-图象分割描述与识别

,2020年4月10日8时45分,第七章 图象分割、描述和识别,#,2024/8/28 14:30,第七章 图象分割、描述和识别,1,第七章* 图象分割、描述和识别,主要内容：,1.图象分割,1),直方图阈值分割法,2),边缘检测法,3),区域增长法,2.,图象描述,3.,图象识别,1)图象识别的应用实例,2),模式识别,本章对应着教材的第,10,、,11,、,12,章,2024/8/28 14:30,图象分割,2,图象分割,：按照一定的规则，将一幅图象分割成若干部分或子集。,通常可以依据两种原则进行图象分割,1依据各个像素点的灰度值不连续性进行分割,（根据不连续性定出区域的边界）,2依据同一区域具有相似性灰度这一特征,寻求不同区,域之边界(根据相似性定出区域像素),前者称为,基于点相关的分割技术,，后者称为,基于区域相关的分割技术,。这两类技术又可细分为四类：基于直方图、基于边界、基于区域、基于边缘和区域的技术。,图象分割,2024/8/28 14:30,图象分割,3,方法：,1）作图象的直方图,2）如果灰度级直方图有明显的双峰状，则选择,两峰之间的谷底所对应的灰度值作为阈值。,3）然后根据如下公式，得到分割图象,t,为阈值,直方图阈值分割法,2024/8/28 14:30,第七章 图象分割、描述和识别,4,2024/8/28 14:30,第七章 图象分割、描述和识别,5,a=imread(we.jpg);,b=a(:,:,1);,c=bt;,imshow(c);,t=100,t=50,t=150,2024/8/28 14:30,图象分割,6,边缘意味着一个区域的终结和另一个区域的开始，是灰度变化比较剧烈的地方，图象边缘有方向和幅度两个特征，沿边缘走向的像素变化比较平缓，而垂直于边缘走向的像素变化剧烈,。,边缘检测法,2024/8/28 14:30,第七章 图象分割、描述和识别,7,d=del2(double(c); imshow(d);,2024/8/28 14:30,图象分割,8,边缘检测算子,差分梯度算子,常用的差分梯度算子有,这几个算子是等价的，即：,2024/8/28 14:30,图象分割,9,拉谱拉斯算子,所对应的卷积模板为,模板卷积算子,2024/8/28 14:30,图象分割,10,中心连接区域增长技术,1)设初始区域为,=,x,0,；,2)检查,的全部邻点，将满足相似性条件的任何邻点并入,.,相似性检验准则为：,根据相似性准则，直接取出若干个特征相似或相同的像素组成区域,单连接区域增长技术,1）设初始区域为,=,x,0,；,2）求像素,x,i,的相邻像素，若,x,i,与,x,i+1,的差值小于某个,阈值，则将其加入区域。,区域增长法,2024/8/28 14:30,图象描述,11,图象描述,图象分割的技术目的是将图象分成有意义的区域，为了达到图象分析的目的，还要对这些有意义的区域进行特征提取与描述。而所谓是图象分析，就是根据图象中的目标的描述数据对其作定性或定量分析，分析的基础是目标区域的特征。,图象描述,：用一组数量或符号来表征图象中被描述的目标的基本特征,.,2024/8/28 14:30,图象描述,12,二值图象的几何特征,面积,设图象已经被分割，目标区域的像素的值为1，背景区域的像素为0，则目标区域的面积为：,周长,常见的等效的表示方法有三种：,(1)区域与背景的交界线的长度,如图，区域边界长为24,(2)区域边界8链码长度；若边界的链码表示为,2024/8/28 14:30,图象描述,13,为起始点,定义边界长度为：,1,1,1,1,1(,x,0,),1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,2024/8/28 14:30,图象描述,14,(3)边界点之和,所谓边界点是指满足如下性质的点:在其8邻域内既有区域内的像素,又有区域外的像素,位置,区域的质心：,投影,设 为,f,(,x,y,),在 方向上的投影，它是一个向量。