图像处理-第11章.pptx

数字图像处理第11章之 3、4、5小节李谋思201320214004511.3 区域描绘子11.3.1 某些简单的描绘子 周长 主要：致密性 面积 其他：灰度的均值和中值、最小和最大灰度级值及大于和小于均值的像素数。 区域的面积定义为区域中像素的数目。 区域的周长是它的边界长度。 区域的致密性，即（周长）2/面积。致密性是无量纲的量，因此对均匀标度的变化不敏感，除了对数字区域的旋转变换时引入的误差之外，致密性对于方向性也是不敏感的。 收集红外线的传感器有能力检测可见物体和近红外线发射源，比如灯光、火和闪光。通过得到的白色光所占面积与所有发光区面积的比率，可以得到消耗电能地区的相关估计值，通过将其归一化可以从数据中提取出有关大陆块的每个地区和人口数等信息。图11.16 夜间美洲红外图11.3.2 拓扑描绘子 利用图像拓扑特性描述区域中的信息，其描述的信息不受图像拉伸或旋转（橡皮膜变换）的影响，如孔洞数和连通分量的数量。 图形的欧拉数E定义为：图形的连通分量数量C减去孔洞数HE=C-H=V-Q+F V表示顶点数，Q表示边数，F表示面数，上式成为欧拉公式欧拉数分别为0和-1的区域一个具有7个顶点、11条边、2个面、1个连通区域和3个孔的区域，欧拉数为： 7-11+2=1-3=-2（b）图中1591个连通分量，欧拉数1552，孔洞数为39；（c）图显示了最大数量（8479）的连通分量；（d）为其骨架。11.3.3 纹理 区域描绘的一种重要方法是将区域的纹理量化。尽管对纹理没有正式的定义，但这种描绘子提供了对诸如平滑度、粗糙度和规律性等特性的度量。区域描绘纹理主要有三种方法：统计方法、结构方法、频谱方法。 统计方法指诸如平滑、粗糙、粒状等纹理的特征描述。 结构化技术处理图像元的排列，诸如基于均匀空间分布的平行线纹理描述。 频谱技术基于傅里叶频谱特性，主要用于通过识别频谱中高能量的窄波峰寻找图像中的整体周期性。 统计方法 使用一幅图像或一个局部区域统计直方图的统计矩进行描绘。令z为一个代表灰度级的随机变量，并令 ，i=0,1,2,···，L-1，为对应的直方图，这里L是可区分的灰度级数目。关于z的均值的第n阶矩为： 这里m是z的均值 二阶矩（方差）在纹理描述中非常重要，它表示灰度级对比度的度量，可以用于建立有关平滑度的描绘子。三阶矩是直方图偏斜度的描述，四阶矩描述直方图的相对平坦度。五阶矩和更高阶矩不容易同直方图形状联系起来，但是它们提供对纹理描述更进一步的量化。 另外一些有用处的基于直方图的纹理量度包括“一致性”量度，如下式给出的和平均熵值量度： 结构性方法 基本思想：一个简单的“纹理图元”可以借助一些限制图元可能的排列数规则组成更为复杂的纹理模式。 图11.23为结构性方法的各种表现方法。 图（a）为纹理基元；图（b）由规则S→aS生成的模式；图（c）为有S→aS和其他规则生成的二维纹理模式。 频谱方法 傅里叶频谱完全适合于描绘图像中循环的方向性或循环的二维模式。利用纹理的周期性特点，对其进行傅里叶变换，考虑对纹理描述有用的傅里叶频谱的3个特征：（1）频谱中突起的尖峰给出了纹理模式的主要方向；（2）在频率平面中尖峰的位置给出了模式的基本空间周期；（3）通过过滤除去所有周期性的部分，而留下非周期的图像元素，以便采取统计技术进行描述。 在实际中通常采用极坐标 的极坐标表达。这里 是频谱， 是坐标系中的变量。 一种具有整体性的描述是通过对下列函数进行积分（对于离散变量求和）得到： 和是以原点为圆心的圆半径 上两式的结果为每对坐标组成一对值 。通过变换这些坐标，可以生成两个一维函数 和 ，从而对研究的整幅图像或所考虑的区域纹理构成一种频谱—能量描述。=11.3.4 二维函数矩 对于二维连续函数 ， 阶矩的定义为：=0,1,2，···。