第8章 二值圖像處理

1、第八章第八章 二值圖像處理二值圖像處理本章要點本章要點: : 連接與連通域連接與連通域 貼標簽貼標簽 腐蝕、膨脹、開運算與閉運算腐蝕、膨脹、開運算與閉運算 輪廓提取和邊界跟蹤輪廓提取和邊界跟蹤 幾何特征的測量幾何特征的測量8.1 二值圖像分析的概念經過圖像分割之后，獲得了目標物與非目標物兩個不同的對象，經過圖像分割之后，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：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

2、態(tài)的不同存在形態(tài)的不同。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進行描述與計算，最后獲得所需要的分析結果。同的目標物特征進行描述與計算，最后獲得所需要的分析結果。 8.2 8.2 連接與連通域的概念連接與連通域的概念 二值圖像中對所有對象的描述的像素值都一樣，二值圖像中對所有對象的描述的像素值都一樣，因此，要對不同的目標進行區(qū)分，只能通過像素因此，要對不同的目標進行區(qū)分，只能通過像素間的連通關系。間的連通關系。 為了描述方便起見，為了描述方便起見，后面默認黑色為目標物，后面默認黑色為目標物，白色為背景。白色為

3、背景。8.2.1 8.2.1 連接連接1)1)四連接：當前像素為黑，其四個近鄰像素中至少有四連接：當前像素為黑，其四個近鄰像素中至少有一個為黑；一個為黑；2)2)八連接：當前像素為黑，其八個近鄰像素中至少有八連接：當前像素為黑，其八個近鄰像素中至少有一個為黑。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。將相互連在一起的黑色像素的集合稱為一個連通域。四連接意義下為四連接意義下為6 6個連通域。個連通域。八連接意義下為八連接意義下為2 2個連通域。個連通域?？梢钥吹?，通過統(tǒng)計可以看到，通過統(tǒng)計連通域的個數連通域的個數，即可獲得提，即可獲得提取

4、的取的目標物的個數目標物的個數。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)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別，需要對不同的連通域進行標識標識。例：下圖，八連接意義下為例：下圖，八連接意義下為2 2個連通域個連通域= = “1 1”號標簽號標簽= = “2 2”號標簽號標簽8.3.1 貼標簽算法 設一個二值矩陣表示一個黑白圖像，為討論方便起設一個二值矩陣表示一個黑白圖像，為討論方便起見，令見，令“黑黑=1=1”，“白白=0=0”。例：010000010110001000000000011011010100f8.3.1 8.3.1 貼標簽算法

5、貼標簽算法1 1）初始化：設標簽號為）初始化：設標簽號為Lab=0,Lab=0,已貼標簽數已貼標簽數N=0N=0，標簽矩標簽矩陣陣g g為全為全0 0陣，按照從上到下，從左到右的順序尋找未陣，按照從上到下，從左到右的順序尋找未貼標簽的目標點；貼標簽的目標點；例：例：000000000000000000000000000000000000g010000010110001000000000011011010100f8.3.1 8.3.1 貼標簽算法貼標簽算法2 2）檢查相鄰像素的狀態(tài)：根據其相鄰像素的狀態(tài)進）檢查相鄰像素的狀態(tài)：根據其相鄰像素的狀態(tài)進行相應的處理；行相應的處理；例：01000001

6、0110001000000000011011010100f 已掃描過的像素 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如果掃描過的像素均為0 0，則，則Lab=Lab+1, Lab=Lab+1, g(i,j)=Lab,N=N+1;g(i,j)=Lab,N=N+1;例：010000010110001000000000011011010100f010000000000000000000000000000000000g8.3.1 8.3.1 貼標簽算法貼標簽算法 如果掃描過的像素標簽號相同，則如果掃描過的像素標簽號相同，則g(i,j)=Lab;g(i,j)=Lab;例：010

7、000010110001000000000011011010100f010000000000000000000000000000000000g010000010000000000000000000000000000g010000010200000000000000000000000000g8.3.1 8.3.1 貼標簽算法貼標簽算法例：010000010110001000000000011011010100f010000010110001000000000011011010100f010000010220000000000000000000000000g00000000000000000000

8、0000022010000010g010000010110001000000000011011010100f8.3.1 8.3.1 貼標簽算法貼標簽算法 如果掃描過的像素標簽號不相同，例如：如果掃描過的像素標簽號不相同，例如：Lab2Lab1,Lab2Lab1,則則g(i,j)=Lab1g(i,j)=Lab1，N=N-1N=N-1，修改所有為，修改所有為Lab2Lab2的像素值，使之為的像素值，使之為Lab1;Lab1;例：010000010220001000000000000000000000g010000010110001000000000000000000000g8.3.1 貼標簽算法3

