数字图像处理课件第十章图像表示与描述

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,*,*,Digital Image Processing,数字图像处理,E-MAIL:,myao,姚 敏,1,Digital Image Processing 数字图像处,第10章 图像表示与描述,2,第10章 图像表示与描述2,10.1 概述,3,10.1 概述3,概 述,图像表示分成边界表示（如链码、边界分段等）和区域表示（如四叉树、骨架等）两大类。,边界表示关心的是图像中区域的形状特征,区域表示则倾向于反映区域的灰度、颜色、纹理等特征的特点,图像表示与描述是图像识别和理解的重要组成部分,4,概 述图像表示分成边界表示（如链码、边界分段等）和区域表,10.2,图像表示,5,10.2 图像表示 5,链 码,3,4,2,0,1,2,3,(,a)4-,链码,0,1,2,3,4,5,6,7,(,c)8-,链码,0,1,5,(,b)6-,链码,图10.1 三种链码的形式：4-链码，6-链码以及8-链码,6,链 码3420123(a)4-链码01234567(c),链 码,1,3,2,2,0,1,2,2,3,1,1,1,1,0,0,7,7,7,7,7,6,6,5,5,5,5,5,4,4,4,4,4,3,图10.3 用8-链码表示边界,7,链 码13220122311110077777665555,边界分段,将边界分成若干段，然后分别对每一段进行表示，从而降低了边界的复杂度，并简化表示过程，尤其是当边界具有多个凹点的时候这种方法更为有效。,构造边界的凸包,跟踪区域凸包的边界，记录凸包边界进出区域的转变点即可实现对边界的分割,基本步骤,基本方法,8,边界分段将边界分成若干段，然后分别对每一段进行表示，从而降低,边界分段,(,a),区域,S,，,其凸包,H,，,及其凸残差,D,(,b),区域,S,的边界分段结果,图,10.7,区域的边界分段,9,边界分段(a)区域S，其凸包H，及其凸残差D(b)区域S,多边形近似,数字边界也可以用多边形近似来逼近。由于多边形的边用线性关系来表示，所以关于多边形的计算比较简单，有利于得到一个区域的近似值。,多边形近似比链码、边界分段更具有抗噪声干扰的能力。对封闭曲线而言，当多边形的线段数与边界上点数相等时，多边形可以完全准确的表达边界。,但在实际应用中，多边形近似的目的是用最少的线段来表示边界，并且能够表达原边界的本质形状,10,多边形近似数字边界也可以用多边形近似来逼近。由于多边形的边,多边形近似,图,10.8,边界的多边形近,11,多边形近似图10.8 边界的多边形近 11,标记图,标记（,signature,）,是边界的一维表达,基本思想是将原始的二维边界用一个一维函数来表示，以达到降低表达难度的效果。,12,标记图标记（signature）是边界的一维表达12,标记图,最小周长多边形法：以周长最小的多边形来近似表示边界。它将边界看成是介于多边形内外界限之间的有弹性的线。当它在内外迹象的限制之下收缩紧绷的时候，就可以得到最小周长边界。,Sklanskey,等人,42,给出了求最小周长边界的一种算法，该算法适用于无自交情况的多边形。该算法在获取边界之后，先查找边界的拐角点，并且标记该拐角点是凸点还是凹点。然后将所有的凸拐点连接起来作为初始的最小周长多边形,P0,。,接着把所有在多边形,P0,之外的凹拐点移除。再将剩余的凹拐点和所有凸拐点依次连接，形成新的多边形,P1,。,然后移除所有原为凸点而在新多边形中变成凹点的拐点。再用剩余的点连接形成新多边形，再次移除。如此循环，直至新形成的多边形中没有凹点。,13,标记图最小周长多边形法：以周长最小的多边形来近似表示边界。它,标记图,图,10.9,边界以及其标记图表示,14,标记图图10.9 边界以及其标记图表示 14,标记图,边界,1,边界2,边界,1,的标记图,边界,1,的标记图,图,10.10,边界的标记图,15,标记图 边界1边界2边,骨 架,(,a),矩形边界,(,b),具有小突刺的矩形边界,图10.11 边界的小扰动导致骨架的大变化,16,骨 架(a)矩形边界(b)具有小突刺的矩形边界图10.,10.3,边界描述,17,10.3 边界描述 17,边界长度,边界长度是边界所包围的区域的轮廓的周长,4-,连通边界：其长度为边界上像素点个数；,8-,连通边界：其长度为对角码个数乘上再加上水平和垂直像素点的个数的和。