第七章 像分割与边缘检测.pptVIP

数字图像处理 第七章 图像分割与边缘检测 H、S、I颜色空间的优势！！ 在HIS模型中亮度分量与色度分量是分开的； 色调与饱和度的概念与人的感知联系紧密。 2. 欧几里得距离法 为减少计算量，可采用直方图的均值来粗略地表达颜色信息，对图像的R、G、 B三个分量，匹配的特征矢量f是 (7-11) 式中, μR、μG、μB分别是R、G、B三个分量直方图的0阶距。 此时查询图像Q和数据库图像D之间的匹配值为 (7-12) 3. 中心矩法  对直方图来说，均值为0阶矩，更高阶的矩也可使用。设用 分别表示查询图像Q的R、G、B三个分量直方图的i(i≤3)阶中心矩；用 分别表示数据库图像D的R、G、B三个分量直方图的i(i≤3)阶中心矩，则它们之间的匹配值为 式中，WR，WG，WB为加权系数。 4. 参考颜色法 欧几里得距离法太粗糙，直方图相交法计算量太大，一种折衷的方法是将图像颜色用一组参考色表示，这组参考色应能覆盖视觉上可感受到的各种颜色。参考色的数量要比原图像少， 这样可计算简化的直方图， 所以匹配的特征矢量是 f=［r1, r2…rN］T (7-14) 式中：ri是第i种颜色出现的频率，N是参考颜色表的尺寸。加权后的查询图像Q和数据库图像D之间的匹配值为 (7-15) 式中： 前面4种方法中，后3种主要是从减少计算量的角度对第1种方法进行简化， 但直方图相交法还有另外一个问题。当图像中的特征并不能取遍所有的可取值时，统计直方图中会出现一些零值。这些零值的出现会给直方图的相交带来影响，从而使得由式(7-10)求得的匹配值并不能正确反映两图间的颜色差别。 5. 闵可夫斯基距离法  若两幅图像Q和D的直方图分别为HQ和HK，则颜色直方图匹配的计算方法可以利用度量空间的闵可夫斯基 (λ=1, 也叫“街坊”（City Block）距离)， 按如下方法进行匹配 (7-16) R、G、B图像颜色是由不同亮度的红、绿、蓝三基色组成， 因此式(7-16)可以改写成： (7-17) 式(7-17)在具体实施时，必须从所读取的各像素颜色值中分离出R、G、B三基色的亮度值。这种方法进行颜色匹配的例子如图7-16（c）所示。 图7-9 图像中不同类型的边界 （a） 边界； （b） 线； （c） 折线变化； （d） 缓慢的平滑变化 (a) (b) (d) (c) 图7-10 用Prewitt算子进行边缘检测的结果 7.2.2 高斯-拉普拉斯(LOG)算子 噪声点对边缘检测有较大的影响，效果更好的边缘检测器是高斯-拉普拉斯(LOG)算子。它把高斯平滑滤波器和拉普拉斯锐化滤波器结合起来，先平滑掉噪声，再进行边缘检测，所以效果更好。 常用的LOG算子是5×5的模板： 图7-11 LOG算子中心点的距离与位置加权系数的关系 若将图7-11绕y轴作旋转一周后，LOG算子很像一顶墨西哥草帽， 所以，LOG又叫墨西哥草帽滤波器。 在图像边缘检测中， 还有Wallis算子、 过零点检测（Marr-Hildreth算子）、 Canny边缘检测方法、 SUSAN（Smallest Univalue Segment Assimilating Nucleus）边缘检测等。 7.3 轮廓跟踪与提取 7.3.1 轮廓跟踪 在识别图像中的目标时，往往需要对目标边缘作跟踪处理， 也叫轮廓跟踪。 轮廓跟踪就是通过顺序找出边缘点来跟踪边界的。若图像是二值图像或图像中不同区域具有不同的像素值，但每个区域内的像素值是相同的，则如下算法可完成基于4连通或8连通区域的轮廓跟踪。 步骤1： 首先按从上到下, 从左到右的顺序扫描图像，寻找没有标记跟踪结束记号的第一个边界起始点A0， A0是具有最小行和列值的边界点。定义一个扫描方向变量dir,该变量用于记录上一步中沿着前一个边界点到当前边界点的移动方向，其初始化取值为 (1) 对4连通区域取dir = 3， 如图7-12(a)所示；  (2) 对8连通区域取dir = 7， 如图7-12(b)所示。 图7-12 方向变量的初始化 步骤2： 按逆时针方向有哪些信誉好的足球投注网站当前像素的3×3邻域， 其起始有哪些信誉好的足球投注网站方向设定如下：  (1)对4连通区域取(