数字图像处理区域描述符.ppt

《数字图像处理区域描述符.ppt》由会员分享，可在线阅读，更多相关《数字图像处理区域描述符.ppt（15页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第第六六章章 图图像像分分割割和和分分析析6.2.4.1 某些简单的描述符某些简单的描述符面积：面积：对属于这个图区域的像素数进行计数。对属于这个图区域的像素数进行计数。周长：周长：对区域的边界点的个数进行计数。对区域的边界点的个数进行计数。复杂度：复杂度：测量区域形状的复杂程度，经常使用下式测量区域形状的复杂程度，经常使用下式进行计算：进行计算：e=(周长周长)2/面积面积 e在图形接近圆形时为最小（大致为在图形接近圆形时为最小（大致为4），图），图形的形状复杂时，则得到的值较大。形的形状复杂时，则得到的值较大。其它简单用做区域描述符的量包括其它简单用做区域描述符的量包括灰度的均值灰度的均值

2、和中值、最小和最大灰度级值、大于和小于均值的和中值、最小和最大灰度级值、大于和小于均值的像素数等。像素数等。第第六六章章 图图像像分分割割和和分分析析 拓扑学（拓扑学（topology）研究图形的不受畸变变形研究图形的不受畸变变形（不包括撕裂或粘贴）影响的性质。区域的拓扑性（不包括撕裂或粘贴）影响的性质。区域的拓扑性质对区域的全局描述很有用，这些性质既不依赖距质对区域的全局描述很有用，这些性质既不依赖距离，也不依赖基于距离测量的其它性质。离，也不依赖基于距离测量的其它性质。6.2.4.2 拓扑描述符拓扑描述符(Topological Descriptors)第第六六章章 图图像像分分割割和和分

3、分析析6.2.4.2 拓扑描述符拓扑描述符欧拉数欧拉数 在某一个二值图像中在某一个二值图像中,把从把从 1-像素的连接成像素的连接成分（连通分量）的个数（为分（连通分量）的个数（为C）减去孔的个数）减去孔的个数（为（为H）的值叫做这个图像的）的值叫做这个图像的欧拉数欧拉数(Euler number，为，为E),或者叫或者叫 示性数示性数(genus)。即：即：E=C-L 欧拉数也是一种拓扑特性。欧拉数也是一种拓扑特性。第第六六章章 图图像像分分割割和和分分析析6.2.4.3 纹理纹理 纹理是图像分析中常用的概念，但目前尚无对纹理是图像分析中常用的概念，但目前尚无对它正式的（或者说尚无一致的）定

4、义，一般说，可它正式的（或者说尚无一致的）定义，一般说，可以认为是由许多相互接近的、互相编织的元素构成，以认为是由许多相互接近的、互相编织的元素构成，它们常富有周期性。直观来说，纹理描述可提供区它们常富有周期性。直观来说，纹理描述可提供区域的平滑、稀疏、规则性等特性。域的平滑、稀疏、规则性等特性。常用的三种纹理描述方法是：常用的三种纹理描述方法是：统计法；统计法；结构法；结构法；频谱法。频谱法。第第六六章章 图图像像分分割割和和分分析析6.2.4.3 纹理纹理 统计法统计法 统计法描述纹理常借助区域灰度的共生矩阵来进统计法描述纹理常借助区域灰度的共生矩阵来进行。设行。设S S为目标区域为目标区

5、域R R中具有特定空间联系的像素对的中具有特定空间联系的像素对的集合，则共生矩阵集合，则共生矩阵P P可定义为可定义为上式等号右边的分子是具有某种空间关系、灰度值上式等号右边的分子是具有某种空间关系、灰度值分别为分别为g1和和g2的像素对的个数，分母为像素对的总和的像素对的个数，分母为像素对的总和个数（个数（#代表数量）。这样得到的代表数量）。这样得到的P是归一化的。是归一化的。第第六六章章 图图像像分分割割和和分分析析实例：实例：位置算子和共生矩阵位置算子和共生矩阵 在纹理的统计描述中，为利用空间信息可借助位置算在纹理的统计描述中，为利用空间信息可借助位置算子以计算共生矩阵。设子以计算共生矩

6、阵。设W W是一个位置算子，是一个位置算子，A A是一个是一个k k k k矩矩阵，其中每个元素阵，其中每个元素a aijij为具有灰度值为具有灰度值g gi i的点相对于由的点相对于由W W确定确定的具有灰度值的具有灰度值g gj j的点出现的次数，这里有的点出现的次数，这里有1i,jk1i,jk。如。如对图对图(a)(a)中只有中只有3 3个灰度级的图像个灰度级的图像(g1=0,g2=1,g3=2)(g1=0,g2=1,g3=2)，定义，定义W W为为“向右一个像素和向下一个像素向右一个像素和向下一个像素”的位置关系，得到的位置关系，得到的矩阵的矩阵A A如图如图(b)(b)所示。所示。(

7、a)(b)如果设满足如果设满足W的像素对的总个数为的像素对的总个数为N，则将，则将A的每个元的每个元素都除以素都除以N就可得到就可得到W关系的像素对出现概率的估计，并得关系的像素对出现概率的估计，并得到相应的共生矩阵。到相应的共生矩阵。第第六六章章 图图像像分分割割和和分分析析6.2.4.3 纹理纹理 在共生矩阵的基础上可定义几个常用的纹理描述符，在共生矩阵的基础上可定义几个常用的纹理描述符，如纹理二阶矩如纹理二阶矩W WM M、熵、熵W WE E、对比度、对比度W WC C和均匀性和均匀性W WH H等等:(1)(1)角二阶矩角二阶矩(2)熵熵第第六六章章 图图像像分分割割和和分分析析6.2