9、)3)將全部的像素進行將全部的像素進行2 2）的處理，直到所有的像素全）的處理，直到所有的像素全部處理完成部處理完成; ;例：010000010110001000000000011011010100f010000010110001000000000011011010100f010000010110001000000000020000000000g010000010110001000000000022000000000g010000010110001000000000011011010100f010000010110001000000000011011010100f010000010110001

10、000000000011011010100f010000010110001000000000011011010100f010000010110001000000000022030000000g010000010110001000000000022033000000g010000010110001000000000022033020000g010000010110001000000000022033020200g010000010110001000000000022022020200g8.3.1 貼標簽算法4 4）判斷最終的）判斷最終的LabLab是否滿足是否滿足Lab=NLab=N， 如果是，

11、則貼標簽處理完成；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。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)編號這時，將進行一次編碼整理，消除不連續(xù)編號的情況。的情況。8.3.2 8.3.2 貼標簽的應用例貼標簽的應用例編碼桿的中線檢測編碼桿的中線檢測中心位置變中心位置變動量檢測動量檢測孔的檢測孔的檢測8.4 8.4 腐蝕腐蝕腐蝕腐蝕 是一種消除連通域的邊界點，使邊界向是一種消除連通域的邊界點，使邊界向內收縮的處理。內收縮的處理。例：8.4.1 8.4.1 腐蝕的基本設計思想腐蝕的基本設計思想 設計一個結構元素，結構元素的原點定位在待處理設

12、計一個結構元素，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。二值圖像二值圖像結構元素結構元素結果圖像結果圖像8.4.2 腐蝕算法1 1）掃描原圖，找到第一個像素值為）掃描原圖，找到第一個像素值為1 1的目標點；的目標點；2 2）將預先設定好形狀以及原點位置的結構元素的原點移）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；到該點；3 3）判斷該結構元素所覆蓋范圍內的像素值是否）判斷該結構元素所覆蓋范圍內的像素值是否全部為全部為1 1： 如果是，則腐蝕后圖像中的相同位置上的像素值為如果是，則腐蝕后

13、圖像中的相同位置上的像素值為1 1； 如果不是如果不是, ,則腐蝕后圖像中的相同位置上的像素值為則腐蝕后圖像中的相同位置上的像素值為0 0；4 4）重復）重復2 2）和）和3 3），直到所有原圖中像素處理完成。），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。部分可以保持原來的值不變，也可以置為背景。8.4.4 8.4.4 腐蝕處理的應用腐蝕處理的應用 腐蝕處理腐蝕處理可以將粘連在一起的不同目標物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。分離，并可

14、以將小的顆粒噪聲去除。8.5 膨脹 膨脹是將與目標區(qū)域接觸的背景點合并到該目標物膨脹是將與目標區(qū)域接觸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。中，使目標物邊界向外部擴張的處理。例：8.5.1 8.5.1 膨脹的基本設計思想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，來確定是否將該點上，判斷是否覆蓋有目標點，來確定是否將該點膨脹為目標點。膨脹為目標點。二值圖像二值圖像結構元素結構元素8.5.2 8.5.2 膨脹算法膨脹算法1 1）掃描原圖，找到第一個像素值為）掃描原圖，找到第一個像素值為

15、0 0的背景點；的背景點；2 2）將預先設定好形狀以及原點位置的結構元素的原點）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；移到該點；3 3）判斷該結構元素所覆蓋范圍內的像素值是否）判斷該結構元素所覆蓋范圍內的像素值是否存在為存在為1 1的目標點：的目標點： 存在，則膨脹后圖像中的相同位置上的像素值為存在，則膨脹后圖像中的相同位置上的像素值為1 1； 不存在不存在, ,則膨脹后圖像中的相同位置上的像素值為則膨脹后圖像中的相同位置上的像素值為0 0；4 4）重復）重復2 2）和）和3 3），直到所有原圖中像素處理完成。），直到所有原圖中像素處理完成。8.5.3 膨脹處理例例：例：8.5

16、.4 8.5.4 膨脹處理的應用膨脹處理的應用 膨脹處理膨脹處理可以將斷裂開的目標物進行合并，可以將斷裂開的目標物進行合并，便于對其整體的提取。便于對其整體的提取。8.6 8.6 開運算與閉運算開運算與閉運算 腐蝕和膨脹運算的一個缺點是，改變了原目標物腐蝕和膨脹運算的一個缺點是，改變了原目標物的大小。的大小。 腐蝕與膨脹是一對逆運算，將膨脹與腐蝕運算同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。時進行。由此便構成了開運算與閉運算。 8.6.1 開運算 開運算是對原圖先進行腐蝕處理，后再進行膨脹的開運算是對原圖先進行腐蝕處理，后再進行膨脹的處理。（處理。（先腐蝕

