基于matlab的图像形状分类器设计说明

. . . 编 号： 审定成绩：邮电大学毕业设计论文设计论文题目：学 院 名 称 ：自动化学院学 生 姓 名 ：专 业 ：班 级 ：学 号 ：指 导 教 师 ：答辩组 负责人 ：填表时间： 2016 年 月邮电大学教务处制36 / 40摘 要随着计算机技术的发展,图像处理作为一种兴起的学科分支受到了国类外学者的高度关注,图像处理由于其应用围方法的特点的到了较快的发展,现已分布到医疗、公共安全等各个领域,所以对数字图像的研究具有重大意义。数字图像中携带者大量的图像信息,我们对其处理的工程中,不仅要关注信息提取的精度,还要注重处理的速度。因此,找到一种合适的算法,能够高效精确得对图像进行边缘检测与提取显得尤为重要。Matlab软件中包含强大的图像处理程序和图形展示界面,用户通过运行程序,不仅能够对图像的操作有直观的认识,还能自由的对程序进行修改,在图像处理研究方面具有重要的地位。本文主要结合Matlab软件来进行图像形状分类器的设计,通过编写程序,设置了六种不同的边缘提取算子,对不同类型的图像边缘进行提取,实验结果表明,选取合适的边缘提取算子及其重要,以上六种算法都能够成功识别出三角形,正方形,圆行边界,但是有些算法存在边缘凸起问题,prewitt算子在在识别各种边界时都表现出很好的效果。关键词MATLAB；数字图像处理；图像形状；图像分类ABSTRACTWith the development of computer technology, image processing as a discipline branch of rise by countries outside class the attention of scholars, the methods of image processing because of its range of application of the rapid development, has now been distributed to the health, public security and other fields, so the study of digital image is of great significance. Carried a large amount of image information in digital image, in our engineering for its processing, should not only pay attention to the accuracy of information extraction, but also pay attention to the speed of processing. Therefore, to find a suitable algorithm, can effective accurate is particularly important for image edge detection and extraction. Matlab software contains powerful image processing and graphic display interface, the user to run the program, not only can have the direct-viewing understanding, to the operation of the image can also be free to modify the program, has an important position in the image processing research.In this paper, combined with Matlab software for image shape classifier design, through the program, set up six different edge detection operator, for different types of image edge extraction, the experimental results show that the selection of suitable edge detection operator and its important, more than six kinds of algorithms are successfully identified triangle, square, circle line boundary, but some problems edge projection algorithm, prewitt operator showed good effect in identifying various boundary.Key wordsMATLAB; Digital Image Processing; Image shape; Image Classification目 