視頻課程數(shù)字圖像處理

第7章圖像分割及測量7.1概述7.2圖像閾值分割本章要點(diǎn)：

圖像閾值分割

目標(biāo)物體的輪廓提取

模板匹配

圖像的測量7．1概述

數(shù)字圖像處理的目的之一是圖像識(shí)別，圖像分割與測量是圖像識(shí)別工作的基礎(chǔ)。圖像分割將圖像分為一些有意義的區(qū)域，然后可以對這些區(qū)域進(jìn)行描述，相當(dāng)于提取出某些目標(biāo)區(qū)域圖像的特征，判斷圖像中是否有感興趣的目標(biāo)。圖像分割的基礎(chǔ)是像素間的相似性和跳變性。

邊緣檢測能較成功的檢測出圖像真正的邊緣。在邊緣檢測之后，找出目標(biāo)物體的輪廓，進(jìn)行目標(biāo)物體的分析、識(shí)別、測量等。這些內(nèi)容在數(shù)字圖像處理應(yīng)用中，如跟蹤、制導(dǎo)等方面扮演重要角色，有著廣泛的用途。圖像分析系統(tǒng)的構(gòu)成知識(shí)庫處預(yù)理圖像獲取分割表示與描述初級階段中級階段高級階段識(shí)別與解釋圖像分割的概念把圖像分解構(gòu)成它的部件和對象的過程

有選擇性的定位感興趣對象在圖像中的位置和范圍圖像分割的基本策略圖像分割的基本策略，基于灰度值的兩個(gè)基本特性：

不連續(xù)性——區(qū)域之間

相似性——區(qū)域內(nèi)部根據(jù)圖像灰度值的不連續(xù)性

先找到點(diǎn)、線、邊

再確定區(qū)域相似性

閾值分割法

面向區(qū)域的分割

數(shù)學(xué)形態(tài)學(xué)圖像處理不連續(xù)性

邊界分割法

邊緣連接分割法7．2圖像閾值分割

閾值處理是一種區(qū)域分割技術(shù)，將灰度根據(jù)主觀愿望分成兩個(gè)或多個(gè)等間隔或不等間隔灰度區(qū)間，它主要是利用圖像中要提取的目標(biāo)物體和背景在灰度上的差異，選擇一個(gè)合適的閾值，通過判斷圖像中的每一個(gè)像素點(diǎn)的特征屬性是否滿足閾值的要求來確定圖像中該像素點(diǎn)屬于目標(biāo)區(qū)還是應(yīng)該屬于背景區(qū)域，從而產(chǎn)生二值圖像。本節(jié)介紹選擇合適的閾值方法有：直方圖門限選擇半閾值選擇圖像分割迭代閾值圖像分割7.2.1直方圖門限選擇1．理論基礎(chǔ)閾值T可通過分析邊緣檢測輸出的直方圖來確定。假設(shè)，一幅圖像只有物體和背景兩部分組成，其灰度級直方圖成明顯的雙峰值，如圖7-1。255f(i，j)圖7-1雙峰灰度級直方圖

在此情況下，選取雙峰間的谷底處的灰度值T作為閾值，即可將物體和背景很好地分割開。閾值分割法可用數(shù)學(xué)表達(dá)式來描述。設(shè)圖像為f(i，j)，其灰度級范圍為[z1，z2]，設(shè)T為閾值，是z1和z2內(nèi)任一值，可得一幅二值圖像，其數(shù)學(xué)表達(dá)式為:

255如果f（i，j）≥Tf（i，j）=（7-1）

0如果f（i，j）<T或者，也可以

0如果f（i，j）≥Tf（i，j）=（7-2）

255如果f（i，j）<T

假如，其灰度級直方圖能呈現(xiàn)多個(gè)明顯的峰值，比如有三個(gè)峰值，可取兩個(gè)峰谷處的灰度值T1，T2作為閾值。同樣，可將閾值化后的圖像變成二值化圖像。

f（i，j）T1T22550圖7-2多峰值灰度級直方圖其數(shù)學(xué)表達(dá)式為:

