第8章图像处理学案.pptVIP

?骨架描述 收缩和扩展算法举例如下所示： （a）收缩举例 （b）扩展举例 8.3 目标物的区域描述 　细化算法： 细化算法是一种特殊的多次收缩的过程，由于它在收缩过程中不会消去只有一个邻接点的边界点，因此可以保证收缩过程中的连通性，细化后的曲线位于区域中央，一般我们采取由左至右，由上至下的细化过程，反复多次地消去具有两个以上邻接点的边界点。 （a）原始图像 （b）消去上边界点后的区域图像 8.3 目标物的区域描述 下图8.3.8是细化过程示例。 ?骨架描述 　细化算法 (c)消去下边界点后的区域图像 (d）消去左边界点后的区域图像 （e）消去右边界点后的区域图像 8.3 目标物的区域描述 ?骨架描述 　细化算法、收缩算法和中轴变换的区别: 细化算法、收缩算法和中轴变换很相似，其作用都是将原始区域缩小为曲线骨架，但是它们也有区别： （1）收缩算法和细化算法的效果不同。收缩算法使物体区域缩小，但是无法保持其形状特征，而细化算法在缩小区域的同时也能保持区域的基本形状； （2）中轴变换和细化算法的结果不同。通过图8.3.9可以看出，中轴变换的骨架在拐角处延伸到边界，而细化骨架则没有。 （a）中轴变换 （b）细化算法 8.3 目标物的区域描述 图8.3.9 细化与中轴变换的比较 * Digital Image Processing 第八章 图像描述 ◆8.1 像素间的基本关系 ◆8.2 目标物边界的描述 ◆8.3 目标物的区域描述 ◆8.4 图像的几何特征 ◆8.5 图像的矩描述 ◆8.6 图像的纹理描述 图像经过分割后就得到了若干区域和边界。通常把感兴趣部分称作目标（物）,其余的部分称作背景。为了让计算机有效地识别这些目标，必须对各区域、边界的属性和相互关系用更加简洁明确的数值和符号进行表示，这样在保留原图像或图像区域重要信息的同时，也减少了描述区域的数据量。这些从原始图像中产生的数值、符号或者图形称为图像特征，它们反映了原图像的最重要信息和主要特性。我们把这些表征图像特征的一系列符号称为描绘子，描绘子具有如下特点： （1）唯一性:每个目标必须有唯一的表示,否则无法区分。 （2）完整性:描述是明确的，没有歧义的。 （3）几何变换不变性:描述应具有平移、旋转、尺度等几何变换不变性。 （4）敏感性:描述结果应该具有对相似目标加以区别的能力。 （5）抽象性:从分割区域、边界中抽取反映目标特性的本质特征，不容易因噪声等原因而发生变化。 概 述 ?像素的相邻与邻域 4-邻域和4-相邻 对于图像中的某个像素p，其坐标为(m,n)，则与之在水平方向（左和右）和垂直方向（上和下）相邻的4个像素点坐标分别为(m,n-1)，(m,n+1)， (m-1,n)，(m+1,n)，则这4个像素点组成了像素p的4邻域，表示为N4(p)。而这4个像素点在位置上就与像素p相邻。 8.1 像素间的基本关系 4邻示意图 坐标关系 ?像素的相邻与邻域 8-邻域和8-相邻 若取像素p四周的8个像素点作为相邻点，则像素点p的这8个相邻点就构成了8邻域，用N8(p)表示。 8邻示意图 坐标关系 8.1 像素间的基本关系 ?像素间的邻接和连通 像素的相邻仅说明了两个像素在位置上的关系，若再加上取值相同或相近，则称两个像素邻接。 1、两个像素p和q邻接的条件 （1）相邻 p(m,n)和q（s,t）位置上满足相邻，即 （2）灰度值相近，即称为灰度值相近（似）准则。 即： 称为灰度值相近（似）准则。 8.1 像素间的基本关系 2、邻接的类别 根据相邻的类别，邻接也分为两类： 4邻接 ，则称p和q 4邻接，记为 ； (2) 8邻接 ，则称p和q 8邻接，记为 ； (3) 两种邻接的关系 4邻接必8邻接，反之不一定成立。 8.1 像素间的基本关系 两种邻接及其关系见下图所示，相似性准则为V={1}，其中p与q 4邻接，也8邻接；q与r 8邻接但非4邻接。 （1）像素标记 （2）像素取值 （3）4邻接 （4）8邻接 3、通路 设 与 之间的各像素点形成的连线L为