数字图像处理中常用的数据结构有矩阵、链表、拓扑结构和关系结构
图像的数据结构用于目标表示和表述
1.3.1 矩阵
矩阵用于描述图像,可以表示黑白图像、灰度图像和彩色图像。
矩阵中的一个元素表示图像的一个像素
矩阵描述黑白图像时,矩阵中的元素取值只有0和1两个值,一次黑白图像又叫做二值图像或二进制图像
矩阵描述灰度图像时,矩阵中的元素有一个量化的灰度级描述,灰度级通常为8位,即0~255之间的整数,其中0表示黑色,255表示白色。现实中的图像都可以表示成灰度图像,根据图像精度的要求可以扩展灰度级,由8位扩展为10位、12位、16位或更高。越高的灰度值所描述的图像越细腻,对存储空间的要求也越大。
RGB彩色图像是由三原色红、绿、蓝组成的,RGB图像的每个像素都由不同灰度级的红、绿、蓝描述,每种单色的灰度描述同灰度图像的描述方式相同
1.3.2 链码
链码用于描述目标图像的边界,通过规定链的起始坐标和链起始点坐标的斜率,用一小段线段来表示图像中的曲
链码按照标准方向的斜率分为4向链码或8向链码
因为链码表示图像边界时,只需标记起点坐标,剩余点用线段的方向数代表方向即可
边界链码的表示与起始点的选取直接相关,起始点不同,链码的表示也不相同
为了实现链码与起始点无关,需要将链码归一化
简单的归一化方法将链码看成一个自然数,取不同的起始点,得到不同的链码。比较这些自然数表示的链码找到其中最小的自然数,最小的这个自然数所表示的链码就是归一化的结果
1.3.3 拓扑结构
拓扑结构用于描述图像的基本结构,通常在形态学的图像处理或是二值图像中,用于描述目标事件发生的次数,在一个目标事件中有多少个孔洞、多少连通区域等。
在图像中定义相邻的概念,一个像素与它周围的像素组成一个邻域
像素点周围有8个相邻的像素点,若只考虑上下左右的4个像素点则称为4-邻域,若只考虑对角上的4个像素点则称为对角邻域,4-邻域和对角邻域都加上称为8-邻域
在图像中,目标事件上的两个像素点可以用一个像素序列连通
连接两像素的都是4-邻域像素点,则这个集合称为4-连通
连接两像素的都是8-邻域像素点,则这个集合称为8-连通
1.3.4 关系结构
关系结构用于描述一组目标物体之间的相互关系,常用的描述方法为串描述和树描述
串描述:是一种一维结构,当用串描述图像时,需要建立一种合适的映射关系,将二维图像降为一维形式。串描述适用于那些图像元素的连接可以用来从头到尾或用其他连续形式的图像元素的描述。链码表示就是基于串描述思想描述的。
树描述:树描述是一种能够对不连接区域进行很好描述的方法
树是一个或一个以上节点的有限集合
有一个唯一指定的节点为根,剩下的节点划分为多个互不连接的集合,这些集合称为子树,树的末梢节点称为叶子。
在树图中有两类重要信息,一个是关于节点的信息,另一个是节点与其相邻节点的关系信息,第一类信息表示目标物体的结构,第二类信息表示一个目标物体和另一个目标物体的关系
如有错误,烦请批评指正,感激不尽