0如果T1≤f（i，j）≤T2f（i，j）=（7-3）

255其它或者，同樣也可以

255如果T1≤f（i，j）≤T2f（i，j）=（7-4）

0其它

2．實(shí)現(xiàn)步驟（1）獲得原圖像的首地址，及圖像的寬和高。（2）開辟一塊內(nèi)存空間，并初始化為255。（3）進(jìn)行圖像灰度統(tǒng)計(jì)，顯示灰度直方圖。（4）通過對話框選取一個(gè)峰谷作為閾值。（5）像素灰度值與閾值之差小于30，將像素置為0，否則置為255。（6）將結(jié)果復(fù)制到原圖像數(shù)據(jù)區(qū)并顯示。閾值分割法的特點(diǎn)適用于物體與背景有較強(qiáng)對比的情況，重要的是背景或物體的灰度比較單一。（可通過先求背景，然后求反得到物體）這種方法總可以得到封閉且連通區(qū)域的邊界通過交互方式得到閾值

基本思想：

在通過交互方式下，得到對象（或背景）的灰度值，比得到閾值T容易的多。假設(shè)：對象的灰度值為f(x0,y0),且：T=f(x0,y0)–R有：f(x,y)

≥

Tf(x,y)

≥f(x0,y0)–R|f(x,y)

-f(x0,y0)|

≤R(R為容忍度，可通過試探獲得)通過交互方式得到閾值實(shí)施方法：（1）通過光標(biāo)獲得樣點(diǎn)值f(x0,y0)（2）選取容忍度R（3）if|f(x,y)

-f(x0,y0)|≤Rset255else0通過直方圖得到閾值基本思想邊界上的點(diǎn)的灰度值出現(xiàn)次數(shù)較少通過直方圖得到閾值2）對噪聲的處理對直方圖進(jìn)行平滑處理，如最小二乘法通過邊界特性選擇閾值基本思想：如果直方圖的各個(gè)波峰很高、很窄、對稱，且被很深的波谷分開時(shí)，有利于選擇閾值為了改善直方圖的波峰形狀，我們只把區(qū)域邊緣的像素繪入直方圖，而不考慮區(qū)域中間的像素用微分算子處理圖像，使圖像只剩下邊界中心兩邊的值通過邊界特性選擇閾值算法的實(shí)現(xiàn)：1）對圖像進(jìn)行梯度計(jì)算，得到梯度圖像2）得到梯度值最大的那一部分的像素直方圖3）通過直方圖的谷底，得到閾值T如果用拉普拉斯算子，不通過直方圖直接得到閾值，方法是使用拉普拉斯算子過濾圖像，將0跨越點(diǎn)對應(yīng)的灰度值設(shè)為閾值T7.2.2半閾值選擇分割

1．理論基礎(chǔ)上述方法，不論圖像的直方圖具有雙峰還是多峰值，經(jīng)過閾值化后均將原始灰度級多值圖像變成二值圖像，假如希望閾值后的圖像只把圖像的背景表示成二值圖像（即背景不是最白（用1表示）就是最黑（用0表示））而圖像中的物體仍為多值圖像。此時(shí)，可采用半閾值技術(shù)，把物體從背景中分離出來。

半閾值化后的圖像可用數(shù)學(xué)表達(dá)式表示為：

f（i，j）如果f（i，j）≥Tf（i，j）=（7-6）

0或者255如果f（i，j）<T

或者

f（i，j）如果f（i，j）≤Tf（i，j）=（7-7）

0或者255其它2．實(shí)現(xiàn)步驟(1)獲得原圖像的首地址，及圖像的寬和高。(2)開辟一塊內(nèi)存空間，并初始化為255。(3)進(jìn)行圖像灰度統(tǒng)計(jì)，顯示灰度直方圖。請看Zhifangtu(float*tongji)函數(shù)。(4)選取一個(gè)峰谷作為閾值。(5)像素灰度值與閾值之差小于30，將像素置為0，否則保持灰度值不變。(6)將結(jié)果復(fù)制到原圖像數(shù)據(jù)區(qū)。3.編程代碼for(j=0;j<height;j++){ for(i=0;i<wide;i++) { lpSrc=p_data+wide*j+i; lpDst=temp+wide*j+i; if((*lpSrc-Yuzhi)<30) *lpDst=*lpSrc; }}4.效果對比圖（a）根據(jù)直方圖選擇閾值

