數(shù)字圖像處理技術(shù)的應(yīng)用7圖像分析課件

1、圖像分析通常按下列順序進(jìn)行：從圖像中提取對象或?qū)ο蠼M成部分的圖像特征(例如圖像中景物的邊緣或區(qū)域)。求出圖像特征的屬性或相互關(guān)系。利用圖像特征的屬性或相互關(guān)系來決定每個屬性應(yīng)屬于哪個對象的哪個部分。預(yù)處理： 圖像銳化、圖像平滑分 割： 直方圖分割、概率統(tǒng)計門限檢測、邊緣檢測、群聚、紋 理匹配特征提取：空間特征、變換特征、邊緣邊界、形狀特征、矩、紋 理特征分 類：7.1 圖像特征7.2 圖像分割7.3 圖像描述（特征提?。?.4 圖像分析 7.4.1 紋理分析 7.4.2 圖像序列分析7.1 圖像特征1、幅度特征：gray、bright2、直方圖特征：P(rk)=nk/N 第rk個灰度級出現(xiàn)的頻

2、數(shù) 可從直方圖的分布得到：圖像對比度、動態(tài)范圍、 明暗程度等 一階直方圖的特征參數(shù)： rk量化層 均值： 方差： 歪斜度： 峭度： 7.1 圖像特征 熵： 能量：7.1 圖像特征3、變換特征：頻域中的一些特征：如M與F不是唯一地對應(yīng)（M有位移不變性）7.1 圖像特征v v(m+1)u v(m)水平切口垂直切口環(huán)狀切口扇狀切口7.1 圖像特征這些特征說明了圖像中含有這些切口的頻譜成分的含量。信息可 作為模式識別或分類系統(tǒng)的輸入信息。已成功用于土地情況分類，放射照片病情診斷等 Ff(x,y) F-1F(u,v)g(u,v)7.1 圖像特征4、紋理特征：自然紋理：種子、草地（無規(guī)則性） 人工紋理：織

3、物、磚墻（有規(guī)則性，它的灰度分布具有 周期性，即使灰度變化是隨機(jī)的，它也具有一定的統(tǒng)計特性）標(biāo)志三要素： 1）某種局部的序列性在該序列更大的區(qū)域內(nèi)不斷重復(fù) 2）序列基本元素是非隨機(jī)排列組成的 3）區(qū)域內(nèi)任何地方都有大致相同的結(jié)構(gòu)尺寸描述紋理圖像特征的參數(shù)有許多種，如 1）知道像素及鄰近像素的灰度分布情況。 7.1 圖像特征 2）檢查小區(qū)域內(nèi)灰度直方圖，檢查各小區(qū)域直方圖的相似性， 具有相似直方圖的小區(qū)域同屬一個大區(qū)域7.2 圖像分割7.2.1 幅度分割7.2.2 邊緣檢測7.2.3 區(qū)域分割7.2 圖像分割 圖像分割：將圖像中有意義的特征或需要應(yīng)用的特征提取出來。Eg： 1）按幅度不同來分割各

4、個區(qū)域：幅度分割 2）按邊緣不同來劃分各個區(qū)域：邊緣檢測 3）按形狀不同來分割各個區(qū)域：區(qū)域分割7.2.1 幅度分割一、按幅度分割1）直方圖法： 非理想情況，各段的分界不明顯，3種誤差 a）增加了新的區(qū)域，b）失去了原有的區(qū)域，c）區(qū)域分割 邊界定位不正確動態(tài)門限：把圖像分成子圖像，子圖像做直方圖，再定不同的門限7.2.1 幅度分割2)統(tǒng)計門限法： 設(shè)圖像中目標(biāo)及背景的灰度為正態(tài)分布， 其灰度分布概率密度函數(shù)分別P2(X), P1(X),TP1(X)P2(X)u1u27.2.1 幅度分割3) 自適應(yīng)門限：根據(jù)局部特性確定門限7.2.1 幅度分割7.2.2 邊緣檢測二、邊緣檢測：其導(dǎo)數(shù)在邊緣方向

