圖像檢測-8二值圖像處理

1、圖像檢測圖像檢測-8-8二值圖像處理二值圖像處理 第八章 二值圖像處理 本章要點本章要點: : 連接與連通域 貼標簽 腐蝕、膨脹、開運算與閉運算 輪廓提取、邊界跟蹤和細線化 幾何特征的測量 8.1 二值圖像分析的概念 經(jīng)過圖像分割之后，獲得了目標物與非目標物兩個不經(jīng)過圖像分割之后，獲得了目標物與非目標物兩個不 同的對象，但是提取出的目標物存在以下的問題：同的對象，但是提取出的目標物存在以下的問題： 1 1）提取的目標中存在）提取的目標中存在偽目標物偽目標物； 2 2）多個目標物中，）多個目標物中，存在粘連或者是斷裂存在粘連或者是斷裂； 3 3）多個目標物）多個目標物存在形態(tài)的不同存在形態(tài)的不同

2、。 二值圖像的分析首先是區(qū)分所提取出的不同的目標物二值圖像的分析首先是區(qū)分所提取出的不同的目標物 之后，對不同的目標物特征差異進行描述與計算，之后，對不同的目標物特征差異進行描述與計算， 最后獲得所需要的分析結果。最后獲得所需要的分析結果。 8.2 連接與連通域的概念 二值圖像中對所有對象的描述的灰度值都二值圖像中對所有對象的描述的灰度值都 一樣，因此，要對不同的目標進行區(qū)分，只一樣，因此，要對不同的目標進行區(qū)分，只 能通過像素間的連通關系。能通過像素間的連通關系。 為了描述方便起見， 后面默認黑色為目標物， 白色為背景。 8.2.1 連接 1)四連接：當前像素為黑，其四個近鄰像素中 至少有一

3、個為黑； 2)八連接：當前像素為黑，其八個近鄰像素中 至少有一個為黑。 四近鄰四近鄰 八近鄰八近鄰 8.2.2 連接域 將相互連在一起的黑色像素的集合稱為一個 連通域。 四接連意義下為6個連通域。 八接連意義下為2個連通域。 可以看到，通過統(tǒng)計連通域的個數(shù)連通域的個數(shù)，即可獲得提 取的目標物的個數(shù)目標物的個數(shù)。 8.3 貼標簽 因為不同的連通域代表了不同的目標，為了 加以區(qū)別，需要對不同的連通域進行標識。 例：下圖，八接連意義下為2個連通域 = “1”號標簽 = “2”號標簽 8.3.1 貼標簽算法 設一個二值矩陣表示一個黑白圖像，為討論 方便起見，令“黑=1”，“白=0”。 例： 01000

4、0 010110 001000 000000 011011 010100 f 8.3.1 貼標簽算法 1）初始化：設標簽號為Lab=0,已貼標簽數(shù)N=0，標簽 矩陣g為全0陣，按照從上到下，從左到右的順序尋 找未貼標簽的目標點； 例： 000000 000000 000000 000000 000000 000000 g 010000 010110 001000 000000 011011 010100 f 8.3.1 貼標簽算法 2）檢查相鄰像素的狀態(tài)：根據(jù)其相鄰像素的狀 態(tài)進行相應的處理； 例： 010000 010110 001000 000000 011011 010100 f 已掃描

5、過的像素 未掃描的像素 當前像素 8.3.1 貼標簽算法 如果掃描過的像素均為0，則Lab=Lab+1, g(i,j)=Lab,N=N+1; 例： 010000 010110 001000 000000 011011 010100 f 010000 000000 000000 000000 000000 000000 g 8.3.1 貼標簽算法 如果掃描過的像素標簽號相同，則 g(i,j)=Lab; 例： 010000 010110 001000 000000 011011 010100 f 010000 000000 000000 000000 000000 000000 g 010000

6、010000 000000 000000 000000 000000 g 010000 010200 000000 000000 000000 000000 g 8.3.1 貼標簽算法 例： 010000 010110 001000 000000 011011 010100 f 010000 010110 001000 000000 011011 010100 f 010000 010220 000000 000000 000000 000000 g 000000 000000 000000 000000 022010 000010 g 010000 010110 001000 000000

7、011011 010100 f 8.3.1 貼標簽算法 如果掃描過的像素標簽號不相同，例如：Lab2Lab1, 則g(i,j)=Lab1，N=N-1，修改所有為Lab2的像素值， 使之為Lab1; 例： 010000 010220 001000 000000 000000 000000 g 010000 010110 001000 000000 000000 000000 g 8.3.1 貼標簽算法 3)將全部的像素進行2）的處理，直到所有的像 素全部處理完成; 例： 010000 010110 001000 000000 011011 010100 f 010000 010110 00100