（b）半閾值選擇圖像分割效果圖7.2.3迭代閾值分割1．理論基礎(chǔ)迭代的方法產(chǎn)生閾值，可以通過程序自動(dòng)計(jì)算出比較合適的分割閾值。其計(jì)算方法是這樣的：（1）選擇閾值T，通常可以選擇圖像的平均灰度值來作為初始閾值；（2）通過初始閾值T，把圖像的平均灰度值分成兩組R1和R2；（3）計(jì)算著兩組平均灰度值μ1和μ2；（4）重新選擇閾值T，新的T定義為：T=(μ1+μ2)/2;

循環(huán)做第二步到第四步，一直到兩組的平均灰度值μ1和μ2不在發(fā)生改變，那么我們就獲得了所需要的閾值。2．實(shí)現(xiàn)步驟

(1)

獲得原圖像的首地址，及圖像的高和寬。

(2)進(jìn)行直方圖統(tǒng)計(jì)。請看Zhifangtu(float*tongji)函數(shù)。

(3)設(shè)定初始閾值T=127。

(4)分別計(jì)算圖像中小于T和大于T的兩組平均灰度值。

(5)迭代計(jì)算閾值，直至兩個(gè)閾值相等。

(7)根據(jù)計(jì)算出的閾值，對圖像進(jìn)行二值化處理。3.編程代碼對圖像進(jìn)行迭代閾值分割。voidBingXingBianJieDib::Diedaifazhi(int*tongji)見光盤程序代碼4.效果對比圖

圖7-5迭代閾值圖像分割效果圖第7章圖像分割及測量7.3目標(biāo)物體的輪廓提?。ǖ诙v）7.3目標(biāo)物體的輪廓提取

輪廓提取法

邊界跟蹤法區(qū)域增長法區(qū)域分裂合并法7.3.1輪廓提取法圖像邊緣是圖像局部特性不連續(xù)性（灰度突變、顏色突變等）的反映，它標(biāo)志著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開始。二值圖像的輪廓提取采用掏空內(nèi)部點(diǎn)法：如果原圖中有一點(diǎn)為黑，且它的8個(gè)相鄰點(diǎn)皆為黑，則將該點(diǎn)刪除。對于非二值圖像，要先進(jìn)行二值化處理。1)獲取原圖像的首地址，圖像的高和寬。2)開辟一塊內(nèi)存緩沖區(qū)。3)將像素點(diǎn)的8鄰域像素讀入數(shù)組中，如果8個(gè)鄰域像素都和中心點(diǎn)相同，在內(nèi)存緩沖區(qū)中將該像素點(diǎn)置白，否則保持不變。4)重復(fù)執(zhí)行3)，對每一個(gè)像素進(jìn)行處理。實(shí)現(xiàn)步驟（a）原圖（b）輪廓提取效果圖效果圖

從圖像中一個(gè)邊界點(diǎn)出發(fā)，然后根據(jù)某種判別準(zhǔn)則搜索下一個(gè)邊界點(diǎn)，以此跟蹤出目標(biāo)邊界。7.3.2邊界跟蹤法確定邊界的起始搜索點(diǎn)，起始點(diǎn)的選擇很關(guān)鍵，對某些圖像，選擇不同的起始點(diǎn)會(huì)導(dǎo)致不同的結(jié)果。

確定合適邊界判別準(zhǔn)則和搜索準(zhǔn)則，判別準(zhǔn)則用于判斷一個(gè)點(diǎn)是不是邊界點(diǎn)，搜索準(zhǔn)則則指導(dǎo)如何搜索下一個(gè)邊緣點(diǎn)。

確定搜索的終止條件。邊界跟蹤法1）從左下角開始逐點(diǎn)掃描，當(dāng)遇到邊緣點(diǎn)時(shí)，則跟蹤，直至跟后續(xù)點(diǎn)回到起始點(diǎn)（對于閉合線），或其后續(xù)點(diǎn)再?zèng)]有新的后續(xù)點(diǎn)（對于非閉合線）為止。2）如果為非閉合線，則跟蹤一側(cè)后，需從起始點(diǎn)開始朝相反的方向跟蹤到另一尾點(diǎn)。3）如果不止一個(gè)后續(xù)點(diǎn)，則按上述連接準(zhǔn)則選擇距離最近的點(diǎn)為后續(xù)點(diǎn)，另一次要的后續(xù)點(diǎn)作為新的邊緣跟蹤起點(diǎn)另行跟蹤。4）一條線跟蹤完后，接著掃描下一個(gè)未跟蹤點(diǎn)，直至所有邊緣都跟蹤完畢。邊界跟蹤法--跟蹤準(zhǔn)則(a)中心像素跟蹤的8個(gè)方向編號(hào)及偏移量(b)邊界跟蹤示意圖（-1，-1）（0，-1）（1，-1）（-1，0）（1，0）（-1，1）（0，1）（1，1）邊界跟蹤法--跟蹤準(zhǔn)則

