灰灰度度直直方方图图。为为了了得得到到更更好好的的效效果果，投投影影法法经经常常和和阈阈值值化化一一起起使使用用。由由于于噪噪声声点点对对投投影影有有一一定定的的影影响响，所所以以处处理理前前最最好好先先做做一一次次平平滑滑，去去除除噪噪声声，然然后后进进行行阈阈值值化化处处理理，再再对对阈阈值值化后的二值图像在某个方向上进行投影运算。化后的二值图像在某个方向上进行投影运算。第七章 图像分割与边缘检测 图图7-17 投影法投影法第七章 图像分割与边缘检测 图图7-18 华盛顿纪念碑图华盛顿纪念碑图 第七章 图像分割与边缘检测 图图7-19 阈值化后的华盛顿纪念碑阈值化后的华盛顿纪念碑 第七