- 1、本文档共25页,可阅读全部内容。
- 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、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、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
?? 模式识别:物体测量 尺寸测量 尺寸测量 尺寸测量 尺寸测量 尺寸测量 形状分析及描述 形状分析及描述 形状分析及描述 形状分析及描述 形状分析及描述 形状分析及描述 曲线和曲面拟合 曲线和曲面拟合 曲线和曲面拟合 曲线和曲面拟合 曲线和曲面拟合 纹理分析 纹理分析 纹理分析 纹理分析 纹理分析 * 在物体从图像中分割出来后,进一步就可以对它的几何特征进行测量和分析,在此基础上可以识别物体,也可以对物体分类,或对物体是否符合标准进行判别,实现质量监控。与图像分割一道,物体测量与形状分析在工业生产中有重要的应用,它们是机器视觉的主要内容之一。例如,能将马铃薯或苹果等农产品按品质自动分类的机器视觉系统,自动计算不规则形状所包含面积的测量系统,将传送带上不同工件自动分类的视觉系统,等等。 反映物体尺寸的特征 1. 面积和周长 面积和周长是物体总尺寸的一个方便的度量。面积只与该物体的边界有关,而与其内部灰度级的变化无关。物体周长则在区别具有简单或复杂形状物体时特别有用。面积和周长可以很容易地从已分割的图像抽取物体的过程中计算出来。 如下图所示,取物体的质心为坐标中心,平面上一闭合曲线所包围的面积由沿轮廓的积分确定: 平均和综合密度 IOD是物体所有像素的灰度级之和。它反映了物体的“质量”或“重量”,从数量上等价于面积乘以物体内部的平均灰度。平均密度等于IOD除以面积。 在已知物体的边界时,用其外接矩形的尺寸来刻画它的基本形状是最简单的方法。通常计算反映物体形状特征的主轴方向上的长度和与之垂直方向上的宽度,这样的外接矩形是物体最小的外接矩形(MER-Minimum Enclosing Rectangle)。 计算MER的一种方法是将物体在90度范围内等间隔地旋转,每次记录其坐标系方向上的外接矩形参数,取其面积为最小的矩形的参数为主轴意义下的长度和宽度。通常主轴可以通过矩(moments)的计算得到,也可以用求物体的最佳拟合直线的方法求出。 3. 长度和宽度 矩形度 矩形度用物体的面积与其最小外界矩形的面积之比来刻画,反映物体对其外接矩形的充满程度。 圆形度 圆形度用来刻画物体边界的复杂程度,它们在圆形边界时取最小值。最常用的圆形度是周长的平方与面积的比。 不变矩 函数与其矩集合有一一对应。 为了描述形状,假设f(x,y)在物体内取值为1而在其外都取0值,这样它就与物体的轮廓建立了一个一一对应的关系,它的矩就反映了物体的轮廓信息。 中心矩具有位置无关性。 对于规格化的中心矩,对于平移、旋转和尺度变化都是不变的。 但是,由于图像中存在噪声等干扰因素,上述不变矩尤其是高阶不变矩是不稳定的,仅仅利用不变矩特征来识别物体是很不可靠的。 轮廓的傅立叶描述 设 P为边界轮廓上的任意一点,以边界轮廓上的点 A为参照点,记 s为从 A到 P点的弧长,并设边界轮廓线的周长为 S,则 P点可表示成弧长的函数 这样将物体的边界轮廓与周期函数相对应,因此可以用它的傅立叶变换系数来刻画其轮廓特征。由于傅立叶变换系数的模具有平移及旋转不变性,故可用傅立叶变换的系数向量作为特征来识别物体。在实现时,通常需要将其幅值规范化,如除以最大幅值或平均幅值,以便得到尺度无关的形状识别特征。 中轴变换(抽骨架) 是寻找所有满足如下条件的点及对应参数:以该点为中心存在一个包含于物体内的且与物体边界相切于两点的圆盘,该点的参数就是相应圆盘的半径。因此中轴变换就是得到物体的骨架和骨架上每点到物体边界的最短距离的过程。对于二值图像而言,中轴变换与物体形状一一对应,物体可以用它的中轴变换重建。但在实际上,由于离散化的原因,重构的物体与原物体存在细微的差别。 骨架的抽取 可以采用形态学方法。在抽取出骨架后,容易根据原图计算出每点到边界最短距离参数。此外,还有许多其它直接求出中轴变换的方法,如Voronoi图方法。 在图像分析中,为了描述物体的边界或其它特征,有时需要根据一组数据点集来拟合曲线与曲面。曲线与曲面的拟合是数值分析中重要的内容,通常使用最小均方误差准则来找出一定参数形式下的最佳拟合函数。具体选择什么参数形式与问题有关,通常采用多项式形式特别是二次多项式形式,而对于更为一般的情况也可采用样条函数形式。 曲线或曲面拟合问题是,给定一个点集,找出一个函数使其均方误差最小。 上述方法很容易推广到其它参数形式的拟合函数中。通常采用的拟合函数有圆或椭圆,或其它二次或三次多项式函数,此外还有高斯函数等等。实现时可用Matlab工具,非常方便。 曲线拟合可以用来估计混有噪声的观察值的基本函数,条件是函数的形式已经知道或被假定。
文档评论(0)