录前言1第一章图像分类器概述2第一节图像的定义3一、图像边缘3二、图像形状3第二节图像边缘检测5一、边缘检测的主要容5二、边缘检测的应用6第三节国外研究现状8第四节论文主要容及章节安排8第二章数字图像处理方法10第一节数字图像的预处理10一、数字图像10二、采样13三、量化13四、采样、量化和图像细节的关系13第二节形状特征及其描述方法14一、形状特征14二、几种典型的形状特征描述方法15第三节几种不同的度量16一、矩形度16二、圆形度16三、矩17四、不变矩17第三章边缘检测与提取方法18第一节边缘检测18一、边缘检测准备条件18二、边缘检测基本步骤19第二节边缘提取20一、边缘提取的步骤20第三节边缘提取的常用算子21一、Roberts边缘算子21二、Sobel边缘算子21三、Prewitt边缘算子22四、Laplacian边缘算子22五、Log边缘算子23六、Canny边缘算子25第四章算法的选择和实现29第一节边缘检测与识别算法29第二节仿真实验及结果分析32一、仿真实验32二、结果分析34结论36致37参考文献38附录39前 言图像边缘检测作为图像处理技术中非常重要的环节之一,被广泛的运用到图像应用中。与此同时,边缘检测也是图像分割,图像识别,图像压缩和图像增强的基础。一个图像的边缘是该图像最明显最特殊的特征,为后面的图像边缘检测带来了便利。图像的边缘往往携带者一图像中的大部分信息,使得图像处理人员能够很快掌握图像的位置,即使在信号发生突变的顶点处,这些边缘也能提供出很好的轮廓,所以,在边缘检测中,我们往往吧图像的了轮廓看做及其重要的一项特征。这就需要我们在图像处理过程中能够精确的提取出图像的边缘。然而,选取合适的边缘检测算是我们目前面临的一项技术难题,不同的边缘检测算法对图像处理的结果又很大的差别,严重影响到了图像识别以及后期的图像处理的效果。边缘检测算法是一种经典的图像边缘检测技术问题,它的解决方案为我们的高水平的特征描述、识别和理解具有重要的影响,由于边缘检测在许多方面有着非常重要的使用价值,所以人们一直在致力于研究和解决如何构造边缘检测算子的好属性和良好的效果。现有经典的边界提取技术基本上是基于微分操作。首先,通过相对平滑过滤掉图像中伴随的噪声；然后,进行微分运算,其中包括一阶微分和二阶微分,通过求得梯度最大值或着找到二阶导数为零的点；最后,选取合适的阈值点来进行边界提取。本文中主要采用了几种经典的边缘检测算法,运用MATLAB语言编写相对应的m文件,最后比较并分析各种算法进行边缘提取的结果。第一章 图像分类器概述数字图像边缘检测技术最早是在1920年产生的,由于一直以来收到了科研条件的限制,一些技术还不够发达,因此往后的几十年里没有获得很大的进步。在20世纪中后期,随着电力电子技术和计算机技术的广泛发展,图像识别技术在技术上得到了突破。通过最近的迅速突破,边缘检测处理技术目前己经被广泛的应用到全球各个领域中,如制造业,医药业,科技等领域。同时,数字图像边缘检测技术已经受到了世界各行各业的广泛关注。数字图像边缘检测处理技术在最近的10年发展尤为迅速,每年均有数以百计的新算法诞生,其中包括canny算法1、小波变换wavelet transform等多种具有重要地位的智能算法,这类算法都具有一个相同的特点,即是基于数学、通信等基础知识而设计产生的,不仅如此,神经网络2、遗传算法3、人工智能以及模糊逻辑4等技术也被融入到算法的设计中,这不仅需要我们具备相关的理论知识,还要求我们对边缘检测问题有一个明确的思路。现代的数字图像边缘检测处理的目标有以下三种： 1可视化：图像采集和显示时,我们需要适时地对所处理的图像进行改进,以方便观察者能够更加直观的观察到图像的容。如果具有某些观察者可能感兴趣的图像,我们更应该对图像进行加强突出处理,对有些3D成像方法如CT、MRI、可视化,特别是三维结构可视化高度重视。2自动化：做日常任务或自动化。例如,根据微观图像自动确定染色体的核型染色体分配系统,自动从血涂片白细胞计数报告生成系统。这些应用程序的特点是要求最低人工干预,自动分析系统。应用白细胞计数、商业系统是发达国家在1970年。但是今天是一个完全不同的方式这个任务自动。3定量化：相关量化图像检测的例子有很多,关于动脉狭窄的过程和测量在显微镜下观察到的切片,并定位和定量得Fenix的特殊成分。在这些应用程序中,允许人工干预,因为在这些应用程序处理时间的长度不是主要矛盾。数字图像边缘检测处理,利用计算机处理图像的边缘,这些处理方法是与计算机的发展息息相关,这是一个新的应用领域的发展,以光电、数学等技术的许多方面为主题。图像边缘检测处理已经作为一门学科,被AMS当做应用数学的一个分支。经过如此迅速的发展,它被成功应用到了几乎所有关于图像的领域中。20世纪以后,随着图像分析与处理基础理论的不断完善,其已经在众多高新技术领域中占据了重要地位。第一节 图像的定义一、图像边缘图像边缘Edlge的定义是指图像边界具有不连续性,这是一种局部特性。比如,图像的灰度具有突变性,图像颜色以及图像的像素也具有突变性,图像纹理结构的突变等。在物体的背景中,两种不同的区域中以及各种目标中,都具有典型的图像边缘特征,这为图像边缘检测提供了依据。本文将主要采用几种典型的边缘检测方法,基于他们的原理,编写程序来实现边缘检测技术5, 6。每个图像都具有不同的灰度,图像灰度是根据图像的不同色阶红,黄,蓝的比例程度来决定的。图像边缘也与图像灰度相关。图像灰度具有不连续性,一是阶跃不连续,二是线条不连续。如果图像灰度在不连续的两边具有明显的差异,就叫做阶跃不连续；如果在某个时刻,图像的灰度从一个值改变到另一个值,保持一定的时间后返回到原来值,这个过程叫做图像的线条不连续。