第四章区域分析第四区域分析.doc

  1. 1、本文档共14页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第四章区域分析第四区域分析

机器视觉之图像区域分析 图像中的区域是指相互连结的具有相似特件的一组象素.由于区域可能对应场景中的物体,因此,区域的检测对于图像解释十分重要.一幅图像可能包含若干个物体,而每一个物体又可能包含对应于物体不同部位的若干个区域.为了精确解释一幅图像,首先要把一幅图像划分成对应于不同物体或物体不同部位的区域。 4.1 区域和边缘 图像划分有两种方法:一种是基于区域的方法,另一种是基于边缘检测的轮廓方法,在基于区域的方法中,把所有对应于一个物体的象素组合在一起,并进行标记,以表示它们属于一个区域,这一处理过程称为分割.在某一评判标准下,把象素分配给某一区域,就可以把这些象素同图像其余部分分开.图像分割中的两个最基本的原则是数值相似性和空间接近性.如果两个象素具有相似的强度特性,或它们之间十分靠近,则可以把它们分配到同一区域,例如,两个象素之间的数值相似性度量可以是它们的灰度值之差,也可以是区域灰度值分布;它们的空间接近性度量可以是欧几里德距离,也可以是区域致密度。 相似性和接近性原则来源于如下假设:同一物体表面上的点集投影到图像上得到的象素点集在空间上十分靠近,且具有相似的灰度值.很显然,这假设并不是在任何情况下都成立.然而可以使用这一假设来组合图像中的象素,然后利用应用域知识来匹配物体模型和区域.在简单的情况下,可以通过阈值法和连通成分标记法来进行图像分割,这一点在第三章讨论过了.对于复杂的图像,可以使用更高级的方法实现图像分割。 分割也可以通过求取区域边界上的象素来进行.这些象素点(也称为边缘)可以通过搜寻邻近象素的方法来得到.由干边缘象素是在区域边界上,在边界两边的区域具有不同的灰度值,这样,区域的边界可以通过测量邻近象素差值来求取.尽管边缘检测可能使用图像的其它特性(如纹理和运动)来实现,但大多数边缘检测器仅使用强度特性作为边缘检测的基础。 在理想的图像中,一个区域是由一条封闭轮廓线包围着.原则上,区域分割和边缘检测应该产生相同的结果,即使用边界跟踪算法可以得到区域的边缘(或封闭的轮廓线);反过来,使用区域填充算法也可以得到边缘所包围的区域.但在实际的图像中,很少能够从区域中得到正确的边缘,反之亦然.由于噪声和其它因素的影响,不论是区域分割还是边缘检测,都无法提供完整的信息。 本章将讨论区域的基本概念,主要集中在两个问题上:图像分割和区域表示。 4.2分 割 已知一幅图像象素集I和一个一致性谓词P(.),求图像I表示成n个区域R1,集合的 一种划分: 一致性谓间和图像划分具有如下特性,即任何区域满足如下谓词 任何两个相邻区域不能合并成单一区域,必满足谓词 一致性谓词P(.)定义了在区域上的所有点与区域模型的相似程度。 把一幅灰度图像转换成二形式.用于求取二值图像的阈值算法可以推广到求取多值图像.为了在各种变化的场景中都能得到鲁棒的图像分割,阈值分割算法应能根据图像灰度分布来自动选取合适的阈值.阈值分割法不要过分依赖于物体的灰度知识,尽量使用有关灰度值的相对特性,这一简单的思想在许多计算机视觉算法中十分有用。 4.2.1自动阈值化法 为了使分割更加鲁棒,系统应能自动选择阈值.基于物体、环境和应用域等知识的图像分割算法比基于固定阈值算法更具有普遍性.这些知识包括:对应于物体的图像灰度特性,物体的尺寸,物体在图像中所占的比例,图像中不同类型物体的数量等.图像灰度直方图就是一种灰度特性.它是指图像所有灰度信出现的相对频率。 使用上述知识并在无人介入的情况下自动选取阈值的方法称为自动阈值化方法.自动阈值化算法通常使用灰度直方图来分析图像中灰度值的分布,并使用特定应用域知识来选取最合适的阈值.由于所用的知识具有普遍性,因此大大增加了算法的应用范围。 假设一幅图像中包含有n个物体01,02,……On(包括背景),并假设不同的区域的灰度值具有概率分布函数P1 (z),P2(z),…,pa(2).在许多应用中,物体在图像中出现的概率P1 ,P2也许是已知的.使用这些知识来严格地计算阈值是完全可能的.由于场景中的照明控制着图像中强度值的概率分布函数P1 (z),因此预先计算阈值是不可能的,我们将要看到,大多数自动阈值的选取算法使用了物体尺寸和出现概率,并通过计算灰度直方图估算强度分布。 下面讨论几种常用的自动阈值化方法.为了简化表示,我们将遵循物体在图像中的表示惯例,即物体相对于光亮背景是黑的.也就是说,低于某一阈值的灰度值属于物体,而高于这一阈值的灰度值属于背景.下面要讨论的算法稍作改动就可以应用到其它场合,如光亮物体相对于黑暗背景,灰暗物体相对于光亮和黑暗背景,光亮或黑暗物体相对于灰暗背景.一些算法还可以推广到由任意象素值集合组成的物体. 1.模态方法 如果图像中的物体具有同一灰度值,背景具有另一

文档评论(0)

ymeioxianw + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档