5、取得極值1、邊緣檢測的特點： 階躍狀 屋頂狀7.2.2 邊緣檢測7.2.2 邊緣檢測三、邊緣檢測的幾種算子1、梯度算子 對應(yīng)一階導(dǎo)數(shù)，連續(xù)圖像的導(dǎo)數(shù)在邊緣方向上取得極值7.2.2 邊緣檢測7.2.2 邊緣檢測常用的幾種算子：1-11-1-11-11-11111-1-1-1a)robertb)prewitt7.2.2 邊緣檢測-11-22-11121-1-2-1-11-1-1-1-111c) sobeld)Zsotropic7.2.2 邊緣檢測還有一種kirsh算子：由K0K7八個方向掩模組成，將K0K7的掩模算法分別與圖像中的33區(qū)域乘，選最大一個值，作為中央像素的邊緣強(qiáng)度7.2.2 邊緣檢測

6、555-30-3-3-3-3-355-305-3-3-3-3-35-305-3-35-3-3-3-305-355-3-3-3-30-3555-3-3-350-355-35-3-350-35-3-355-350-3-3-3-3k0k1k2k3k4k5k6k77.2.2 邊緣檢測注意：邊緣檢測對噪聲敏感，常在作邊緣檢測前對圖像進(jìn)行某些預(yù)處理，如平滑處理或邊緣增強(qiáng)等。2、laplace算子 由上節(jié)可見階躍狀邊緣的二階導(dǎo)數(shù)在邊緣處出現(xiàn)零點，出現(xiàn)零交叉，可用二階導(dǎo)數(shù)尋邊界7.2.2 邊緣檢測缺點：1）對噪聲敏感 2）常產(chǎn)生雙像素寬的邊緣，無方向性7.2.2 邊緣檢測3、線檢測線檢測的compass梯度：

7、7.2.3 區(qū)域分割區(qū)域分割：對于特征不連續(xù)的邊緣檢測，把圖像分割成特征相同的互相不重疊連續(xù)區(qū)域的處理。區(qū)域擴(kuò)張法： a）利用灰度差作為區(qū)域合并的判定標(biāo)準(zhǔn) b）根據(jù)小區(qū)域內(nèi)的灰度分布的相似性（灰度直方圖）進(jìn)行 區(qū)域合并的方法 7.2.3 區(qū)域分割c）分裂合并法： （上幾種是從單個像素擴(kuò)張到整個區(qū)域） 從整幅圖像開始通過不斷分裂得到各個區(qū)域 圖像四叉樹表達(dá)方法的迭代分裂合并算法R1R2R3R41R42R43R44RR4R3R2R1R44R43R42R417.2.3 區(qū)域分割7.2.3 區(qū)域分割7.3 圖像描述一、邊緣連通性邊界：連通后的邊緣，刻畫物體的形狀連通性：4連通：上、下、左、右具有與中心

8、像素相同的特性 8連通：上、下、左、右 上左、上右、下左、下右7.3 圖像描述（a）孤立像素：與任一鄰域像素都不是連通的（b）內(nèi)像素：與每一個鄰近像素都是4連通（c）邊界像素：至少有一個鄰近像素不是4連通的（d）孤像素：只與一個鄰近像素4連通。（e）最少連通?。喝暨B通的弧線上的一集弧點中的每點都只與兩 個相鄰像素有八方連通的關(guān)系。 (f) 孔: 設(shè)有某個0-像素連接成分，如果它與圖像四邊的任何像 素均不相連接，則稱之為孔（hole）。7.3 圖像描述二、曲線擬合法：1）區(qū)域的邊界用簡單的封閉曲線來表示，常用的是分段多項式擬合7.3 圖像描述2）也可用直線段進(jìn)行分段擬合Step:1）連A、B,選

9、一個離該直線最遠(yuǎn)的點，如C,連AC,BC,代替AB 2) 重復(fù)1）優(yōu)點：簡便易行，缺點：對位置噪聲比較敏感7.3 圖像描述三、矩描述：若區(qū)域只給出其內(nèi)部點時，希望找到另一種不隨大小、旋轉(zhuǎn)及平移變化而變化的區(qū)域描述子，矩滿足這一點。離散函數(shù)形式的數(shù)字圖像矩及中心矩：7.3 圖像描述中心矩是圖像區(qū)域灰度相對于灰度重心分布的一種量度，可對區(qū)域形狀進(jìn)行描述If u20u02, 區(qū)域可能沿x軸方向伸長的區(qū)域If u300， 區(qū)域關(guān)于x軸對稱If u030， 區(qū)域關(guān)于y軸對稱F-4米格3F-104B-577.3 圖像描述四、骨架化簡介條狀的景物（例如字符的筆劃、圖紙中的線條等）在處理過程中經(jīng)常要抽取其骨架