事实上,具备阶跃或者线条边缘图像是非常罕见的。在空间分辨率的作用下,具有阶跃边缘的图像将会发生变化,产生斜坡边缘。但是,边缘的灰度不是一瞬间发生改变的7。在讨论边缘检测方法之前,首先介绍一些术语的定义。1边缘点：图像中灰度显著变化的点。2边缘段：边缘点坐标及方向的总和,边缘的方向可以是梯度角。3轮廓：可以用一条曲线来模拟轮廓。4边缘检测器：一种在图像中选择合适的点集边缘点的算法。5边缘连接：对无序边缘进行加工,使其变为有序的边缘表。6边缘跟踪：找到相应的搜索途径,用来确定图像的轮廓。二、图像形状形状特征是图像边界清晰目标的最佳表达。是目标图像的重要特征,在实践常使用形状特征或图像检索的主要边界和分类。图像分类识别属于模式识别的畴,图像是在经过预处理后的主要容经过增强、恢复和压缩、图像分割和特征提取,其中一个句子分类。图像分类是常用的经典模式识别方法、统计模式分类和句法模式分类结构,近年来发展了一种新的模糊模式识别和人工神经网络模式分类方法在图像识别中的应用越来越受到重视。人的第一个思想的光学系统是在物体的形式,可以识别许多的对象从二维图像。在人类视觉感知、识别和理解中,形状是一个重要的参数。形状是描述对象的一个定义特征,并描述图像容的重要特征。描述图像的形状是一个非常复杂的问题,在二维情况下,形状可以被定义为一个二维位置的围的一个简单的连接曲线和方向的函数。所以形状描述涉及封闭曲线或描述的包体的轮廓描述。图像目标边缘的轮廓。外形是最基本的概念,它与形状有着密切的关系。形状知觉的人必须在以前看到。当我们看到一个物体的形状,就是要看到一个轮廓,这个轮廓来区分物体和其他部分的视觉。直观的,感性的要求的形状的轮廓线之间的可见区域的亮度是明确的。形状的轮廓,用数学语言对应的亮度是二阶导数的形成,只有线性变化的亮度不产生轮廓。当人们注意物体的形状时,往往是固定在某一区域；而当人们注意到轮廓线时,轮廓就要从轮廓上看,所以从外形上看,有一个形状的过程。你可以说,只是边界轮廓,是一个地方的概念,而且形状都是,是一个一般的概念。Matlab软件在图像处理方面得到了很好的运用。其是由美国的MathWorks 公司研发的集成了数值计算、符号计算等功能与一体的软件,其最具特色的图形可视化功能,能够让人直观的对仿真结果有一个清晰的认识,是一款世界公认的强大的应用软件8。Matlab中最方便的运算单位是矩阵,通过编写简单的命令,可以将数据表示为基本矩阵,从而加快了计算的速度,大大减少了计算时间。Matlab指令非常简单,通俗易懂,真是因为这样的优势,matlab在国际上得到了有效的发展,并被广泛运用。Matlab程序包中含有成百上千个函数,还有四十多个工具箱用于解决各式各样的数学优化及计算问题。不仅如此,用户汉可以认为编写程序,对工具包进行扩充处理,每个工具包中都具有相应的测试案例方便初学者学习。工具包已经被广泛的应用到各个领域中。Matlab中的simulink工具箱还可以通过搭建仿真模型来,使得用户对图形有一个直观的了解,因此也受到了众多学者的认可。不仅如此,Matlab软件对所有用户免费开放,除了某些特定的函数模块,大部分函数和程序都是可编辑状态,用户可以按照自己的需求随意编写程序,这也被更多的开发者所认可。本文正是运用Matlab软件对图像的边缘检测算法进行编辑,通过执行文件,识别图像的轮廓来得到图形的边界特征。第二节 图像边缘检测一、边缘检测的主要容制图边缘检查和分析可以定义的一系列方法掌握、矫正、增强、转换、测试或视觉制图压缩技术。其目的是提高质量的相关信息,再提取有用的信息。出口从图案输入的图像边模型、图像检测边缘的边缘检查过程中,特定应用程序的某个特定的问题和发展的新技术和新方法是画边缘检查找到确实几乎完全不同的其他应用领域9。图像边缘检测的主要研究容包括：1图像获得和抽样,目的是通过有效的途径来获取图像,并对图像进行抽取,首先通过图像获取装置得到相应的图像,其次,将图像转换为对应的数字化信号,并对该型号进行采样提取,结合图像传感器,对获得的图像进行提取。每一图像实质上是一个分布在二位向量空间的信号,因此,在选择了合适的图像分辨率的情况下,通过特定的信号处理方法,可以识别出我们需要的图像。2图像分割,图像分割过程非常复杂,它是将图像分解成若干个很小的子图像,然后对每一个子图像进行测量,得到相应的目标。图像分割的结果大大影响到了图像测量的质量。通常情况下,图像分割的方式有两种：一是将每个子图像的灰度值进行平均化,得到均匀变化的过程；二是充分运用图像中灰度的差别,搜索出不同图像之间的轮廓。3边界查索, 通常用于探测图性的线型等局部结构,将在图像分割操作运用到图像预处理步骤中。大多数图像边缘检测技术中都使用了某种形式的梯度算子。可以用于水平、垂直或对角梯度传感梯度的算子,他们复杂的结果可以探测在任意方向上的边界点。4图像增强和复原,即采用相应的增强技术对图像镜像操作,以便能够直观的观察到图像,并获取图像的对比度。图像的类型不同,则增强方法的目的也不一样。其中,图像分割是为了对图像进行下一步处理。可以对图像进行整体分割和局部分割。对图像的分割可以在时空中处理,也可以在平面进行。图像增强和复原是要改变图像本身的性质,消除图像中的杂波,提出图像中不好的成分,从而实现增强图像质量的目的。5图像分类,作为模式识别的一部分,它的主要容是经过图像预处理,图像分割,特征提取,分类判断。