第十一章表示与描述介绍.ppt

* * * * * * * * * * 灰度均值m的n阶矩 L为图像可能的灰度极 统计法：基于图像的灰度直方图的特性来描述纹理。 * * 均值 标准差 平滑度 熵 一致性 常用的纹理的统计度量 * * * 北京航空航天大学 数字图像处理 缺点：没有利用像素之间的位置信息 灰度级Z1=0 Z2=1 Z3=2的图像 0 0 0 1 2 1 1 0 1 1 2 2 1 0 0 ←── Image 1 1 0 2 0 0 0 1 0 1 位置算子P定义为“在右下方的一个像素”，生成3*3矩阵A 应用位置算子来描述 令n为图像中满足P的点对总数目。矩阵C是通过A中每个元素除以n得到，cij为概率估计。矩阵C为灰度级共生矩阵。 C依赖P，要找到给出的纹理模式，需要一个合适的位置算子 C 最大概率 元素差异的k阶矩 逆元素差异的k阶矩 一致性 熵 * * * 北京航空航天大学 数字图像处理 * * * * * * * 北京航空航天大学 数字图像处理 霍特林变换，也称为主分量变换。 求均值矢量和协方差矩阵 设有n幅配准后图像，可将对应的n个像素表示成为 X=[x1 x2 … xN ]T 图像的大小是M×N，则有MN个n维向量。 这组向量的均值矢量为mx=E{ X }。 协方差矩阵Cx = E{（x- mx）（x- mx）T}。 Cx是n×n的矩阵，为实对称矩阵。 主分量描述 * 北京航空航天大学 数字图像处理 计算特征值和特征向量 将ei和?i （i=1,…,N）分别记为Cx的特征向量和对应的特征值。 主分量变换 主分量变换定义为： 主分量变换的性质 主分量描述 ATk是Cx的K个最大特征值对应的特征向量组成的矩阵。 近似误差： 主分量描述实例 图像尺寸： 主分量描述实例 主分量描述实例 可以用两幅重构图像连同Mx和A的前两行进行存储 通过挖掘各个成分之间的结构关系来描述边界 图像中各个部分间的结构关系是二维的，而串是一维的，期望找到一种方法把二维关系转化为一维的串 主导思想是考虑物体各个部分的连接线段 对于如下阶梯形边界，定义两个基本元素a,b 阶梯关系编码 a b a a a b b b (1) S-aA 表明起始符S可以被图元a和变元A代替 (2) A-bS 表明变元A可以被b和S代替 (3) A-b 变元A可以只被b代替（其中S、A是变量） 阶梯关系编码 举例： a a a a a a b b b b b b 表示规则序号 （1，3） （1，2，1，3） （1，2，1，2，1，3） 用有向线段来描述一个图像的各个部分（例如同构区域），这个线段是通过头尾连接等方法得到的。线段之间的不同运算代表了区域的不同组合。 当图像的连通性可以通过首尾相接或其它连续的方式描述的时候，最适于使用这种串来描述。 骨架关系编码 a b c d e f c c a a a b b a 编码： c + a c - a a x b a * b a + a + b + e + e + e + a 树结构中每个结点的意义和结点之间的关系最为重要 树结构关系编码 举例：  $ $ e f d c b a a b c d f e 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 （1）条件a)的分析：当轮廓点p1的8邻域上有1个或7个值为1的点时，不满足条件a。 有1个点说明：p1是骨架上的终点，显然不能删除 有7个点说明：如果删除p1会引起区域的腐蚀 （2）条件b)的分析：当p1在宽度为1的笔划上时，不满足条件b。因而该条件保证了骨架的连续性。 （3）当(p4=0 or p6=0)or(p2=0 and p8=0)时，条件c,d同时满足。满足这个条件的点可能是右边、下边、左上角的边界点。任何一种情况下，p1都不是骨架的一部分，应被删除。 * 当(p4=0 and p6=0)or(p2=0 or p8=0)时，条件c’,d’同时满足。满足这个条件的点可能是左边、上边、右下角的边界点，应被删除。 * * * p R B （3）存在问题：计算量大 * 北京航空航天大学 数字图像处理 （4）算法改进思想 在保证产生正确的骨架的同时，改进算法的效率。比较典型的是一类细化算法，它们不断删去边缘，但保证删除满足：