10、，以便于后續(xù)處理和識別，稱為骨架化或細(xì)化。7.3 圖像描述骨架化常用算法向內(nèi)傳播的波動模型假設(shè)波由外邊緣各點同時向內(nèi)傳播，波的交點的集合即為骨架。內(nèi)接圓模型求條狀景物在各處的內(nèi)接圓，圓心的集合即為骨架。7.3 圖像描述7.3 圖像描述其它：傅立葉描述法、中軸變換法、鏈碼法等等7.4 圖像分析7.4.1 紋理分析7.4.2 圖像序列分析7.4 圖像分析7.4.1 紋理分析紋 理：灰度與顏色的二維變化的圖案，是區(qū)域的重要特征之 一，灰 度分布具有周期性、方向性、疏密之分。統(tǒng)計方法：用于木紋、紗地、草地等不規(guī)則物體， 自然紋理：具有重復(fù)性排列現(xiàn)象的自然景象，無規(guī)則 人工紋理：是由自然背景上的符號排列

11、組成、有規(guī)則的結(jié)構(gòu)方法：布料的印刷圖案或磚花地等組成紋理的元素及其排列 規(guī)則來描述紋理的結(jié)構(gòu)， 7.4.1 紋理分析1、直方圖統(tǒng)計特征：灰度直方圖：無法識別二維變化的圖案方法：先將圖像進(jìn)行微分從而求得邊緣，作出關(guān)于邊緣的大小和方向 的直方圖，將這些直方圖和灰度直方圖合并，作為紋理特征Eg：a）粗紋理：圖像單位面積內(nèi)的邊緣數(shù)目較少 b）細(xì)紋理：圖像單位面積內(nèi)的邊緣數(shù)目較多7.4.1 紋理分析2、自相關(guān)函數(shù)特征利用方向性，也可識別那些灰度直方圖相同，紋理不同的圖像模式7.4.1 紋理分析在紋理變化規(guī)則：a）紋理較粗時，灰度變化較慢， 隨d的增加下降慢b）紋理較細(xì)時，灰度變化較快， 隨d的增加下降快

12、c）d再增加時， 呈現(xiàn)周期性 7.4.1 紋理分析3、灰度共生矩陣 灰度直方圖中，各像素的灰度是獨立進(jìn)行處理的，故不能很好地給紋理賦予特征。因此，如果研究圖像中兩像素組合中灰度配置的情況，就能夠很好地給紋理賦予特征，這樣的特征叫二階統(tǒng)計量，（灰度直方圖是一階統(tǒng)計量）代表性的是以灰度共生矩陣為基礎(chǔ)的紋理特征計算法。7.4.1 紋理分析灰度級聯(lián)合分布（二階統(tǒng)計量）：X列，y行7.4.1 紋理分析Eg:Dx列Dy行DX=1,DY=145度角7.4.1 紋理分析水平方向無重復(fù)，變化較快水平方向數(shù)值大，重復(fù)多，紋理較粗1）對角線元素全為0，表明同行灰度變化快2）對角線元素較大，表明紋理較粗7.4.1 紋

13、理分析4、傅立葉特征：從頻率成分的分布來求得紋理特征的方法P(u,v)=|F(u,v)|2空間頻率的強(qiáng)度 1）紋理粗：灰度變化緩慢，能量集中于低頻 2）紋理細(xì)：能量集中于高P(r)7.4.1 紋理分析紋理特征：使用 的峰的位置和大小， 的平均值 和方差等 峰：紋理構(gòu)成元素的大?。ù植诔潭龋?峰：紋理在其方向上具有明確的方向性 峰的位置：峰小 紋理基元大，紋理粗 峰大 紋理基元小，紋理細(xì) 峰值多：雜亂無章紋理方向性：7.4.2 圖像序列分析研究內(nèi)容：由圖像序列檢測出景物的運動信息，分析景物運動規(guī) 律及估計三維運動參數(shù)等， eg：生產(chǎn)過程的動態(tài)監(jiān)視，動態(tài)機(jī)器人視覺，軍事， 遙感，醫(yī)學(xué)等一、檢測灰度變化：1、