17、，后膨脹先腐蝕，后膨脹） 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 閉運算是對原圖先進行膨脹處理，后再進行腐蝕的閉運算是對原圖先進行膨脹處理，后再進行腐蝕的處理。處理。( (先膨脹，后腐蝕先膨脹，后腐蝕) ) 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8.7 8.7 輪廓提取和邊界跟蹤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。目的：獲得圖像的外部輪廓特征，為形狀分析做準備。

18、內部點內部點：目標與背景不相鄰接的點。：目標與背景不相鄰接的點。邊界點邊界點：目標與背景相鄰接的點。：目標與背景相鄰接的點。二值化圖像的輪廓提取算法就是二值化圖像的輪廓提取算法就是掏空內部點掏空內部點，即原圖中，即原圖中有一目標點，其四近鄰都是目標點，則該點變成背景。有一目標點，其四近鄰都是目標點，則該點變成背景。 原圖原圖 4 4近鄰近鄰 8 8近鄰近鄰邊界跟蹤：邊界跟蹤：1.1.自上而下，自左到右掃描，將第一個目標點自上而下，自左到右掃描，將第一個目標點A A標記為起始點，標記為起始點，便于判斷跟蹤完畢。便于判斷跟蹤完畢。2.2.逆時針搜索，在逆時針搜索，在A A的的56705670順序判

19、斷，第一個目標點順序判斷，第一個目標點B B為邊界點，為邊界點，并做標記。并做標記。3.3.從從B B開始在開始在B B的的4567012345670123順序判斷，如果是邊界點，且第一個順序判斷，如果是邊界點，且第一個目標點目標點C C為邊界點，并為邊界點，并做標記做標記。4.4.直到直到C C就是就是A A時結束。時結束。其中邊界點判斷：該點的上下左右不全是目標點。其中邊界點判斷：該點的上下左右不全是目標點。ABC3452*6107ABC8.8 特征量的測量一、面積一、面積面積面積定義為連通域中像素的總數。是對二值化處定義為連通域中像素的總數。是對二值化處理之后的連通域的大小進行度量的幾何

20、特征量。理之后的連通域的大小進行度量的幾何特征量。例：連通域的面積為例：連通域的面積為 3555321SA SyxSA),(1二、周長（或邊界長）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。是指包圍某個連通域的邊界輪廓線的長度。2SeoLNN3452*6107例：連通域的周長為例：連通域的周長為 (1 1 1 1 1 1 1 1)2 (1 1 1 1)84 213.66SL 起始點起始點周長的計算公式定義如下周長的計算公式定義如下設設NeNe為邊界線上方向碼為偶數的像素個數，為邊界線上方向碼為偶數的像素個數，NoNo為邊界為邊界線上方向碼為奇數的像素個數。線上方向碼為奇數

21、的像素個數。三、質心三、質心質心質心為物體的質量中心。假設二值圖像的每個像素的為物體的質量中心。假設二值圖像的每個像素的“質量質量”是完全相同的。是完全相同的。S S表示連通域，表示連通域，NsNs為連通為連通域中像素的個數，質心點的坐標計算公式定義如下域中像素的個數，質心點的坐標計算公式定義如下( , )1mx ySSxxN( , )1mx ySSyyN連通域的質心為連通域的質心為1(3 25 35 45 63 7)4.4421mx 1(3 25 35 45 63 7)4.4421my 注：是否取整看具體應用場合，如亞像素定位時取浮點形式注：是否取整看具體應用場合，如亞像素定位時取浮點形式四

22、、圓形度四、圓形度 圓形度：圓形度：與圓形的相似程度。與圓形的相似程度。AsAs為連通域的面積，為連通域的面積，LsLs為連通域的周長為連通域的周長 ，圓形度的計算公式如下，圓形度的計算公式如下24ScSAL對于圓形目標，圓形度取最大值，目標形狀越復雜，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?；蛘叽植诔潭鹊囊环N度量。 c c=1.41 =1.41 c c=1.227 =1.227 c c=1.276=1.276五、矩形度五、矩形度與圓形度類似，與圓形度類似，矩形度矩形度是描述連通域與矩形相似是描述連通域與矩形相似程度的量。程度的量。AsAs為連通域的面積，為連通域的面積，A AR R是包圍該連通是包圍該連通域的域的最小矩形的面積最小矩形的面積。矩形度的計算公式定義。矩形度的計算公式