8、0 000000 011011 010100 f 010000 010110 001000 000000 020000 000000 g 010000 010110 001000 000000 022000 000000 g 010000 010110 001000 000000 011011 010100 f 010000 010110 001000 000000 011011 010100 f 010000 010110 001000 000000 011011 010100 f 010000 010110 001000 000000 011011 010100 f 010000 0101

9、10 001000 000000 022030 000000 g 010000 010110 001000 000000 022033 000000 g 010000 010110 001000 000000 022033 020000 g 010000 010110 001000 000000 022033 020200 g 010000 010110 001000 000000 022022 020200 g 8.3.1 貼標簽算法 4）判斷最終的Lab是否滿足Lab=N， 如果是，則貼標簽處理完成； 如果不是，則表明已貼標簽存在不連號情況。 這時，將進行一次編碼整理，消除不連續(xù)編號 的情

10、況。 8.3.2 貼標簽的應用例 8.4 腐蝕 腐蝕腐蝕 是一種消除連通域的邊界點，使邊界向 內(nèi)收縮的處理。 例： 8.4.1 腐蝕的基本設計思想 設計一個設計一個結構元素結構元素，結構元素的原點定位在待處理，結構元素的原點定位在待處理 的的目標像素目標像素上，通過判斷是否覆蓋，來確定是否該上，通過判斷是否覆蓋，來確定是否該 點被腐蝕掉。點被腐蝕掉。 二值圖像 結構元素 結果圖像 8.4.2 腐蝕算法 1）掃描原圖，找到第一個像素值為1的目標點； 2）將預先設定好形狀以及原點位置的結構元素的原點移 到該點； 3）判斷該結構元素所覆蓋范圍內(nèi)的像素值是否全部為1： 如果是，則腐蝕后圖像中的相同位置

11、上的像素值為1； 如果不是，則腐蝕后圖像中的相同位置上的像素值為0； 4）重復2）和3），直到所有原圖中像素處理完成。 8.4.3 腐蝕處理例 例： 注：圖像畫面上邊框處不能被結構元素覆蓋的部分 可以保持原來的值不變，也可以置為背景。 8.4.4 腐蝕處理的應用 腐蝕處理可以將粘連在一起的不同目標物分 離，并可以將小的顆粒噪聲去除。 8.5 膨脹 膨脹是將與目標區(qū)域的背景點合并到該目標 物中，使目標物邊界向外部擴張的處理。 例： 8.5.1 膨脹的基本設計思想 設計一個結構元素，結構元素的原點定位在設計一個結構元素，結構元素的原點定位在背景像背景像 素素上，判斷是否覆蓋有目標點，來確定是否該點

12、被上，判斷是否覆蓋有目標點，來確定是否該點被 膨脹為目標點。膨脹為目標點。 二值圖像 結構元素 結果圖像 8.5.2 膨脹算法 1）掃描原圖，找到第一個像素值為0的背景點； 2）將預先設定好形狀以及原點位置的結構元素的原點移 到該點； 3）判斷該結構元素所覆蓋范圍內(nèi)的像素值是否存在為1的 目標點： 如果是，則膨脹后圖像中的相同位置上的像素值為1； 如果不是，則膨脹后圖像中的相同位置上的像素值為0； 4）重復2）和3），直到所有原圖中像素處理完成。 8.5.3 膨脹處理例 例： 8.5.4 膨脹處理的應用 膨脹處理可以將斷裂開的目標物進行 合并，便于對其整體的提取。 8.6 開運算與閉運算 前面

13、介紹的膨脹與腐蝕運算，對目標物的后處 理有著非常好的作用。但是，腐蝕和膨脹運算 的一個缺點是，改變了原目標物的大小。 為了解決這一問題，考慮到腐蝕與膨脹是一對 逆運算，將膨脹與腐蝕運算同時進行。由此便 構成了開運算與閉運算。 8.6.1 開運算 開運算是對原圖開運算是對原圖先先進行進行腐蝕腐蝕處理，處理，后后再進行再進行膨脹膨脹的的 處理。處理。 開運算開運算可以在分離粘連目標物的同時，基本保持原可以在分離粘連目標物的同時，基本保持原 目標物的大小。目標物的大小。 腐蝕腐蝕膨脹膨脹 8.6.2 閉運算 閉運算是對原圖閉運算是對原圖先先進行進行膨脹膨脹處理，處理，后后再進行再進行腐蝕腐蝕的的 處