,18,边界长度边界长度是边界所包围的区域的轮廓的周长18,边界直径,边界直径是边界上任意两点距离的最大值,（,a）,原边界,（,b）,边界的直径,图10.12 边界及其直径,19,边界直径边界直径是边界上任意两点距离的最大值（a）原边界（,形状数,形状数是基于4-链码的边界描述符,形状数定义为值最小的4-链码的一阶差分码,20,形状数形状数是基于4-链码的边界描述符20,形状数,图,10.13,获取形状数的步骤,21,形状数图10.13 获取形状数的步骤 21,傅里叶描述子,图像边界点序列,令,记,边界的傅立叶描述子,22,傅里叶描述子图像边界点序列令记边界的傅立叶描述子 22,傅里叶描述子,（,a,）,字母,H,（,b,）,边界图,图,10.15,边界的傅立叶描述子及重构,（,c,）,全部傅立叶,（,d,）,采用,225,项,23,傅里叶描述子（a）字母H （b）边界图 图1,傅里叶描述子,（,e,）,采用,45,项,（,f,）,采用,27,项,（,g,）,采用,18,项 （,h,）,采用,9,项,图,10.15,边界的傅立叶描述子及重构,24,傅里叶描述子 （e）采用45项 （f）采用,统计矩,统计矩,：用,1-,D,函数描述边界曲线，易于实现,并且具有对边界形状的物理意义,25,统计矩统计矩：用1-D函数描述边界曲线，易于实现25,统计矩,图,10.16,统计矩描述,26,统计矩图10.16 统计矩描述 26,10.4,区域描述,27,10.4 区域描述 27,区域面积与重心,a,=regionprops(A,Area),c,=regionprops(A,Centroid),区域,A,的,面积,重心,重心计算,28,区域面积与重心a=regionprops(A,Ar,纹 理,反映像素灰度的空间分布属性的图像特征通常变现为局部不规则但宏观有规律性,常用的纹理描述方法,统计法,频谱法,29,纹 理反映像素灰度的空间分布属性的图像特征通常变现为局部,纹 理,统计法,统计法是基于图像的灰度直方图的特性来描述纹理,灰度均值,m,的,n,阶矩,L,为图像可能的灰度极,30,纹 理统计法统计法是基于图像的灰度直方图的特性来描述纹理,纹 理,统计法,均值,标准差,平滑度,熵,一致性,常用的纹理的统计度量,31,纹 理统计法均值标准差平滑度 熵一致性常用的纹理的统计度,纹 理,统计法,木纹,周期纹理,砖块,图,10.17,纹理图像及其直方图,32,纹 理统计法木纹 周,纹 理,频谱法,（,a,）,鹅卵石,（,b,）,沙石,（,c,）,鹅卵石频谱图,（,d,）,沙石频谱图,图,10.18,纹理图像及其频谱图,33,纹 理频谱法（a）鹅卵石 （b）沙石（c）鹅卵,纹 理,频谱法,（,a）,鹅卵石图像的,S,(,r,),（b）,沙石图像的,S,(,r,),图,10.19,纹理图像的频谱特征,34,纹 理频谱法（a）鹅卵石图像的S(r)（b）沙石图,纹 理,频谱法,（,c）,鹅卵石图像的 （,d）,沙石图像的,图,10.19,纹理图像的频谱特征,35,纹 理频谱法（c）鹅卵石图像的,不变矩,重心坐标,(,p,+,q,),阶矩,中心矩,36,不变矩重心坐标(p+q)阶矩中心矩36,不变矩,归一化的中心矩,对平移、旋转、镜面以及尺度变换的不变性,37,不变矩归一化的中心矩对平移、旋转、镜面以及尺度变换的不变性,不变矩,38,不变矩38,不变矩,（,a）lena,图 （,b）,旋转-4 （,c）,垂直镜像 （,d）,缩小二分之一,图,10.20,lena,图及其几何变换图,39,不变矩（a）lena图 （b）旋转-4,不变矩,从表,10.4,可以看出，在图像经过旋转、镜像以及尺度变换之后，这七个不变矩的值只有十分小的变化，可以看作是基本保持不变,40,不变矩 从表10.4可以看出，在图像经过旋转、镜像,10.5,形态学描述,41,10.5 形态学描述 41,基本概念,基本思想,是用一个结构元素（,Structure element,）,作为基本工具取探测和提取图像特征，看这个结构元素是否能够适当有效的放入图像内部。,数学形态学以几何学为基础对图像进行分析,42,基本概念基本思想是用一个结构元素（Structure ele,基本概念,数学形态学的基本运算,膨胀（,dilation,）,腐蚀（,erosion,）,开启（,opening,）,闭合（,closing,）,43,基本概念数学形态学的基本运算43,膨胀和腐蚀,图10.21,B,对,A,的膨胀运算过程,膨胀,44,膨胀和腐蚀 图10.21 B对A的膨胀运算过程 膨胀44,膨胀和腐蚀,图10.,22,膨胀运算示例,(,a),原图像,(,b),膨胀后图像,膨胀,45,膨胀和腐蚀 图10.22 膨胀运算示例(a)原图像,膨胀和腐蚀,腐蚀,图,7.23,集合对集合的腐蚀运算过程,46,膨胀和腐蚀 腐蚀图7.23 集合对集合的腐蚀运算过程 46,膨胀和腐蚀,腐蚀,图,10.24,图像腐蚀示例,(,a),原图像,(,b),腐蚀后图像,47,膨胀和腐蚀 腐蚀图 10.24 图像腐蚀示例(a)原图像,开启和闭合,48,开启和闭合 48,对图像操作,49,对图像操作 49,