中心像素可以跟蹤的方向有8個(gè)，對每個(gè)方向制定了方向編號(hào)及偏移量，選取圖像的最左下方的像素點(diǎn)作為起始點(diǎn)。邊界跟蹤法--跟蹤準(zhǔn)則當(dāng)找到起始點(diǎn)，把該點(diǎn)記錄下來；初始跟蹤方向是：左上方0方向；判斷該點(diǎn)是否為目標(biāo)點(diǎn)，是則把該點(diǎn)為跟蹤的起始點(diǎn)；逆時(shí)針旋轉(zhuǎn)90度，作為新的跟蹤方向，繼續(xù)檢測該新的跟蹤方向上的點(diǎn)。邊界跟蹤法--跟蹤準(zhǔn)則若不是是目標(biāo)點(diǎn)則沿順時(shí)針旋轉(zhuǎn)45度，一直到找到目標(biāo)點(diǎn)。找到目標(biāo)點(diǎn)后，在當(dāng)前跟蹤方向的基礎(chǔ)上，逆時(shí)針旋轉(zhuǎn)90度作為新的跟蹤方向，用同樣的方法跟蹤下一個(gè)邊界點(diǎn)；直到回到起始點(diǎn)為止。

邊界跟蹤法--跟蹤準(zhǔn)則1)獲得圖像的首地址，圖像的高和寬。2)開辟一塊內(nèi)存緩沖區(qū)，初始化為255。3)將圖像進(jìn)行二值化處理。4)跟蹤邊界點(diǎn)，找到1個(gè)邊界點(diǎn)，就將內(nèi)存緩沖區(qū)中該點(diǎn)置0。5)按照跟蹤準(zhǔn)則，重復(fù)執(zhí)行(4)，直到回到初始點(diǎn)。實(shí)現(xiàn)步驟（a）原圖(b)外邊界跟蹤效果圖

效果圖閾值分割法:很少考慮空間關(guān)系，使多閾值選擇受到限制。區(qū)域分割法:彌補(bǔ)這點(diǎn)不足，利用空間性質(zhì)，認(rèn)為屬于同一區(qū)域的像素應(yīng)具有相似性。傳統(tǒng)的區(qū)域分割算法有:區(qū)域增長法和區(qū)域分裂合并法。該類方法在先驗(yàn)知識(shí)不足的圖像進(jìn)行分割,有較好的性能。但是，空間和時(shí)間開銷比較大。7.3.3區(qū)域增長法

依次用圖像的每一個(gè)像素的灰度值和種子點(diǎn)相減，判斷結(jié)果是否小于標(biāo)準(zhǔn)差，是則將該點(diǎn)和種子點(diǎn)合并，不是則保持像素點(diǎn)的灰度值不變。這樣處理后的圖像就是用區(qū)域分割法處理后的邊緣分割圖像。區(qū)域增長法考慮空間鄰域象素之間的關(guān)系。開始時(shí)確定一個(gè)或多個(gè)象素點(diǎn)作為種子，按某種相似性準(zhǔn)則，增長區(qū)域，逐步生成具有某種均勻性的空間區(qū)域，將相鄰的具有相似性質(zhì)的象素或區(qū)域歸并，從而逐步增長區(qū)域，直至沒有可以歸并的點(diǎn)或其它小區(qū)域?yàn)橹?。區(qū)域內(nèi)象素的相似性度量可以包括平均灰度值、紋理、顏色等信息。區(qū)域增長法選擇合適的種子點(diǎn)確定相似性準(zhǔn)則(生長準(zhǔn)則)確定生長停止條件區(qū)域增長法區(qū)域增長法示意圖區(qū)域增長法1)獲取原圖像的首地址，及高和寬。2)依次用圖像的每一個(gè)像素的灰度值減去種子點(diǎn)，判斷結(jié)果的絕對值是否小于閾值，閾值為10。如果小于則將種子點(diǎn)賦給該像素點(diǎn)，否則灰度值保持不變。實(shí)現(xiàn)步驟(a)選擇生長點(diǎn)