14、理。處理。 閉運算閉運算可以在合并斷裂目標物的同時，基本保持原可以在合并斷裂目標物的同時，基本保持原 目標物的大小。目標物的大小。 膨脹膨脹腐蝕腐蝕 問題：本例未能將分裂成兩個連通域的目標合并，怎么辦？ 8.6.3 開、閉運算的變形 如果當按照常規(guī)的開運算不能分離粘連，如果當按照常規(guī)的開運算不能分離粘連， 或者是閉運算不能合并斷裂：或者是閉運算不能合并斷裂： 對于對于開開運算可以先進行運算可以先進行N N次腐蝕次腐蝕，再進行，再進行 N N次膨脹次膨脹； 對于對于閉閉運算可以先進行運算可以先進行N N次膨脹次膨脹，再進行，再進行 N N次腐蝕次腐蝕。 8.6.3 閉運算的變形例 2次膨脹次膨脹

15、1次膨脹次膨脹 1次腐蝕次腐蝕 2次腐蝕次腐蝕 8.7 8.7 輪廓提取和邊界跟蹤 目的：獲得圖像的外部輪廓特征，為形狀分析做準備。 內(nèi)部點：目標與背景不相鄰接的點。 邊界點：目標與背景相鄰接的點。 二值化圖像的輪廓提取算法就是掏空內(nèi)部點，即原圖中 有一目標點，其四近鄰都是目標點，該點變成背景。 原圖 8連接 4連接 邊界跟蹤： 1.自上而下，自左到右掃描，將第一個黑點A標記為起始點， 便于判斷跟蹤完畢。 2.逆時針搜索，在A的5670順序判斷，第一個黑點B為邊界點， 并做標記。 3.從B開始在B的45670123順序判斷，如果是邊界點，且第一個 黑點C為邊界點，并做標記。 4.直到C就是A時

16、結束。 其中邊界點判斷：該點的上下左右不全是黑點。 A B C 3 4 5 2 * 6 1 0 7 A B C 8.8 8.8 細線化方法細線化方法 細線化是一種二值圖像處理運算?？梢园讯祱D像區(qū)域縮細線化是一種二值圖像處理運算?？梢园讯祱D像區(qū)域縮 成線條，以逼近區(qū)域的成線條，以逼近區(qū)域的中心線中心線。 細線化的細線化的目的目的是減少圖像成分，只留下區(qū)域最基本的信息，是減少圖像成分，只留下區(qū)域最基本的信息， 以便進一步分析和處理。以便進一步分析和處理。 細線化一般用于細線化一般用于文本分析預處理文本分析預處理階段。階段。 （1）近鄰（）近鄰（4、 8鄰點）鄰點） （2）連通（）連通（4、8連

17、通）連通） （3）路徑指互為鄰點一個像素序列）路徑指互為鄰點一個像素序列 （4）連通性具有：連通性具有：自反性、互換性和傳遞性自反性、互換性和傳遞性 （5 5）簡單簡單邊界點邊界點: : 其鄰域中（不包括其鄰域中（不包括P點）只有一個連通成分點）只有一個連通成分 的邊界點的邊界點 (a) (b) (a) (b) (c)(c) (d)(d) (e)(e) (f) (g) (f) (g) 當前點與近鄰點的連接方式當前點與近鄰點的連接方式: : 8.8.1 細線化基本概念 8.8.2 8.8.2 細線化要求細線化要求 （1）連通區(qū)域必須細化成連通線結構；）連通區(qū)域必須細化成連通線結構； （2）細化結

18、果至少是）細化結果至少是8連通的；連通的； （3）保留終止線的位置；）保留終止線的位置； （4）細化結果應該近似于中軸線；）細化結果應該近似于中軸線； （5）由細化引起的附加突刺應該是最小的。）由細化引起的附加突刺應該是最小的。 8.8.3 8.8.3 細線化算法細線化算法 在至少在至少3x3鄰域內(nèi)檢查圖像前景中的每一個像素，鄰域內(nèi)檢查圖像前景中的每一個像素， 迭代削去簡單邊界點，直至區(qū)域被細化成一條線。迭代削去簡單邊界點，直至區(qū)域被細化成一條線。 判據(jù)：判據(jù)： 1）內(nèi)部點內(nèi)部點不能刪，不能刪， 2）孤立點孤立點不能刪；不能刪； 3）直線）直線端點端點不能刪；不能刪； 4）如果）如果P點是邊界

