数字图像处理——4邻接、8邻接、m邻接


忍不住的吐槽

数字图像处理这门课,我用的是冈萨雷斯第三版教材,里面对4邻接、8邻接、m邻接的解释,应该很多小伙伴像我一样,反反复复看了好多遍还是一头雾水。而网上很多解释都只是照搬了原文,我、好、崩、溃、啊啊啊啊!!!!

 

在这里插入图片描述
终于!!功夫不负有心人,我在【这篇博文】里受到启发,对邻接的概念有了自己的认识,不保证一定正确,但是提出来给大家参考一下,欢迎讨论and指正~
 
okkkkk~ 那现在就开始叭 ~( * ^ _ ^ * ~ )


集合V

就是一个集合,里面有一些自己定义的值,这些值对应图像的像素值。一个图像中,像素值属于集合V的像素们才能够彼此间邻接,形成通路。


相邻像素

(注:邻域区域用黄色表示)

  • p的4邻域,即N4(p):在这里插入图片描述
    如果q和p的像素值都是集合V的元素,并且q在黄色区域,那么就说p和q是4邻接的


  • p的8邻域,即N8(p):
    在这里插入图片描述
    如果q和p的像素值都是集合V的元素,并且q在黄色区域,那么就说p和q是8邻接的
    按照这样的定义,如果p和q是4邻接的,那么它们一定是8邻接的。


  • 还有一个要注意的邻域,即ND(p):
    在这里插入图片描述

m邻接

首先要说明一个重要的点:4邻接、8邻接,它们和m连接之间没有界限,它们不是独立关系!两个像素之间是m邻接的同时,也可以是4邻接的,也可以是8邻接的!
 
现在带着这个思路,我们再来看看m邻接的定义:

IF ( p和q是4邻接的 OR p和q是8邻接且p的四邻域和q的四邻域的交集中没有V中的元素)

THEN p和q是m邻接的

在这里插入图片描述
OK, fine!确实有点抽象。
那我们就例子来讲吧,首先定义V={1},并且我们假设p、q、r的像素值都为1。
在这里插入图片描述
那么:

  • 图(a)中,p和q是m邻接、8邻接的。q和r是m邻接、4邻接的。p和r不邻接。
  • 图(b)中,p和q是m邻接、4邻接的。q和r是m邻接、4邻接的。p和r是8邻接、但不是m邻接的(因为p和r的4邻域交集中,有个q是属于V的)
  • 图(c )中,p和q是m邻接、4邻接的。r没有和p或q邻接。
  • 图(d)中,p和q是m邻接、8邻接的。q和r是m邻接、8邻接的。p和r不邻接。
  • 图(e)中,p和q是m邻接、8邻接的。q和r是m邻接、8邻接的。p和r不邻接。
  • 图(f)中,p和q是m邻接、4邻接的。q和r是m邻接、4邻接的。p和r不邻接。

发现规律了叭~

其实只要是4邻接那一定就是m邻接啦。但是8邻接的话,还得看旁边能不能找到一个同时和你俩是4邻接的像素。如果有的话,你们就必须靠这个中间像素建立m通路。m通路建立起来,你们可以彼此互通,但不是直达!所以你们不是m邻接的。

  • 330
    点赞
  • 483
    收藏
    觉得还不错? 一键收藏
  • 47
    评论
### 回答1: 非常感谢您的提问。不过,我需要说明的是,作为一名 AI 语言模型,我的知识储备主要基于各种公开数据和文献,无法直接获取您所提到的 CSDN 知识和经验。同时,我也无法直接判断您是否能够回答这个问题或者您对该问题的态度和看法。不过,我会尽我所能来解答您的问题。 关于您提到的问题:在处理中的m-邻接图中的数学表示,这通常指的是在图论中,用矩阵表示图的一种方式,也称为邻接矩阵。在邻接矩阵中,如果图中有n个节点,则矩阵的大小为n×n,矩阵中的每一个元素代表两个节点之间是否有连边,如果存在连边则为1,否则为0。m-邻接图则是在邻接矩阵的基础上进行扩展,其中每个节点的度数限制为不超过m,即每个节点最多只有m个相邻节点。这样的图可以用于解决某些特定的问题,例如最小路径覆盖等问题。 希望我的回答能对您有所帮助。如果您还有其他问题,请随时提出,我会尽力为您解答。 ### 回答2: 数字图像处理中的m-邻接是指在一个以像素为节点的数字图像中,两个像素之间的空间关系。m-邻接定义了两个像素之间是否是相邻的,即是否存在从一个像素到另一个像素的路径。 在m-邻接中,m表示空间关系的类型。常见的m-邻接类型有4-邻接和8-邻接。 1. 4-邻接:当m=4时,一个像素的4个相邻像素被认为是其4-邻域像素。它们位于像素的上、下、左、右四个方向。 2. 8-邻接:当m=8时,一个像素的8个相邻像素被认为是其8-邻域像素。它们位于像素的上、下、左、右以及四个对角线方向。 m-邻接关系在数字图像处理中常用于表示像素之间的连接性或者空间关系。例如,在图像分割中,可以使用m-邻接来定义像素之间的连通性,从而将图像分割成一个或多个区域。在形态学运算中,也会使用m-邻接来定义结构元素与图像之间的相对位置,从而实现形态学操作。 通过定义不同的m-邻接关系,我们可以在数字图像处理中对像素进行不同的空间分析和处理,从而得到感兴趣的图像特征或实现特定的图像处理任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 47
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