（b）按右鍵點(diǎn)擊黑處效果圖效果圖7.3.4區(qū)域分裂合并法

利用金字塔或四叉樹數(shù)據(jù)結(jié)構(gòu)的層次概念，將圖像劃分成一組任意不相交的初始區(qū)域，即從金字塔或四叉樹數(shù)據(jù)結(jié)構(gòu)的任一中間層開始，根據(jù)給定的均勻性檢測準(zhǔn)則進(jìn)行分裂和合并這些區(qū)域，逐步改善區(qū)域劃分的性能，直至最后將圖像分成數(shù)量最少的均勻區(qū)域?yàn)橹?。區(qū)域分裂合并

四叉樹數(shù)據(jù)結(jié)構(gòu)區(qū)域分裂區(qū)域分裂

注意：確定分裂準(zhǔn)則:若滿足一致性準(zhǔn)則，P(R)=True；否則，P(R)=False.確定分裂方法:即如何分裂區(qū)域，使得分裂后的子區(qū)域的特性盡可能都滿足一致性準(zhǔn)則值。區(qū)域分裂1)形成初始區(qū)域2)對圖像的每一個(gè)區(qū)域Ri，計(jì)算P(Ri)，如果P(Ri)=FALSE,則沿著某一合適的邊界分裂區(qū)域。3)重復(fù)步驟2，當(dāng)沒有區(qū)域需分裂時(shí)，結(jié)束。區(qū)域合并

區(qū)域合并：把相鄰的具有相似性的區(qū)域合為一個(gè)區(qū)域。重要運(yùn)算是：確定兩個(gè)區(qū)域的相似性。評判相似性的方法：基于區(qū)域的灰度值，或基于區(qū)域邊界的強(qiáng)弱性等。簡單的方法是比較它們的灰度均值。59區(qū)域合并

1）使用某種方法進(jìn)行圖像的初始區(qū)域分割。2）對于圖像中相鄰個(gè)區(qū)域，計(jì)算是否滿足一致性,若滿足則合并為一個(gè)區(qū)域。3）重復(fù)步驟2，直到?jīng)]有區(qū)域可以合并，結(jié)束。60區(qū)域分裂合并

1)設(shè)整幅圖像為初始區(qū)域2)對每一區(qū)域R，如果P(R)=FLASE，則把該區(qū)域分裂成四個(gè)子區(qū)域3)重復(fù)上一步，直到?jīng)]有區(qū)域可以分裂4)對圖像中任意兩個(gè)相鄰的R1和R2，如果P(R1UR2)=TRUE，則把這兩個(gè)區(qū)域合并成一個(gè)區(qū)域。5)重復(fù)上一步，直到?jīng)]有相鄰區(qū)域可以合并，結(jié)束。（a）對原圖進(jìn)行第一次操作

（b）第二次操作

（c）最終結(jié)果區(qū)域分裂合并第7章圖像分割及測量（第三講）7.4圖像的測量在二值圖像中,相互連接的黑像素的集合成為一個(gè)黑區(qū)域，對黑區(qū)域處理的測量主要介紹:二值圖形的區(qū)域標(biāo)志；二值圖形的小區(qū)域消除；

