第5章_图像分割.ppt

边的检测 一阶微分：用梯度算子来计算 特点：对于亮的边，边的变化起点是正的，结束是负的。对于暗边，结论相反。常数部分为零。 用途：用于检测图像中边的存在 边的检测 二阶微分：通过拉普拉斯来计算 特点：常数部分为零。二阶微分在亮的一边是负的，在暗的一边是正的。 用途： 1）二次导数的符号，用于确定边上的像素是在亮的一边，还是暗的一边。 2）0跨越，确定边的准确位置。 加法运算的定义 C(x,y) = A(x,y) + B(x,y) 主要应用举例 去除“叠加性”噪音 生成图象叠加效果 减法的定义 C(x,y) = A(x,y) - B(x,y) 主要应用举例 去除不需要的叠加性图案 检测同一场景两幅图象之间的变化 计算物体边界的梯度 乘法的定义 C(x,y) = A(x,y) * B(x,y) 主要应用举例 －图象的局部显示 －用二值蒙板图象与原图象做乘法 5.4 图 像 匹 配 5.4.1 模板匹配 模板匹配是指用模板与源图像进行比较， 以确定在源图像中是否存在与该模板相同或相似的区域， 若该区域存在， 还可确定其位置并提取该区域。 模板匹配常用的一种测度为模板与原图像对应区域的误差平方和。设f(x, y)为M×N的原图像，t(j,k)为J×K(J≤M，K≤N)的模板图像，则误差平方和测度定义为 令 DST(x, y)称为模板与原图像对应区域的互相关，它随像素位置(x, y)的变化而变化，当模板t(j, k)和原图像中对应区域相匹配时取得最大值。 用归一化互相关作为误差平方和测度， 其定义为： 模板匹配的局限性： 它只能进行平行移动，如原图像中要匹配的目标发生旋转或大小变化，该算法无效。另外，如原图像中要匹配的目标只有部分可见，该算法也无法完成匹配。 5.4.2 直方图匹配 颜色是描述图像内容的一个重要特征。人们已经提出了多种借助颜色特征对图像进行检索的方法。常用的颜色空间有R、 G、B和H、S、I。实际上，利用H、S、I颜色空间进行检索的效果更好一些，但以下讨论主要以R、G、B空间为例。为利用图像的颜色特征描述图像，可借助图像特征的统计直方图。利用直方图进行图像的匹配，这便是直方图匹配。 1. 直方图相交法  设HQ(k)和HD(k)分别为查询图像Q和数据库图像D的特征统计直方图，则两图像之间的匹配值d(Q, D)为 2. 欧几里得距离法 为减少计算量，可采用直方图的均值来粗略地表达颜色信息，对图像的R、G、 B三个分量，匹配的特征矢量f是 式中, μR、μG、μB分别是R、G、B三个分量直方图的0阶距。 此时查询图像Q和数据库图像D之间的匹配值为 3. 中心矩法  设用 分别表示查询图像Q的R、G、B三个分量直方图的i(i≤3)阶中心矩；用 分别表示数据库图像D的R、G、B三个分量直方图的i(i≤3)阶中心矩，则它们之间的匹配值为 式中，WR，WG，WB为加权系数。 4. X2直方图匹配 X2直方图匹配的计算公式如下： 对于R、G、B图像，X2直方图匹配的计算公式又可以变为 直方图匹配的局限性与改进： 由于直方图丢失了颜色的位置信息， 因此两幅图像可能内容完全不同，但直方图相似。所以，仅用简单的颜色直方图匹配也容易造成误识别。一种改进的方法是将图像划分成若干子块，分别对各子块进行匹配。 5.4.3 形状匹配 形状也是描述图像内容的一个重要特征， 利用形状进行匹配需要考虑三个问题。 （1）形状特征可以看作是更高层次的图像特征。要获得有关目标的形状参数，常常要先对图像进行分割， 所以形状特征会受图像分割效果的影响。 （2）目标形状的描述是一个非常复杂的问题。 （3）从不同视角获取的图像中目标形状可能会有很大差别，为准确进行形状匹配，需要解决平移、 尺度、 旋转变换不变性的问题。 5.5 投影法与差影法 5.5.1 投影法 投影法就是把图像在某一方向（常用的是水平方向和垂直方向）上进行投影。在投影图上可反映出图像中目标对象的位置、尺寸等信息。投影法经常和阈值化一起使用。由于噪声点对投影有一定的影响，所以处理前最好先做一次平滑，去除噪声，然后进行阈值化处理，再对阈值化后的二值图像在某个方向上进行投影运算。 投影法 华盛顿纪念碑图 阈值化后的华盛顿纪念碑 垂直方向投影 5.5.2 差影法 1. 图像的代数运算 图像的代数运算是指对两幅输入图像进行点对点的加、减、 乘、 除四则运算而得到输出图像的运