图像分类使用经典的模式识别方法,统计模式分类和句法模式识别,近年来新的模糊模式识别和人工神经网络模式识别在图像识别中也越来越多的关注。6图像变换,由于图像阵列很大,直接处理空间领域的涉及大量的计算。因此,通常使用各种图像变换的方法,如傅立叶变换、沃尔什变换、离散余弦变换间接处理技术,将空间变换域处理,不仅可以减少计算量,可以获得更多的有效的治疗。新兴研究小波变换在时域和频域具有良好的定位特性,它在图像边缘检测也有广泛而有效的应用。二、边缘检测的应用边缘检测的应用围尤其广泛,已经波及到各个领域的各个方面,充分影响着人类的生产与生活。由于人的工作方式是不断改变的,其研究了领域也是不断扩大的,所以边缘检测的运用围也是无止境的。数字图像边缘检测作为图像处理的一个分支,最早是在1952年发展起来的,它的发展有当时的计算水平息息相关。边缘检测的应用围相当广泛,其主要表现在以下方面：1航天和航空技术方面的应用,数字图像边缘检测技术在航空和航天技术应用中,除了月球,火星,照片处理,另一方面是遥感和卫星遥感技术的应用在飞机。末以来,美国和一些国际组织发起了一项资源遥感卫星和太空实验室,由于飞机位置和态度在成像条件下,环境条件和其他因素,图像质量并不总是很高。现在配备了先进的计算机系统读取图像边缘检测的分析首先提取图像边缘,缩减了人工并增强了效率,还可以从图片中获取人工不能获取众多有效信号。2生物医学工程方面的应用,例如X光技术,工作人员能够通过X光照片来分析人体的结构,清晰的判断病人生病的地点,其基本原理就是成功运用到了边缘检测方法,精确地提取出人体各个器官的边缘,这为给我们医学方向做出去非常大的贡献,对于人类也是一种福音。3公安军事方面的应用,就目前来说,最广泛的应用就是在识别领域的运用,如人脸识别,由于每个人的人脸轮廓是不同的,所以相关机关能够通过采集城市摄像头中的图像来对犯罪人员的人脸进行匹配,有助于成功抓获犯罪分子,不仅如此,我们还可以对犯罪分子的车牌进行匹配,成功定位到犯罪分子的活动围,同样有利区国防安全。4交通管理系统的应用,其应用体现到了多个方面,如今,各类地图的流行,如百度地图能够成功定位到哥各个路段的边线,各个路口的轮廓,如果人们都利用百度地图进行定位,我们就可以实时的观察到每个路段的交通信息,这样极方便了人们的出行,同时车辆可以根据地图信息巧妙的避开拥挤路段,充分节约了我们的时间。视频交通流检测和车辆识别系统是一种图像边缘检测技术,用于实现计算机处理系统的交通目标检测与识别。通过对道路交通信息和交通目标的行动如超速、停车、超车等的实时检测和自动统计,对机动车数量、计算速度和车辆分类的不同交通参数,如,达到监测道路交通信息的作用。第三节 国外研究现状一直以来,特征提取及识别都富含极高的可靠性,在国际上都具有很高的价值,被各个领域的专家学者广泛探索。国际上的研究者主要有Mckeown研究所、VGG研究院和德国波恩大学、等,国的研究者主要是中国科学技术研究院、华中理工大学等等,各个领域的研究者都以计算机技术为基础,通过编程及仿真,总结出了很多有实用性的工作,极大的促进了图像识别的发展。基于前面研究者的成果,很多图像处理软件被成功运用,而且取得了不错的效果,这些软件都有一个共同的特征,就是具有较高的识别精度和较快的特征提取速度。例如：softelec公司在早期研发的VPStudio软件,日本日立公司的Imageseries,美国GTX公司的GTXRaster series,挪威Rasterex公司的RxAutoImage Pro 2000等。中国学者也成功加入到对该类软件的研发过程中,比如：东北大学研发出SEAS系统,华中理工大学研发的的EDIS系统,还有清华紫光研发的TH-DAIMS图纸处理系统等。通过上述特征提取和识别技术,由于特征提取和识别的多样性和复杂性的问题本身,现有的理论和方法有相当一段距离,从实际的要求,一些基本的问题还有待进一步深入研究。现有的特征提取和识别算法基本上仍处于实验阶段,其实用性和通用性和准确性要求从大规模的实际应用到一定程度。问题的性质和所有这些应用都是分不开的,尚未形成一个统一的、有效的,可以应用于所有的模式识别理论。虽然各特征提取和识别算法的能力,特征提取,特征识别能力的影响方面的优势,但仍然在性能的算法,通用性,自动化程度的自动化,精度有许多不足之处。所以,这项研究的路还很漫长,希望很多的人增强对于图像特征提取与识别技术的探索,迫切需要后者进行更多的工作。第四节 论文主要容及章节安排本文主要是运用MATLAB为工具,来研究对图像的形状,并对不同形状的图像进行分类,其结构安排如下：第一章 引言,介绍了课题研究背景,图像的定义,边缘检测的容、以及课题的研究现状。第二章 介绍了对数字图像进行预处理基本步骤和基本方法,图像的形状特征及其描述方法以及针对不同形状的度量。第三章 简要阐述了几种边缘检测算子,分析边缘检测算子的各个模型,并比较他们的优劣。第四章 运用第三章所提到的几种常见边缘提取算子,并结合所编写的matlab程序对图形进行仿真实验,并得到合理的结论。第二章 数字图像处理方法第一节 数字图像的预处理一、数字图像数字图像,顾名思义就是对一般图像进行处理,得到可以进行数字运算的图像,其中最重要的一个步骤是吧图像进行分割,得到如图2-1所示的子图像,每个子图像都有其固定的像素,我们便可以通过子图像区域像素的差别来对图像的边界定性定位与识别。