,2024/8/28 14:30,图象描述,15,边界描述,用链码表示边界：,如图所示的,区域的边界为,x,0,100066666343232,x,0,拓扑特征,1)邻接与连,2）背景与孔(欧拉数：,E=C-H,C,连通分支个数，,H,孔个数）,变换参数描述,统计参数描述,2024/8/28 14:30,图象识别,16,1邮政系统的信函自动分拣,2复杂背景下的军事目标的自动识别,3由气象云图结合其他气象数据进行天气预报,4用人工地震波形图寻找石油的岩层结构,5根据医学,x,光图象或显微图象分析各种病变,图象识别,图像识别,：将预处理后的图象，经过图象分割和描述，提取有效的特征，进而加以判决分类。,图象识别的应用实例,2024/8/28 14:30,图象识别,17,模式识别,图象识别的基本理论和方法是移植于,“,模式识别,”,的,模式,：客观事物的特征的描述,模式识别,：根据某事物的模式判断该事物属于何类,模式识别工作主要由三个阶段组成,1图象分割或物体分离,检测出各个物体，并把他们的图象与其余背景分离,2024/8/28 14:30,图象识别,18,2特征抽取和选择,对物体进行各方面度量，得到一组特征，这组特征称为这个物体的一组特征向量,X=(X,1,X,2,X,3,，Xn),图象识别中，常被选的特征有:,(1),图象幅度特征,:图象像素灰度值;彩色三色值；频谱值,(2),图象统计特征,:直方图特征,统计性特征(均值,方差,能量,熵),(3),图象几何特征,：面积、周长、分散度（面积/周长），,伸长度（面积/宽度）,(4),图象变换参数,：,Fourier,变换，哈达玛变换,2024/8/28 14:30,图象识别,19,3.决策分析,模式识别的任务是如何做出最优决策分类的问题,1）统计模式识别方法,2）句法模式识别方法,3）模糊集合识别方法,4）神经网络识别方法,2024/8/28 14:30,第七章 图象分割、描述和识别,20,以下程序的功能为：仅根据,Euler,数这一个特征，判断手写数字,0,1,8,等。适当地多取几个特征，很容易将程序扩展为判断,0,，,1,，,2,，,3,，,4,，,5,，,6,，,7,，,8,，,9,等,10,个数字的场合。以下图象分析的实例非常简单，以该思想为基础，可进一步深化算法，设计出更复杂的高效率字符判读算法。,(,使用,wavread,wavplay,两函数，其目的是为了将所判定结果，以声音形式输出。,),%,y0= wavread(s0);,%y1= wavread(s1);,%y8 = wavread(s8);,Fs = 11025;,b=imread(b018.jpg);,%,用图画程序写一个,0,、,1,或,8,，,%,保存为,b018.jpg,（,图象获取）,例,2024/8/28 14:30,第七章 图象分割、描述和识别,21,bb=b(:,:,1);,%,取,b,的一个分量,bw=bb100;,%,将,b,二值化（相当于,图象分割,操作）,c=bweuler(bw);,%,求,bw,的,Euler,数(相当于,图象描述,特征提取操作),%,以下部分为,图象识别,操作,(相当于分析与分类操作),switch c,case -1,cc=8;,% wavplay(y8,Fs);,case 0,cc=0;,%wavplay(y0,Fs);,case 1,cc=1;,%wavplay(y1,Fs);,otherwise,ccc=999;,%ccc=999,不可识别,end,cc,ccc,%,显示判断结果,2024/8/28 14:30,第七章 图象分割、描述和识别,22,1,2,3,5,7,0,6,9,4,8,2024/8/28 14:30,第七章 图象分割、描述和识别,23,回答问题,2024/8/28 14:30,第七章 图象分割、描述和识别,24,本章与教材对应章节：,8.1 (,8.1.1；8.1.2；8.1.3,),8.2 (,8.2.1,),10.1,10.5,习题 ：,P428:1,P328:5,