【数字图像处理】第8章 二值图像分析

8 二值图像分析

---

问题的提出
经过图像分割之后，获得了目标物与非目标物两种不同的对象。但是提取出的目标物存在以下的问题：
1）提取的目标中存在伪目标物；
2）多个目标物中，存在粘连或者是断裂；
3）多个目标物存在形态的不同。

（一）二值图像分析基本概念

二值图像分析的目的
二值图像的分析首先是区分所提取出的不同的目标物，之后，对不同的目标物特征差异进行描述与计算，最后获得所需要的分析结果。

二值图像分析的基本概念
为讨论方便起见，这里，假设目标为黑色，背景为白色。

连接
四连接：当前像素为黑，其四个近邻像素中至少有一个为黑；
八连接：当前像素为黑，其八个近邻像素中至少有一个为黑。

连通域
将相互连在一起的黑色像素的集合称为一个连通域。

几何特征的测量
面积：连通域中像素的总数
周长：包围某个连通域的边界轮廓线的长度
质心：连通域的几何中心
圆形度：与圆形相似程度。 圆形度=（$4\pi$面积）/（周长周长）
矩形度：与矩形相似程度。连通域的面积与包围连通域的最小矩形的面积的比值
长宽比：包围连通域的最小矩形的宽度与长度的比值

（二）二值图像分析方法

1贴标签、2腐蚀、3膨胀、4开运算与闭运算

1）贴标签

基本思路
因为不同的连通域代表了不同的目标，为了加以区别，需要对不同的连通域进行标识。

算法步骤
设一个二值矩阵表示一个黑白图像，为讨论方便起见，令“黑=1”，“白=0”。

①初始化：设标签号为Lab=0,已贴标签数N=0，标签矩阵g为全0阵，按照从上到下，从左到右的顺序寻找未贴标签的目标点；

②检查相邻像素的状态：根据模板中的相邻像素的状态进行相应的处理；

如果扫描过的像素均为0，则Lab=Lab+1, g(i,j)=Lab,N=N+1;

如果扫描过的像素标签号相同，则g(i,j)=相同的标签号; （扫描过的像素均为0）

如果扫描过的像素标签号不相同，例如：Lab2> Lab1, 则g(i,j)=Lab1，N=N-1，修改所有为Lab2的像素值，使之为Lab1;

③将全部的像素进行②的处理，直到所有的像素全部处理完成;

④判断最终的Lab是否满足Lab=N，
如果是，则贴标签处理完成；
如果不是，则表明已贴标签存在不连号情况。这时，将进行一次编码整理，消除不连续编号的情况。

2）腐蚀

基本概念
腐蚀 是一种消除连通域的边界点，使边界向内收缩的处理。

设计思想
设计一个结构元素，结构元素的原点定位在待处理的目标像素上，通过判断是否覆盖，来确定是否该点被腐蚀掉。 【结构元素是否完全包含在连通域中，不完全包含即被腐蚀】

算法步骤
1）扫描原图，找到第一个像素值为1的目标点；
2）将预先设定好形状以及原点位置的结构元素的原点移到该点；
3）判断该结构元素所覆盖的像素值是否全部为1：
如果是，则腐蚀后图像中的相同位置上的像素值为1；
如果不是，则腐蚀后图像中的相同位置上的像素值为0；
4）重复2）和3）直到所有原图中像素处理完成

例题

应用： 腐蚀处理可以将粘连在一起的不同目标物分离，并可以将小的颗粒噪声去除。

3）膨胀

基本概念
膨胀是将与目标区域接触的背景点合并到该目标物中，使目标物边界向外部扩张的处理。

设计思想
设计一个结构元素，结构元素的原点定位在背景像素上，判断是否覆盖有目标点，来确定是否该点被膨胀为目标点。【结构元素是否与连通域有交集，有即膨胀】

算法步骤
1）扫描原图，找到第一个像素值为0的背景点；
2）将预先设定好形状以及原点位置的结构元素的原点移到该点；
3）判断该结构元素所覆盖的像素值是否存在为1的目标点：
如果是，则膨胀后图像中的相同位置上的像素值为1；
如果不是，则膨胀后图像中的相同位置上的像素值为0；
4）重复2）和3），直到所有原图中像素处理完成。

例题

应用： 膨胀处理可以将断裂开的目标物进行合并，便于对其整体的提取。

4）开运算与闭运算

提出背景
前面介绍的膨胀与腐蚀运算，对目标物的后处理有着非常好的作用。但是，腐蚀和膨胀运算的一个缺点是，改变了原目标物的大小。
为了解决这一问题，考虑到腐蚀与膨胀是一对逆运算，将膨胀与腐蚀运算同时进行。由此便构成了开运算与闭运算。

开、闭运算的变形
如果当按照常规的开运算不能分离粘连，或者是闭运算不能合并断裂：
对于开运算可以先进行$N$次腐蚀，再进行$N$次膨胀；
对于闭运算可以先进行$N$次膨胀，再进行$N$次腐蚀。

bingo~   ✨ 成功不是凭梦想和希望，而是凭努力和实践。