第六章圖象分析

第六章圖象分析1第一頁，共三十八頁，2022年，8月28日②對f(x,y)進(jìn)行行掃描f(x,y)和f(x,y-1)處在不同的灰度級上其它LE:邊緣灰度級LB:背景灰度級

③對f(x,y)進(jìn)行列掃描f(x,y)和f(x-1,y)處在不同的灰度級上其它①規(guī)定一個(gè)閾值T第二頁，共三十八頁，2022年，8月28日④合并f1(x,y)和f2(x,y)其中f1(x,y)和f2(x,y)任何一幅圖像中的像素為LE.其它二值分割：最佳閾值選擇：設(shè)一幅圖像由目標(biāo)與背景組成，物體灰度分布呈正態(tài)分布，概率密度為p(z)，均值u1,方差12，背景：q(z),2,22,物體占圖像總面積，背景占圖像總面積1-第三頁，共三十八頁，2022年，8月28日總概率密度：p(z)+(1-)q(z)設(shè)一個(gè)閾值為t,假定小于t的全部像素是目標(biāo)，大于t的全部是背景，而把背景錯(cuò)分成目標(biāo)物的概率為Q

1(t)把目標(biāo)錯(cuò)分成背景的概率為Q

2(t)總的錯(cuò)分概率：Q2(t)+(1-)Q1(t)第四頁，共三十八頁，2022年，8月28日代入并取對數(shù)求最佳的t即是求極小值問題(錯(cuò)分概率最小)求導(dǎo)，并令其為0：p(t)=(1-)q(t)第五頁，共三十八頁，2022年，8月28日二、樣板匹配法樣板：為了檢測某些不變區(qū)域特性而設(shè)計(jì)的陣列.點(diǎn)樣板，線樣板，梯度樣板，正交樣板

1.點(diǎn)樣板如33-1-1-1-18-1-1-1-1第六頁，共三十八頁，2022年，8月28日設(shè)33樣板向量[W]′=[W1,W2,…,W9]樣板內(nèi)各像素的灰度值向量[X]′=[x1,x2,…,x9]設(shè)計(jì)一個(gè)閾值T若可認(rèn)為小塊被檢測第七頁，共三十八頁，2022年，8月28日2、線樣板

-1-1-1222-1-1-1-1-12-12-12-1-12-1-1-12-1-1-12-12-1-12-1-12-1水平線

45o方向線垂直線135o方向線

第八頁，共三十八頁，2022年，8月28日設(shè)[W1][W2][W3][W4]四個(gè)樣板，若[Wi]′[X]>[Wj]′[X](j≠i)則[X]與第i樣板最接近3.梯度樣板33abcdefghiGx=(g+2h+i)-(a+2b+c)Gy=(c+2f+i)-(a+2d+g)Sobel算子G=|Gx|+|Gy|第九頁，共三十八頁，2022年，8月28日梯度樣板：

121000-1-2-110-120-210-1

邊緣檢測：設(shè)x代表所討論的圖像區(qū)域

第十頁，共三十八頁，2022年，8月28日三、區(qū)域生長(1)確定分割的區(qū)域數(shù)目(2)必須確定一個(gè)區(qū)域區(qū)別于其它區(qū)域的性質(zhì)特征(3)必須確定一個(gè)產(chǎn)生有意義分割的相似性判據(jù)例：如下圖示，其準(zhǔn)則是鄰近點(diǎn)的灰度級與物體的平均灰度級的差小于2。5586489722833333第十一頁，共三十八頁，2022年，8月28日0046711587016772076601464aabbbaabbbaabbbaabbbaabbb如：一幅圖像第十二頁，共三十八頁，2022年，8月28日(1)把該圖像分成兩個(gè)區(qū)域(2)用灰度級作為性質(zhì)特征(3)判據(jù)為灰度級差小于等于3分割后一個(gè)區(qū)域的灰度為a,另一區(qū)域的灰度為b(4)下劃線位置表示種子第十三頁，共三十八頁，2022年，8月28日(2)確定一個(gè)鄰接特性4鄰接8鄰接

四、區(qū)域聚合(1)定義一個(gè)等階關(guān)系，如p(i,j)=p(k,l)則p(i,j)與p(k,l)是等價(jià)的如p(i,j)的取值范圍為64,則產(chǎn)生64個(gè)等價(jià)類第十四頁，共三十八頁，2022年，8月28日(3)利用鄰接的定義，先定義一個(gè)子集，等價(jià)模板就可以把圖像分成最大的連接區(qū)域如圖像G是33陣列,它是一個(gè)大陣列S的子陣列G:mnS:(2m+1)(2n+1)G中的點(diǎn)與它上邊和右邊的點(diǎn)相比較，灰度級相同就合并，灰度級不同就插入邊界線，把圖像中的每個(gè)點(diǎn)都考慮之后，整個(gè)圖像就被分割成區(qū)域第十五頁，共三十八頁，2022年，8月28日第十六頁，共三十八頁，2022年，8月28日一、區(qū)域描繪子1.傅立葉描繪子把目標(biāo)物邊緣追蹤一遍，可得到一個(gè)復(fù)數(shù)序列x+jy---DFT后的傅立葉系數(shù)稱傅立葉描繪子§2圖像描繪圖像分割后，用一系列符號或某種規(guī)則來具體描述該圖像的特征以便進(jìn)一步識別、分析描繪子：表征圖像特征的一系列符號基本要求：圖像大小、旋轉(zhuǎn)、平移等變化不敏感第十七頁，共三十八頁，2022年，8月28日Fourier變換的性質(zhì)(1)改變輪廓大小，只改變Fourier變換相乘的系數(shù)(2)輪廓旋轉(zhuǎn)一個(gè)角度，每個(gè)坐標(biāo)乘以一個(gè)exp(j)(3)DFT是周期的，輪廓起始點(diǎn)變化，相當(dāng)于頻域乘exp(jkT)當(dāng)T從0—2變化，則起點(diǎn)將把整個(gè)輪廓點(diǎn)經(jīng)歷一次第十八頁，共三十八頁，2022年，8月28日其(p+q)階原點(diǎn)矩由下式定義:

