图像分析:投影曲线的波峰查找

FROM:http://www.cnblogs.com/ronny/p/3616470.html

1. 前言

在图像分析里,投影曲线是我们经常要用到的一个图像特征,通过投影曲线我们可以看到在某一个方向上,图像灰度变化的规律,这在图像分割,文字提取方面应用比较广。一个投影曲线,它的关键信息就在于波峰与波谷,所以我们面临的第一个问题就是找到波峰与波谷。

第一次涉及到求波峰与波谷时,很多人都不以为意,觉得波谷波峰还不容易,无非是一些曲线变化为零的点,从离散的角度来说,也就是:

波峰: F(x)>F(x1)F(x)>F(x+1)

波谷: F(x)<F(x1)F(x)<F(x+1)

这么简单吗?显示不是,你首先就会遇到这样的曲线图,然后图上的波峰点并不满足上面的条件。

image

看到这种情况,你也许会考虑在上面的等式中把 > < 改为

波峰: F(x)F(x1)&&F(x)>F(x+1)   或者  F(x)>F(x1)&&F(x)F(x+1)

波谷: F(x)F(x1)&&F(x)<F(x+1)   或者  F(x)<F(x1)&&F(x)F(x+1)

这次是否就这样简单,答案显示不是,下面的这个图就会让你对一些非峰值点作出错误的判断。

image

上面这幅图真正的峰值只有一个,其他平台上的点,你如果按上面修改的公式,就会被错误的当成波峰点。

下面让我们看一下,到底如何能求得准确的曲线波峰与波谷。

2. 波峰波谷算法

投影曲线实际上是一个一维的向量:

V=[v1,v2,,vn]

其中 vi,i[1,2,,N] ,代表图像在第 i 行或列上的灰度累积。当然不仅仅是投影曲线, T 也可以是某一事件中变量的观测值,我们需要研究这个变量的变化规律。

下面给出波峰与波谷的算法:

1,假投影曲线可以表示为 V=[v1,v2,,vn]

2,计算V的一阶差分向量 DiffV :

Diffv(i)=V(i+1)V(i),i1,2,,N1

3,对差分向量进行取符号函数运算, Trend=sign(Diffv) ,即遍历 Diffv ,若 Diffv(i) 大于0,则取1;如果小于0,则取-1,否则则值为0。

sign(x)=101  if  x>0  if  x=0  if  x<0

4,从尾部遍历 Trend 向量,进行如下操作:

if Trend(i)=0Trend(i+1)0Trend(i)=1if Trend(i)=0Trend(i+1)<0Trend(i)=1

5,对 Trend 向量进行一阶差分运算,如同步骤2,得到 R=diff(Trend)

6,遍历得到的差分向量 R ,如果 R(i)=2 ,则 i+1 为投影向量 V 的一个峰值位,对应的峰值为 V(i+1) ;如果 R(i)=2 ,则 i+1 为投影向量 V 的一个波谷位,对应的波谷为 V(i+1)

下面我们来结合一个实际的向量值,给中中间结合的计算。

1, V=[5,10,10,14,14,8,8,6,6,3,2,2,2,2,3]

它的曲线图像如下把示,图中红色圈标出了曲线的峰值,而绿字圈标出了图像的波谷位置。

image

2,计算 V 的一阶差分,我们得到 Diff(V)=[15,0,4,0,,6,0,2,0,9,5,0,0,0,5]

3,对 Diffv 进行取符号运算,得到向量 Trend=[1,0,1,0,1,0,1,0,1,1,0,0,0,1]

4,对 Trend 作一次遍历,如步骤4。 Trend=[1,1,1,1,1,1,1,1,1,1,1,1,1,1]

5,对 Trend 做一阶差分,得到向量 R=Diff(Trend)=[0,0,2,,0,0,0,0,0,2,2,0,0,0]

6,遍历向量 R ,我们就得到了两个峰值点和一个波谷点。

3. 算法原理

其实上述算法的核心思路非常简单,曲线的峰值点,满足一阶导数为0,并且满足二阶导数为负;而波谷点,则满足一阶导数为0,二阶导数为正。

在上面的算法里面,我们首先计算了一阶的导数 Diffv ,然后我们将其符号化,是因为我们并不关心一阶导数的大小。

然后我们去看那些一阶层数为0的地方,我们发现,那些平台上的点,有些并不是波峰与波谷,然后很多处在上坡与下坡的路上,所以我们将它们的一阶导数设为与它们所在的坡面梯度方向相同。

最后我们再来计算二阶导数时,就会发现只要为2或者-2,所以曲线斜在这个点发生了变化,由正变负或由负变正。找到这些点,也就找到了原曲线中的波峰或波谷点。

4. 实现

下面给出这个算法的C++实现,findPeaks是查找波峰函数,而查找波谷函数则类似,这里没有写在一个函数内。函数接受一个Vecotr<int>的向量,输出为一个vector<int>的位置向量。

void findPeak(const vector<int>& v, vector<int>& peakPositions)
{
    vector<int> diff_v(v.size() - 1, 0);
    // 计算V的一阶差分和符号函数trend
    for (vector<int>::size_type i = 0; i != diff_v.size(); i++)
    {
        if (v[i + 1] - v[i]>0)
            diff_v[i] = 1;
        else if (v[i + 1] - v[i] < 0)
            diff_v[i] = -1;
        else
            diff_v[i] = 0;
    }
    // 对Trend作了一个遍历
    for (int i = diff_v.size() - 1; i >= 0; i--)
    {
        if (diff_v[i] == 0 && i == diff_v.size() - 1)
        {
            diff_v[i] = 1;
        }
        else if (diff_v[i] == 0)
        {
            if (diff_v[i + 1] >= 0)
                diff_v[i] = 1;
            else
                diff_v[i] = -1;
        }
    }

    for (vector<int>::size_type i = 0; i != diff_v.size() - 1; i++)
    {
        if (diff_v[i + 1] - diff_v[i] == -2)
            peakPositions.push_back(i + 1);
    }
}


评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值