第3-4章(刘允利)图像中物体的提取..pptVIP

第三章 图像中物体的提取 3.1 何谓“提取” 3.2利用阈值提取 3.1 何谓“提取” 图像处理技术中，常用的“提取”技术是把不要的东西除去，只把想要的对象部分的图像取出、分离出来。例如： 3.2利用阈值提取 阈值处理的主要思路是，对于输入图像的各个像素，先确定某个亮度值（即阈值），当像素的亮度超过该阈值时，则将对应输出图像的像素值设为1，否则设为0。 阈值提取的公式表示 可如下式所示： f(x,y),g(x,y)分别为处理前、处理后的图像中处于（x,y）位置上的某个像素的浓度值，t为阈值。 3.3阈值的确定 首先，要提取的物体图像与背景在亮度上应当有较明显的差别，否则连人眼也识别不出来。 接着应确定要提取部分与将要丢弃的部分图像的亮度值分别大约是多少，可经若干检测试验后确定。 3.3阈值的确定 上述方法需要对每一个点上像素的亮度都要进行检查，效率很低，有无更好的方法呢？采用直方图（频度分布）法会更有效。 3.3.1直方图 所谓直方图（histogram），如图所示，是指表示具有浓度值为i的像素有多少个的频度分布统计图 直方图实例 左图为lena图像，下图为其直方图，横坐标是从小到大灰度，纵坐标是像素数量。 采用直方图确定阈值 有图可见，原图有文字和背景两部分构成，浓度值120前后的山峰，相当于文字部分的像素，浓度值在160前后的山峰，则相当于背景的像素。把这两个山峰之间即山谷处的浓度值当作阈值，就可以将二者（文字与背景）清楚地分离开. 直方图平滑化 所谓直方图平滑化，即将亮度为t前后n点的像素值取平均值作为该点的像素数。从而将图平滑化，这样就很容易发现两者之间的谷底值。 直方图平滑化后选取阈值为140后的二值处理结果 第四章 图像轮廓的提取 4.1轮廓与图像处理 4.2轮廓的性质 4.3微分法提取图像的轮廓 4.4模板法提取轮廓 4.5制作二值轮廓图像 4.6整理轮廓 4.1轮廓与图像处理 字典中对“轮廓”一词的解释是：“表示物体外缘的线”。 图像轮廓的提取（又可称为“抽出轮廓”或者“边缘抽取”）是图像处理中一项重要的基本技术。利用提取出来的论廓可以把特定的物体选拔出来，还可以计算其面积和周长以及两幅图像的对应点，甚至还能进行更复杂的图像认识和理解等。 4.2轮廓的性质 图像中物体与物体，或者物体与背景的交界线就形成了轮廓，或者在图像的浓度和色彩发生急剧变化之处，就可以见到轮廓。在自然图像中，当色彩产生变化时，一定也伴随着相当程度的浓度变化。因此，在提取轮廓时，首先应当注重于浓度的变化。 当由人眼所见而抽取出轮廓时，该部分的浓度变化量都会有些减少，多少都会产生钝化.因此，要提取出清晰漂亮的轮廓并非容易的事情，研究人员已经提出了各种算法方案。 4.3微分法提取图像的轮廓 轮廓产生于浓度值急剧变化的部分，因此可知，利用可以取出函数变化部分的微分运算就能抽出图像的轮廓。而微分又分为一阶微分与二阶微分,这两种微分都可用于轮廓的提取。 在（x，y）坐标系中，一阶微分可用下式表示： 二阶微分表示 二阶微分L(x,y)又可以称为拉普拉斯算子。由于它是把梯度、变化率再求一次微分，所以只用来求出轮廓的强度，数字图像表示式为： 4.4模板法提取轮廓 所谓模板匹配法，是指通过了解与模板的匹配程度来提取轮廓，即选定若干种有代表性轮廓的标准样板，在把一部分图像与这些模板进行比较后，从中选出最相似的方法。 一种称为prewitt方法 Prewitt算子的使用方法 先把输入图像的像素及其相邻像素的浓度值与掩模图例值相乘后求和，然后比较计算结果，再确定出一致程度与哪种边界图例最相似。 对8种prewitt算子求取最大值的掩模图例作为边界的方向，求得结果作为边界的强度值。 拉普拉斯算子提取轮廓 二阶微分L(x,y) 拉普拉斯算子,提取图像的轮廓，如下图，图中左面是原图象，右面是经拉普拉斯算子处理后的轮廓图像。 求取轮廓举例 4.6 制作二值轮廓图像 上述方法输出的图像都为与轮廓的强度相应的浓淡图像，用打印机输出时必须进行二值化处理，需要对经轮廓提取出来的输出图像进行阈值处理。 阈值选取对轮廓影响 采用二值化处理时，阈值选取越大，轮廓线越模糊，反之，阈值太小，则无用的噪声会曾多。除了采用反复试验以确定出较适合的阈值以外，也可以采用类似直方图处理的方法来提取轮廓。 4.7 整理轮廓线（细线化） 由上述方法得到的轮廓进一步加工处理后，还可以得到更清晰的图像。 所谓细线化，就是把粗细不一的轮廓线整理成同样粗细的线（一般为一个像素的宽度），再进行阈值处理后，变成二值图像。从较粗轮廓线的外侧开始削细，直到变为只有一个像素的宽度为止。削除像素的原则不同，所用方法也各异。 * * 从都市的风景图像中，只把人