2、矩描繪子(moment)設(shè)f(x,y)二維函數(shù)第十九頁，共三十八頁，2022年，8月28日第二十頁，共三十八頁，2022年，8月28日第二十一頁，共三十八頁，2022年，8月28日利用二階，三階矩可導(dǎo)出7個(gè)不變矩組第二十二頁，共三十八頁，2022年，8月28日以上參數(shù)對于平移、旋轉(zhuǎn)和大小比例變化都是不變的，因此可用于圖像描繪---矩不變第二十三頁，共三十八頁，2022年，8月28日3.拓?fù)涿枥L子(1)空洞兩空洞區(qū)域

(2)連接

三個(gè)連接部分區(qū)域第二十四頁，共三十八頁，2022年，8月28日設(shè)一幅圖像空洞數(shù)H連接部分C則歐拉數(shù)E=C-H是拓?fù)涮匦灾蝗鐖D(a)C=1H=1E=0具體需圖論的知識圖(b)C=1H=2E=-1第二十五頁，共三十八頁，2022年，8月28日二、相似性描繪1、距離測度如：矩作描繪子，若兩區(qū)域矩分別是X1、X2X1={x1,x2,…,xN}X2={x1′,x2′,…,xN′}則X1與X2之間的距離

可用于測定兩個(gè)矩之間的相似程度若已知x1,x2,x3…xL表示描繪子，X是未知描繪子若D(x,xi)<D(x,xj)則可判定x更接近xi第二十六頁，共三十八頁，2022年，8月28日2、相關(guān)性給定一幅圖像MN,f(x,y)另一子圖像w(x,y),JK，J<M，K<Nf(x,y)是否包含w(x,y)？r(m,n)越接近1，越相似相關(guān)：歸一化，相關(guān)系數(shù)：第二十七頁，共三十八頁，2022年，8月28日3、結(jié)構(gòu)相似性用于描述的性質(zhì)①亮度：黑、灰、白、亮、暗等②顏色：紅、橙、黃、綠、青③結(jié)構(gòu)：平滑、粒狀、斑駁、條紋等④取向：水平、垂直、傾斜⑤大?。洪L度、面積、體積⑥形狀：實(shí)心、空心、密集、伸長等第二十八頁，共三十八頁，2022年，8月28日紋理標(biāo)志三要素：(1)某種局部的序列性，該序列在更大區(qū)域內(nèi)可不斷重復(fù);(2)序列是由某種基本部分非隨機(jī)排列組成的；(3)各部分大致都是均勻統(tǒng)一的，紋理區(qū)域內(nèi)任何地方都有大致相同的結(jié)構(gòu)尺寸?！?紋理分析

紋理圖像：類似于布紋，草地，磚砌地面等重復(fù)性結(jié)構(gòu)的圖像稱為紋理圖像第二十九頁，共三十八頁，2022年，8月28日(a)人工紋理；（b）自然紋理(a)(b)第三十頁，共三十八頁，2022年，8月28日一、用空間自相關(guān)函數(shù)作紋理測度設(shè)圖像為f(m,n)，自相關(guān)函數(shù)：對(2+1)(2+1)窗口內(nèi)的每一像素點(diǎn)(j,k)與偏離值,=±0,±1,±2,…,±T像素之間的相關(guān)值作計(jì)算第三十一頁，共三十八頁，2022年，8月28日二、傅里葉功率譜法自相關(guān)函數(shù)的擴(kuò)展:(二階矩)功率譜:T(j,k)越大，粗糙度越大第三十二頁，共三十八頁，2022年，8月28日規(guī)律：r較小,r較大;r很大,r反而較小—紋理粗糙(A)如果r變化對r影響不大—紋理較細(xì)(B)距原點(diǎn)為r的圓上能量極坐標(biāo)表示：第三十三頁，共三十八頁，2022年，8月28日

三、聯(lián)合概率矩陣法對圖像所有像素進(jìn)行統(tǒng)計(jì)調(diào)查，以便描述灰度分布圖像中任一點(diǎn)(x,y)及(x+a,y+b)灰度值對(g1,g2)。設(shè)灰度級數(shù)為k，則g1與g2共有k2種組合。統(tǒng)計(jì)出每一種(g1,g2)值出現(xiàn)的次數(shù)，然后排列成一個(gè)方陣，再用(g1,g2)出現(xiàn)的總次數(shù)將它們歸一化為出現(xiàn)的概率p(g1,g2)，稱這種方陣為聯(lián)合概率矩陣

第三十四頁，共三十八頁，2022年，8月28日四、灰度差分統(tǒng)計(jì)設(shè)點(diǎn)(x,y)與(x+x,y+y)的灰度差：g(x,y)=g(x,y)-g(x+x,y+y)g

(x,y)所有可能取值共m級，令點(diǎn)(x,y)在整個(gè)畫面上的移動(dòng),計(jì)算出g(x,y)取各個(gè)數(shù)值的次數(shù)，做出g(x,y)的直方圖,即可知g(x,y)取值的概率P(i).當(dāng)i較小，而P(i)較大時(shí)，紋理粗糙概率較平坦時(shí)，紋理較細(xì)第三十五頁，共三十八頁，2022年，8月28日在P(i)較平坦時(shí)，ASM較小，ENT較大，P