图2-1 数字图像常见的数字图像格式有以下几种10, 11：1PCXWindows Paintbrush格式。可处理1,4,8,16,24位等图像数据。文件容包括：文件头128字节,图像数据、扩展颜色映射表数据。2BMPWindows Bitmap格式。有1,4,8,24位非压缩图像,8位RLERun-length Encoded 图像。文件容包括：文件头一个BITMAP FILEHEADER数据结构,位图信息数据块位图信息头BITMAP INFOHEADER和一个颜色表和图像数据。3HDFHierarchical Data Format格式。有8位,24位光栅数据集。4JPEG格式,是一种成为联合图像专家组的图像压缩格式。5TIFFTagged Image File Format格式。处理1,4,8,24位非压缩图像,1,4,8,24位packbit压缩图像,一位CCITT压缩图像等。具体的容有：文件头一个BITMAP FILEHEADER数据结构,位图信息数据块位图信息头BITMAP INFOHEADER和一个颜色表和图像数据。6XWD格式。1,8位Zpixmaps,Xybitmaps,1位Xypixmaps。7PNGPortable Network Graphics格式。为了从一般的照片,景物中得到符合要求的数字图像,在前期准备过程中,需要对原图做两种操作,即采样与量化二者统称为数字化。Matlab作为一种计算工具,被成功的引入到对图像的分析处理中,Matlab中含有专门的图像处理工具箱,这对数字图像的发展有极促进作用12, 13。图像处理工具包是Matlab软件中附带的专业的工具箱,它是由众多的函数组成的,操作人员能够自由的对程序进行编写和修改,程序中的注释部分也大大提高的可读性,工具包中还包含有图像变换、滤波等操作,去操作能够有效的保留图像的精度14。1图像文件格式的读写和显示。Matlab 中包含有图像文件导入函数 imread,可以用来导入如:bmp、tif、tiffpcx、jpg、gpeg、hdf、xwd等格式图像文；图像写出函数imwrite,还有图像显示函数image、imshow等等。2图像处理运算。Matlab提供了强大的线性以及非线性运算,例如求和运算、求差运算,还有相关性运算等。例如,conv2实现了I,J两幅图像的卷积。3图像变换。Matlab提供了一维和二维离散傅立叶变换、连续小波变换、离散小波变换及其反变换,离散余弦变换及其反变换函数。4图像的分析和增强。针对图像的统计计算Matlab提供了校正、直方图均衡、中值滤波、对比度调整、自适应滤波等对图像进行的处理。5图像的数学形态学处理。Matlab包含了各种各样的数学运算函数,能够对图像进行开关灯操作。以上所提到的Matlab在图像中的应用都是由相应的Matlab函数来实现的,使用时,只需按照函数的调用语确输入参数即可。在Matlab中,edge函数的运用特别多,可以对图像进行的边缘提取,它包含了六种边缘提取方法,即Sobel方法、Prewitt方法、Robert方法,Laplacian2Gaussian方法、过零点方法和Canny方法。基本的图像类型分为以下几种：1索引图像索引图像实际上是利用图像的像素进行匹配,每个图像的像素是由红黄蓝三种颜色决定的,他们形成一个矩阵,每个矩阵都含有一个特定的值,这样就能构成图像的索引。图像矩阵和图像的颜色有关,也与图像矩阵的数据类型有关。图像的数据类型一般为双精度或者整形,uint8支持256色,通常用在图像中。2灰度图像在Matlab中,每一个图像的灰度都会对应一个矩阵。矩阵的大小与像素有关,每一个像素点就是矩阵中的某一个值。因此,矩阵的类型也是不固定的,可以是双精度型,也能设置为整形,但是不同的数据类型对应的值域不同,起围可以分布在0到1,也可以分布在0到255之间。矩阵的每个元素代表不同的亮度或灰度级。3二进制图像二进制图像中都有两个状态,即0和1,其中0表示关闭状态,1表示开状态,有这两种状态值可以构成一个矩阵,该矩阵的值就是二进制图像的值,该图像只有黑白两种装填,所以可以当做是灰度图像。与上面类似,二进制图像也能够处理成不同的数据类型,可以是双精度型,也能设置为整形,但值得注意的是,Matlab在对图像进行处理时,所有的值都是以uint8类型逻辑数组来返回的。4RGB图像RGB图像实际上是利用图像的像素进行匹配,每个图像的像素是由红黄蓝三种颜色决定的,他们形成一个矩阵,每个矩阵都含有一个特定的值,这样就能构成图像的索引。但是它和图像索引不同,它说产生的值是直接放到数组。图像数组为M*N*3,M,N表示图像像素的行列数。二、采样采样的工作原理是提取出图像的特征,将图像在时间上分割成多个时间点,并找到每个时间点对应的图像离散点,把每个离散值当做一个像素,最后形成一个包含了图像信息的集合。图像的传输是在一个二维平面上进行的,所以,我们要想把图像信号传输给计算机,及应该降低信号的维度,经过扫描操作可以实现。目前来看,扫描操作可以分为水平操作、垂直操作和时间上的操作。我们需要按照一定的时间规律对图像进行扫描,并且提取出各个图像各个部分的灰度值,通过对比图像之间的灰度值来找到它的像素点。三、量化经过采样,图像被分解成在时间上和空间上离散分布的像素,但是像素的值灰度值还是连续值。像素的值,是指白色-灰色-黑色的浓淡值,有时候也指光的强度亮度值或灰度值。把这些连续的浓淡值或灰度值变为离散的值整数值的操作就是量化。