二值圖形封閉域大小的計(jì)算；二值圖形的邊界線跟蹤；

7.4圖像的測量7.4.1二值圖像區(qū)域標(biāo)記在二值圖像中，相互聯(lián)結(jié)的黑像素集合成為一個(gè)（黑）區(qū)域。通過對圖像內(nèi)每個(gè)區(qū)域進(jìn)行標(biāo)記操作，求得區(qū)域的數(shù)目。處理前的f是二值的，像素要么為0(黑)，要么為255(白),處理后每個(gè)像素的值即為其所處理區(qū)域的區(qū)域標(biāo)號(hào)(1,2,3,…)。從左到右，從上倒下逐個(gè)像素掃描。若該點(diǎn)的左上、正上、右上及左前點(diǎn)都不為物體，則標(biāo)號(hào)加1。優(yōu)先級依次為右上點(diǎn)，正上點(diǎn)，左上點(diǎn)及左前點(diǎn)。右上點(diǎn)的優(yōu)先級最高，左前的優(yōu)先級最低。若右上點(diǎn)為物體，則當(dāng)前點(diǎn)標(biāo)記和右上點(diǎn)相同的值。若右上點(diǎn)不為物體，則判斷正上點(diǎn)。標(biāo)記準(zhǔn)則其中特別調(diào)整：當(dāng)前點(diǎn)的右上點(diǎn)及左前點(diǎn)為不同標(biāo)記，正上點(diǎn)和左上點(diǎn)不為物體，則當(dāng)前點(diǎn)標(biāo)記同右上點(diǎn)置相同的值。此時(shí)，從頭到尾掃描圖像，把所有標(biāo)記相同的像素值都標(biāo)記成與右上點(diǎn)同樣的值。標(biāo)記準(zhǔn)則1)讀入原圖數(shù)據(jù)，存放在緩沖區(qū)內(nèi)。2)根據(jù)輸入的閾值進(jìn)行二值化。3)從左到右，從上倒下，依次檢測每個(gè)像素，如果發(fā)現(xiàn)某像素點(diǎn)像素值為0，則依次檢測該點(diǎn)的右上、正上、左上及左前點(diǎn)共四個(gè)點(diǎn)的像素值，根據(jù)前面介紹的8個(gè)準(zhǔn)則進(jìn)行連通性的判斷，并標(biāo)識(shí)物體，將物體的像素值改為標(biāo)號(hào)。4）依次逐行檢測至掃描結(jié)束。實(shí)現(xiàn)步驟（a）原圖

（b）對物體加標(biāo)記圖

效果圖7.4.2二值圖像的區(qū)域面積測量在二值圖像f中，通過對圖像f內(nèi)每個(gè)像素進(jìn)行標(biāo)記操作，將物體的像素值改為標(biāo)號(hào)，求各種標(biāo)號(hào)的總和，即求得不同區(qū)域的面積數(shù)目。1)調(diào)用標(biāo)記統(tǒng)計(jì)函數(shù)，對圖像進(jìn)行標(biāo)記,劃分成不同的連通區(qū)域。2)循環(huán)取得各點(diǎn)像素值，像素值就是標(biāo)號(hào)。3)根據(jù)不同的標(biāo)號(hào)，加到對應(yīng)的數(shù)組。4)彈出對話框，輸出各個(gè)連通區(qū)域的面積（像素個(gè)數(shù)）。實(shí)現(xiàn)步驟面積測量效果圖7.4.3二值圖像的周長測量在二值圖像區(qū)域標(biāo)記的基礎(chǔ)上，物體的像素值改為標(biāo)號(hào)，再采用邊界跟蹤法，跟蹤各封閉區(qū)域邊界線(輪廓線)的每個(gè)黑像素的標(biāo)號(hào)，記錄二值圖像物體邊界。1)調(diào)用biaoji()函數(shù)，對圖像進(jìn)行標(biāo)記,劃分成不同的連通區(qū)域。2)根據(jù)不同的像素值,即不同的連通區(qū)，循環(huán)取得各點(diǎn)像素值的標(biāo)號(hào)，搜索出一個(gè)發(fā)點(diǎn)，利用7.3.2節(jié)介紹的邊界跟蹤法，采用Lunkuogenzong()函數(shù)，找到出發(fā)點(diǎn)后，記錄其坐標(biāo)，再跟蹤下一像素。保留循環(huán)得到的邊界點(diǎn)，其余都置255（白點(diǎn)）。實(shí)現(xiàn)步驟3)根據(jù)不同的像素值,即不同的連通區(qū)，依次執(zhí)行第2步。4)把緩沖區(qū)的數(shù)據(jù)返回到原數(shù)據(jù)區(qū)。5)調(diào)整連通邊界區(qū)，計(jì)算每個(gè)連通邊界區(qū)的周長（像素個(gè)數(shù)）。6)彈出對話框，輸出各個(gè)邊界連通區(qū)域的像素個(gè)數(shù)。實(shí)現(xiàn)步驟周長計(jì)算效果圖