8、.4.3 纹理纹理(3)对比度（反差）对比度（反差）(4)逆差分矩（均匀性）逆差分矩（均匀性）其中其中WM对应图像的均匀性或平滑性，当所有对应图像的均匀性或平滑性，当所有P(i,j)都相都相等时，等时，WM达到最小值；达到最小值；WE给出一个图像内容随机性的量度；给出一个图像内容随机性的量度；WC是共生矩阵各元素灰度差的一阶矩，当是共生矩阵各元素灰度差的一阶矩，当P中大的元素远离中大的元素远离矩阵的主对角线时，矩阵的主对角线时，WC较大（表明图像中的近邻像素有较较大（表明图像中的近邻像素有较大的反差）；大的反差）；WH在一定程度上可看作是在一定程度上可看作是WC的倒数（的倒数（k的作的作用是避

9、免分母为零，但用是避免分母为零，但WH的大小受的大小受k值的影响较大）。值的影响较大）。第第六六章章 图图像像分分割割和和分分析析6.2.4.3 纹理纹理 结构法结构法 结构法的基本思想是认为复杂的纹理可由结构法的基本思想是认为复杂的纹理可由一些简单的纹理基元（基本纹理元素）以一定一些简单的纹理基元（基本纹理元素）以一定的有规律的形式重复排列组合而成。如果我们的有规律的形式重复排列组合而成。如果我们能定义出一些排列基元的规律，就有可能将某能定义出一些排列基元的规律，就有可能将某些纹理基元按照规定的方式组织成所需的纹理些纹理基元按照规定的方式组织成所需的纹理方式。这里的规则和方式可用形式语言来定

10、义。方式。这里的规则和方式可用形式语言来定义。第第六六章章 图图像像分分割割和和分分析析6.2.4.3 纹理纹理 频谱法频谱法 频谱法借助于傅立叶频谱的频率特性来描频谱法借助于傅立叶频谱的频率特性来描述周期的或近乎周期的述周期的或近乎周期的2-D图像模式的方向性。图像模式的方向性。常用的性质有：常用的性质有：(1)傅立叶频谱中突起的峰值对应纹理模式的傅立叶频谱中突起的峰值对应纹理模式的主方向；主方向；(2)这些峰在频域平面的位置对应模式的基本这些峰在频域平面的位置对应模式的基本周期；周期；第第六六章章 图图像像分分割割和和分分析析 实际检测中，为方便起见可把频谱转化到极坐标系中。此实际检测中，

11、为方便起见可把频谱转化到极坐标系中。此时频谱可用时频谱可用S(r,)表示，这里表示，这里S是频谱函数，是频谱函数，r和和 是坐标系中是坐标系中的变量。对于每个方向的变量。对于每个方向，S(r,)可以看作一维函数可以看作一维函数S(r)；同；同样，样，对于每个频率对于每个频率r r，Sr()也是一个一维函数。对固定的也是一个一维函数。对固定的 值分析值分析S(r)，可得到沿着自原点的辐射方向上的频谱所表现，可得到沿着自原点的辐射方向上的频谱所表现的特性（比如存在的尖峰）。反之，分析固定的特性（比如存在的尖峰）。反之，分析固定r值的值的Sr()，可得到沿着以原点为圆心的圆形上的特性。可得到沿着以原

12、点为圆心的圆形上的特性。一种更具有整体性的描述通过对下列函数进行积分（对一种更具有整体性的描述通过对下列函数进行积分（对于离散变量为求和）得到：于离散变量为求和）得到：和和 这里这里R0是以原点为圆心的圆半径。是以原点为圆心的圆半径。也可以从也可以从S(r)和和S()的曲线，计算它们最大值的位置等来的曲线，计算它们最大值的位置等来作为特征。作为特征。第第六六章章 图图像像分分割割和和分分析析6.2.5 关系描述符关系描述符(Relational Descriptors)6.2.5.1 基本思想基本思想6.2.5.2 骨架关系编码骨架关系编码6.2.5.3 树结构关系编码树结构关系编码第第六六章

13、章 图图像像分分割割和和分分析析6.2.5.1 基本思想基本思想分割出来的对象可能由多个成分（或区域）组成。分割出来的对象可能由多个成分（或区域）组成。需要描述各个成分之间的结构关系。需要描述各个成分之间的结构关系。常用方法：将结构关系用符号串来描述，或用一常用方法：将结构关系用符号串来描述，或用一树形结构描述。树形结构描述。第第六六章章 图图像像分分割割和和分分析析(a)提取的图元提取的图元(b)图元间的操作图元间的操作(c)一组特定的图元一组特定的图元(d)生成一个结构的生成一个结构的步骤步骤(a)(b)(c)(d)实例实例6.2.5.2 骨架关系编码骨架关系编码第第六六章章 图图像像分分割割和和分分析析6.2.5.3 树结构关系编码树结构关系编码树结构中每个结点的意义和结点之间的关系树结构中每个结点的意义和结点之间的关系（如包含关系）最为重要。（如包含关系）最为重要。举例：举例：abcd$abcdefef$