在0-255的值对应于白-黑的时候,有以0为白,255为黑的方法,也有以0为黑,255为白的方法,这取决于图像的输入方法以及用什么样的观点对图像进行处理等,这是在编程时应特别注意的问题。通常灰度值是可以进行量化的,主要有下面几种方法对：均匀量化uniform quantization,线性量化liner quantization,对数量化,MAX量化,锥形量化tapered quantization等。四、采样、量化和图像细节的关系上面的采样及量化过程中,应该确定数值N和灰度级的级数K。通常取成2的n次幂,即：图像在计算机中所占的二进制储存位数b可以做如下计算：事实上,数字图像不能够完全代替原图像,因为在数据处理的过程中会带来或多或少的误差,这种误差的大小大部分由采样样本的大小和数量以及量化的级数K决定的。N和K的值越大,图像越清晰15。第二节 形状特征及其描述方法一、形状特征本文主要采用的是几何参数法来判断给出的的图像是什么形状。对于图像分类问题,特征提取的提取是决定分类性能的关键因素。在提取物体的形状特征之前,首先对图像进行边缘检测,以获取物体边界轮廓,然后需要对边界区域的特征进行轮廓提取。在这些特性中,一些可以用数值来描述,但更多的功能是没有明显的几何。对于图像匹配的目的,需要进一步说明的几何形状。图像中的对象的性质不能因为图像的平移、旋转和尺度的变化而改变。所以,在形状描述中,该描述符的选择应具有平移不变性和旋转不变性和缩放不变性。不仅如此,选择描述符还应该能够刻画形状特征的本质,使描述符具有很好的分辨能力。特征提取的图像特征选择原则是对所包含的输入信息进行处理和分析,将信息容易受到随机干扰,作为特征提取模型。特征提取方法是去除冗余信息,提高识别精度,降低运算复杂度,提高运算速度。较好的特征必须具备以下四个特点：1区别性理论上,点的特征值属于不同类别的对象应该有明显的差异。不同类别的特征值,差值越大越区分不同类别的特征之间的区分能力,类的特性可以用来测量距离。面积如三角形和圆形,两者的计算间距很小,类之间的距离的形状指数非常大,因为这2种类型的样本各有相同的部形状指数,方差的特征是接近0,所以类之间的距离较大。如果你选择形状特征指标作为分类的基础上,其高分辨率；如果你选择地区为分类依据,分辨率低。2可靠性在同一类别的所有对象的特征值应该是尽可能接近。类特征值越接近于特征值越高,以确定这种对象的可靠性更高。作为一组不同大小的圆形,如果选择以区域为基础,其与其他类别分离,其可靠性较低,同一圆在不同样本区域的差异较大,并选择形状指数作为分类的依据,其可靠性高,所有在同一个圆类中的同形指数。特征是类属性的样本属性的可靠性直接。3独立性如果必须使用多个特征分类,应该尽可能地将这些特性之间是无关的。像是高度相关的功能,基本上反映了对象的相同属性,可以结合,而不应该单独使用。如形状的几何分类,面积和周长之间的特征是高度相关的,和形状指数的形状和大小有一定的相关性,但相关程度低。在识别系统的分辨率、可靠性和独立性的特点,是针对整个系统的组成。一个单一的物体,分辨率和无参考和比较特点的可靠性。二、几种典型的形状特征描述方法对于形状分析和分类方法有很多。一般而言,形式特征表示方法可以分为两类：基于边界和基于区域的。前者使用的外部边界的形状,而后者使用的整个区域。最典型的两种形状模板匹配方法的特征是傅立叶描述符、变形和形状不变矩。此外,轮廓匹配法和几何参数法、边界方向直方图法、小波系数法和小波轮廓表示法等。下面是几种典型的形状特征描述方法。：1边界特征法基于边界特征描述的方法得到形状参数的图像。Hough变换检测平行线法和边界方向直方图法是一种经典的方法。Hough变换是利用全局特征的图像和边缘连接的像素区域封闭边界的一种方法,其基本思想是点-线对偶性；边界方向直方图方法第一差分图像的边缘,从而获得使边缘直方图的大小和方向,通常的方法是构建了图像灰度梯度方向矩阵。2傅里叶形状描述符法傅立叶形状描述符的基本思想是使用一个对象的边界,傅立叶变换的形状描述,使用的区域边界闭合和周期性,二维问题成一维问题。从边界点三的形状表达,分别是曲率函数,质心距离,复杂的坐标函数。3几何参数法形状表示和匹配方法来描述一个更简单的,定量的措施,如采用形状参数法形状因子的形状参数法形状参数的区域特征。在QBIC系统,是利用圆度、偏心率、主轴方向和代数几何参数,如矩、基于形状特征的图像检索。 4形状不变矩法利用目标所占区域的矩作为形状描述参数来进行分类。5其它方法这些年,在形状的表示和匹配方面的工作还包括有限元法Finite Element Method或FEM、旋转函数Turning Function和小波描述符Wavelet Descriptor等方法。第三节 几种不同的度量一、矩形度用目标图像的面积和包围该图像的最小的矩形面积之比作为目标矩形度的一种度量参数,记为其中A0表示目标图像的面积,AR表示包围该图像的最小矩形的面积。R的大小能反映目标物体和矩形的接近程度。矩形度的值限定在0到1之间。二、圆形度对于某些图形的面积,半周长越小,圆形表面更光滑,更接近于圆形；反之,洲长越大,圆的表面褶皱,形状更加复杂的多。为了这个原因,一般使用圆形程度来衡量图形的形状的程度。在一个圆形的形状中,指的是其面积的平方之比是目标对象的周长,记为其中：P表示图形的周长,A表示周长所围的面积。