（a）原圖

（b）對不同區(qū)域體標(biāo)識(shí)圖（c）區(qū)域面積測量圖（d）區(qū)域周長測量圖效果圖7.4.4二值圖像的小區(qū)域消除在二值圖像區(qū)域標(biāo)記的基礎(chǔ)上，通過對圖像f內(nèi)每個(gè)標(biāo)記的區(qū)域進(jìn)行計(jì)算，求得總區(qū)域的數(shù)目。并求得每個(gè)區(qū)域的像素個(gè)數(shù)。當(dāng)二值圖像f的某區(qū)域面積(像素?cái)?shù))在閾值以下時(shí),則消去該區(qū)域，全部置為255(白)，由此得到新圖形。1)調(diào)用標(biāo)記統(tǒng)計(jì)函數(shù)，對圖像進(jìn)行標(biāo)記,劃分成不同的連通區(qū)域。2)循環(huán)取得各點(diǎn)像素值。3)根據(jù)不同的像素值，依此標(biāo)記，加到對應(yīng)的數(shù)組。4)依次判斷每個(gè)連通區(qū)的像素個(gè)數(shù)，即對應(yīng)的數(shù)組，若大于閾值則該區(qū)域保留，否則該區(qū)域全部消除（置白）。實(shí)現(xiàn)步驟第7章圖像分割及測量（第四講）7.4圖像的測量7.4.5投影量的計(jì)算1.水平投影實(shí)現(xiàn)步驟：①圖像二值化，物體為黑，背景為白。②循環(huán)各行，依次判斷每一列的像素值是否為黑，統(tǒng)計(jì)該行所有黑像素的個(gè)數(shù)。設(shè)該行共有M個(gè)黑像素，則把該行從第一列到第M列置為黑。實(shí)現(xiàn)步驟：①圖像二值化，物體為黑，背景為白。②循環(huán)各列，依次判斷每一行的像素值是否為黑，統(tǒng)計(jì)該列所有黑像素的個(gè)數(shù)。設(shè)該列共有M個(gè)黑像素，則把該列從第一行到第M行置為黑。垂直投影（a）原圖（b）水平投影（c）垂直投影效果圖7.4.6紋理分析紋理就是指在圖像中反復(fù)出現(xiàn)的局部模式和它們的排列規(guī)則。紋理特征反映了物體本身的屬性，有助于將兩種不同的物體區(qū)別開來。希望通過對圖像的紋理分析獲得關(guān)于景物紋理特征和結(jié)構(gòu)的定量分析描述和解釋，這就是圖像紋理分析的任務(wù)。

是圖像像素灰度級或顏色的某種變化，反復(fù)出現(xiàn)紋理基元和它的排列規(guī)則，而且這種變化是空間統(tǒng)計(jì)相關(guān)的。構(gòu)成紋理特征的兩個(gè)要素：

①紋理基元：由一定的形狀和大小多種圖像基元的組合叫紋理基元。②紋理是由紋理基元排列組合而成的。基元排列的疏密，周期性，方向性等的不同，能使圖像的外觀產(chǎn)生極大地改變。紋理指通過一定的圖像處理技術(shù)抽取出紋理特征，獲得紋理的定量或定性描述的處理過程。它首先從像素出發(fā)，檢測出紋理基元，并找出紋理基元排列的信息，建立紋理基元模型。紋理分析：檢測出紋理基元；獲得有關(guān)紋理基元排列分布方式的信息。紋理分析①統(tǒng)計(jì)方法：(a)空間域：基于統(tǒng)計(jì)圖像像素灰度級的分布狀況，如利用直方圖。(b)頻域：首先將圖像變換到傅里葉變換的頻域中然后抽取相應(yīng)的象征量。②結(jié)構(gòu)方法：用于印刷或磚花樣等一類紋理基元及其排列較規(guī)則的圖像。紋理分析方法選擇合適的鄰域大小；對每一個(gè)像素，計(jì)算出其鄰域中的灰度直方圖；比較求出的直方圖與已知的各種紋理基元或含由紋理基元的鄰域的直方圖間的相似性;若相似，說明存在已知的紋理基元。直方圖統(tǒng)計(jì)特征分析法設(shè)h1(z)和h2(z)為兩個(gè)區(qū)域的灰度直方圖直方圖的均值

直方圖的方差衡量直方圖間的相似性Kolmogorov—Smi