19、點，去掉點是邊界點，去掉P后，如果連通分量不后，如果連通分量不 增加，可以刪。增加，可以刪。 123 45 678 設白為設白為1 1，黑為，黑為0 0，左上方點為，左上方點為8 8位數(shù)的第一位（最位數(shù)的第一位（最 低位），正上方為第二位低位），正上方為第二位. .右下方為第八位，這右下方為第八位，這 樣組成的二進制樣組成的二進制8 8位數(shù)去查表。位數(shù)去查表。 Erasetable256= 0,0,1,1,0,0,1,1, 1,1,0,1,1,1,0,1, 1,1,0,0,1,1,1,1, 0,0,0,0,0,0,0,1, 0,0,1,1,0,0,1,1, 1,1,0,1,1,1,0,1, 1

20、,1,0,0,1,1,1,1, 0,0,0,0,0,0,0,1, 1,1,0,0,1,1,0,0, 0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0, 1,1,0,0,1,1,0,0, 1,1,0,1,1,1,0,1, 0,0,0,0,0,0,0,0, 0,0,0,0,0,0,0,0, 0,0,1,1,0,0,1,1, 1,1,0,1,1,1,0,1, 1,1,0,0,1,1,1,1, 0,0,0,0,0,0,0,1, 0,0,1,1,0,0,1,1, 1,1,0,1,1,1,0,1, 1,1,0,0,1,1,1,1, 0,0,0,0,0,0,

21、0,0, 1,1,0,0,1,1,0,0, 0,0,0,0,0,0,0,0, 1,1,0,0,1,1,1,1, 0,0,0,0,0,0,0,0, 1,1,0,0,1,1,0,0, 1,1,0,1,1,1,0,0, 1,1,0,0,1,1,1,0, 1,1,0,0,1,0,0,0 (a)(a) (b) (b) (c)(c) (d)(d) (e)(e) (f) (g) (f) (g) 0 37 173 231 237 254 2550 37 173 231 237 254 255 32 64 96 128 160 193 224 256 nwnne we swsse 128643216842ses

22、swewnenmwnum 水平方向細化：左鄰點水平方向細化：左鄰點w或右鄰點或右鄰點e至少一個為至少一個為1（或（或255） 128 255 64 255 32 255 16 255 8 255 4 255 2 255255 sesswewnenmw num 垂直方向細化：上鄰點垂直方向細化：上鄰點n或下鄰點或下鄰點s 至少一個為至少一個為1（或（或255） 用用num查表，查表， 如果如果Erasetablenum=1，可刪除。，可刪除。 直到?jīng)]有刪除點時結束。直到?jīng)]有刪除點時結束。 或或 原圖原圖 細線化結果細線化結果 8.9 特征量的測量 一、面積 面積面積定義為連通域中像素的總數(shù)。是對

23、二值化處 理之后的連通域的大小進行度量的幾何特征量。 ( , ) ( , ) S x yS Af x y 例：連通域的面積為 3555321 S A 二、周長（或邊界長） 周長周長是指包圍某個連通域的邊界輪廓線的長度。 設Ne邊界線上方向碼為偶數(shù)的像素個數(shù)，No為邊界 線上方向碼為奇數(shù)的像素個數(shù)。 周長的計算公式定義如下 2 Seo LNN 3 4 5 2 * 6 1 0 7 例：連通域的周長為 (1 1 1 1 1 1 1 1)2 (1 1 1 1)84 213.66 S L 起始點， 逆時針 三、質(zhì)心 質(zhì)心質(zhì)心原本定義為物體的質(zhì)量中心。假設二值圖像的 每個像素的“質(zhì)量”是完全相同的。S表示

24、連通域， Ns為連通域中像素的個數(shù)，質(zhì)心點的坐標計算公 式定義如下 4)6355453523( 21 1 m x ( , ) 1 m x yS S xx N ( , ) 1 m x yS S yy N 連通域的質(zhì)心為 是否取整看具體應用場合，如亞像素定位時取浮點形式 4)6355453523( 21 1 m y 四、圓形度 圓形度圓形度是定義與圓形相似程度的量。As為連通域 的面積，Ls為連通域的周長 ，圓形度的計算公 式如下 2 4 S c S A L 對于圓形目標，圓形度取最大值，目標形狀越復雜， 則值越小。因此，圓形度可作為目標形狀的復雜度 或者粗糙程度的一種度量。 c=1.41 c=1.227 c=1.276 五、矩形度 與圓形度類似，矩形度矩形度是描述連通域與矩形 相似的程度的量。A