理论上讲,圆的圆形度为1.0,正方形的圆形度为/4=0.79,正三角形的圆形度为/9=0.60.另外,圆形度还有两个计算公式：其中,A是区域面积,L是最小外接圆面积。该指数还认为圆形区域最紧凑,紧凑度为1。在最小外接圆面积作为衡量区域形状的计算。三、矩当对象是一些简单的几何图形时,用上述参数来描述物体的形状是比较合适的。如果图像的复杂边界特性,用上述参数来描述物体的形状就比较困难。对于复杂的对象,我们可以通过转矩和轮廓描述符来描述复杂的对象。转矩特性是基于该区域的灰度分布的统计分析的基础上,是一个术语用来描述一个统计平均,可以从全局的角度来看,对象的整体功能。力矩是一种线性特征,图像旋转、尺度和平移不变性的转矩特性,因此可以用来描述图像区域的形状特征。四、不变矩年,美国专家Guiming Hu发现了二维矩不变量理论,接着把该理论成功应用到了图像识别中。对于连续图像二维函数,其阶矩可以表示成黎曼积分：式中,。通过唯一性理论,如果是分段连续的,即只要在xy平面区域有非零值,则所有的各阶矩均存在,且矩序列mp,q唯一的被所确定。反之,mp,q也唯一的确定了。将上述矩特征量进行位置归一化,得到图像的中心矩：对于数字图像,基于双重求和的方法替换该积分,点处的阶矩可以表示成：由此可见该中心几何矩也符合尺度不变性的特性。第三章 边缘检测与提取方法第一节 边缘检测一、边缘检测准备条件图像的边缘是最基本的特征,所谓的边缘是指一个集合中的像素灰度的对比变化,是图像分割的重要基础,也是纹理分析和图像识别的重要基础。理想的边缘检测应在边缘的存在,真和假,和方向定向,很长一段时间,人们一直关注这个问题的研究,除了常用的本地运营商和后来发展的基础上,各种改进方法,并提出了许多新的技术16。要做好边缘检测初步准备条件如下：首先,清晰的图像特征,以检测的形式变化,从而适应变化检测方法。其次,要知道在一定空间围发生的特征变化,不要指望在检测算子能检测出图像中所有特征的最佳变化。在需要提取更多空间围的变化特征时,要考虑更多的运营商的综合应用。第三,我们要考虑噪声的影响,一种方法是滤除噪声,有一定的局限性；同时考虑了信号和噪声的检测条件,利用统计信号分析,或通过图像区域的建模,进一步使检测参数。第四、考虑各种方法的组合,如要找出边缘,然后在局部使用函数逼近,通过插值等方法得到高精度定位第五、在正确的基础上,在边缘检测的基础上,要考虑问题的准确定位。经典的边缘检测方法往往会断的不完全信息结构,噪声和敏感,为了有效地抑制噪声,通常对原始图像进行平滑,然后边缘检测可以检测真实的边缘。从人的直观感觉,对应于物体的几何边界的边缘。图像灰度变化比较严重的区域比较符合要求,我们通常用此特征提取图像边缘。但在含有纹理图像的情况下,这是一个小问题,例如,人们穿的衣服,白色和黑色的正方形在图像中,我们通常不希望在网格中提取的边缘,包括衣服。它还涉及到纹理图像处理方法。但一般认为边缘检测是对严重区域,数学上的方差的图像,最直观的方法是差分如数字图像差,在信号处理的角度,也可以说是一个高通滤波器,它将保持高频率信号。提取边缘的图像识别往往需要输出是一个二值图像,边缘的只有黑白灰度图像,一个灰度级代表边缘,另一个为背景。此外,还需要细化到只有一个像素宽度的边缘。二、边缘检测基本步骤具体的图像边缘检测的基本步骤如下：1过滤器。边缘检测主要是基于导数的计算,但受噪声的影响。但过滤器,以减少噪声和强度的边缘损伤。2增强。算法将有显着变化的灰度邻域点突出。通常进行计算的梯度幅度。3检测。但在一些较大的图像梯度幅度不是边缘点。边缘检测是最简单的梯度幅值阈值的确定。4定位。精确确定边缘的位置。总的说来传统边缘检测的流程图如3-1所示:原始图像 平滑图像平滑图像得出边缘的二值化图像既检出边缘点阈值分割梯度算子边缘增强边缘检测边缘定位图像滤波图3-1 边缘检测的流程图选取合适的特征提取方法是极其重要的,因为他是边缘检测问题的一个核心模块。经典的边缘检测算子包括：Roberts算子,Prewitt算子,Sobel算子,Log 算子等。第二节 边缘提取边缘检测的本质是用一种算法来提取目标和背景图像之间的边界。我们将边缘被定义为图像灰度变化发生在该地区的边界。图像灰度的变化可以反映图像灰度分布的梯度,所以我们可以利用图像差分技术来获得边缘检测算子。经典的边界提取技术大多是基于微分运算。首先通过平滑滤波器滤除图像中的噪声,然后对一阶微分或二阶微分运算,通过梯度最大或二阶导数得到零点,最后选择适当的阈值来提取边界。一、边缘提取的步骤图像边缘检测和边缘检测是至关重要的领域的计算机视觉技术,如何快速、准确地提取图像边缘信息一直在研究和发展的重点技术和整个领域的发展,边缘检测技术已成为图像分割、目标识别、图像压缩技术。它的理论和实践背景很广,具有良好的应用价值和理论困难。边缘检测算法常常面对具体问题,可怜的普遍性。物体的边缘并不反映在连续的层次。经典的图像边缘检测方法,每个像素在某个社区灰色变化,用二阶导数的方向的边缘,边缘检测,使用一个简单的方法,边缘检测sub-local算子。众所周知,边缘是图像的基本特征,所谓的边缘是一组像素灰度图像分割、纹理分析和图像识别是一个重要的依据。边缘提取的流程如图3-2所示：连续外轮廓边缘图像图像外轮廓图像库特征库不变矩特征目标区域连续、单值、二值化轮廓图3-2 形状特征提取系统流程边缘提取的具体步骤如下：1获取边缘图像,主要是运用canny算法对已有的图形进行提取；2对边缘图像进行轮廓跟踪,得到外轮廓图像；3外部轮廓图像的预处理：首先,在外形上获得连续光滑的轮廓线,轮廓线的二值化的自适应二值化方法,精细的轮廓。最后得到清晰的连续光滑,单像素,图像进行二外轮廓；4进行种子填充,得到图像的外轮廓线所包围的目标区域；5计算目标区域的七个不变矩,构成这幅图像的形状特征向量；6对形状特征向量进行部归一化处理,将特征值存入图像特征库。第三节 边缘提取的常用算子边缘检测方法主要是基于方向导数卷积方法,复合梯度图像和模块,然后根据梯度模式最大提取方向,以获得所需的边缘。这是一个轮廓线或边缘检测。常用的边缘检测方法有Roberts算子、Prewitt算子、Sobel算子和Laplacian算子17。在实践中,由于实际原因,如照明,噪音的影响,往往使图像模糊或分离的边缘,边缘检测遇到了许多困难。有几种方法在不同程度的噪声敏感的问题面前存在。因此,为了更准确地找到图像的边缘,以执行以下操作：1充分降低误报,不仅准确判断的边缘,而且也减少了费用的判断的边缘的边缘;2提高定位的准确度得到的边缘和误差尽可能小的理论;3唯一响应,也就是说,每一个明确的边缘只能得到响应。一、Roberts边缘算子Roberts算子的原理是在差分算子的基础上完成的,其具体公式可以表示如下：其中,是以整数的形式来表示图像的坐标。Roberts算子具有其边缘的优点是非常准确的,缺点是,它是对噪声敏感相对。在实践中,操作者常常被用来提取道路的边缘。二、Sobel边缘算子如在图3-3典型Sobel边缘算子中所示,它的原理是将图像卷积运算的每一个象素。在水平方向和最强烈的回应垂直方向Sobel边缘运营商,因此,选择Sobel边缘算子输出最多两个卷积18。-1-2-1000121-101-202-101图3-3 Sobel边缘算子Sobel算子,在与相邻像素之间的距离的像素2的作用,根据指定给不同的权重的像素之间的距离。一般而言,该距离越大,越小的影响。三、Prewitt边缘算子如图3-4的典型Prewitt算子的边缘算子,卷积运算对每一像素的操作者,将得到的对应于该围的边缘时,操作者的输出的振幅的最大值的边缘。-1-1-110-100010-111110-1图3-4 Prewitt边缘算子Prewitt算子原理比较简单,它是在一个水平差的操作,垂直方向中的两种平均操作,相对而言,在操作者对噪声较不敏感,但是,平均处理是图像滤波的过程。四、Laplacian边缘算子拉普拉斯算子具有强烈的线性性和移步变形。其基本思想是运用二维向量的二阶导数进行计算。对于连续函数的图像,其位置为,可以定义拉普拉斯值为：使用二阶导数信息拉普拉斯算子,无关各向同性,轴的方向,轴旋转梯度结果仍然是相同的。图像的二阶微分后,创建了一个陡峭的零交叉边缘点,根据该零交叉点边缘点。图3-5和3-6分别邻里域名系统和八个居委会拉普拉斯算子的。0101-41010图3-5 邻域Laplacian算子111 1-81111图3-6 邻域Laplacian算子通常使用的拉普拉斯算子33模板如图3-6所示：-1-1-1-101-1-2-1-18-1-242000-1-1-1-101121图3-7 拉普拉斯算子Laplace算法对噪声敏感,但其缺点也很明显,即边缘在一些图形具有双重作用。因此,使用拉普拉斯算法的图像处理时,经过一定的流畅处理。五、Log边缘算子这里介绍一种基于二阶导数求到边缘点算法的图像亮度,这种方法对噪声非常敏感,因此,可以在之前是边缘增强去噪。对于这一点,并设计了一种人类视觉方法的局部特性,该方法是使用高斯操作者对滤波操作,使用拉普拉斯边缘检测,即所谓的算法。该算法的主要思路和步骤如下：1滤波：就是对图像做平滑滤波,选取对应的滤波函数为高斯函数,即：其中,是一个圆对称函数,其平滑的作用是可通过来控制的。将图像与进行卷积,可以得到一个平滑的图像,即：2增强：对平滑图像进行拉普拉斯运算,即：3检测：该准则由第二衍生物的图像获得的是零点点,通过取点的第一导数。这种方法是用高斯卷积滤波器的第一图像,从而平滑图像,减少了噪声,噪声隔离,滤波,和更小的结构。但由于图像的扩大边缘平滑,所以与局部梯度边沿检测器将仅考虑那些最大值点。这可以通过使用过零的二阶导数来实现。二阶导数近似的二维拉普拉斯函数,因为它是一种操作者。在实践中,为了防止边缘检测不明显,应该选择第一导数大于零点作为边缘点的阈值大。由于对平滑图像进行拉普拉斯运算可等效为的拉普拉斯运算与的卷积,故上式变为：式中 称为LOG滤波器,其为：这样就有两种方法求图像边缘：对图像和高斯滤波器做卷积运算,再对产生的信号做拉普拉斯变换,最后做过零判断。先对高斯滤波器做拉普拉斯变换,再与图像做卷积运算,接着做过零判断。拉普拉斯算子对图像中的噪声非常敏感。它经常被用于制造双像素边缘,也不提供边缘方向信息。以其他算子相比,Gauss-Laplace边缘检测算子更好,模板的高斯-拉普拉斯算子如下图所示：00-100-1-20-1-216-10-1-2000-10-2-4-4-2-408-4-482-4-408-4-2-4-4-2图3-8 高斯-拉普拉斯算子高斯-拉普拉斯算子在边缘检测过程中达到了很高的精度,其原理是它将高斯算法和拉普拉斯算法结合起来,对图像进行滤波,不仅可以消除噪声,还能进行边缘检测。六、Canny边缘算子边缘检测的基本思想一步是发现在图像有一个局部最大值梯度像素。图像的边缘检测必须满足两个条件：第一,我们必须有效地抑制噪声,其次,尽