一、表示
1边界追踪
给定一个二值区域R或其边界,追踪R的边界或给定边界的算法由如下步骤组成:
- 令起始点
为图像中左上角标记为1的点。使用
表示
西侧的邻点。很明显,
总是背景点。从
开始按顺时针方向考察
的8个邻点。令
表示所遇到的值为1的第一个邻点,并直接令
(背景)是序列中
之前的点。存储
和
的位置,以便在步骤5中使用。
- 令b=
和c=
。
- 从c开始按顺时针方向行进,令b的8个邻点为
,
,… ,
。找到标为1的第一个
.
- 令b=
,和c =
.
- 重复步骤3和步骤4,直到b=
。且找到的下一个边界点为
。
当算法停止时,所找到的b点的序列就构成了排列后的边界点的集合。
2链码
链码用于表示由顺次连接的具有指定长度和方向的直线段组成的边界。典型地,这种表示基于这些线段的4连接或8连接。每个线段的方向使用一种数字编号方案编码,如下图所示。以这种方向性数字序列表示的编码称为佛雷曼链码。
边界的链码取决于起始点。然而,链码可以通过一个简单的过程关于起始点归一化,过程如下:我们简单地将链码视为方向号码的一个循环序列,并重新定义起始点,以便得到号码序列的最小整数值。
3使用最小周长多边形的多边形近似
产生计算MPP的算法的一种直观方法是,用图11.6(b)那样的一组连接单元的集合封入图11.6(a中的一条边界。我们可以将该边界想象为一个橡皮条。当允许橡皮条收缩时,橡皮条元定义的边界区域的内、外墙的约束。最终,该收缩会产生一个(天丁这种限排所E MPPN的顶点与边形,它被限制在用单元条封闭的区域内,如图11.6(c)所示。注意,在该图中,所有MPP 的顶点与内墙或外墙的角点一致。
4其他多边形近似方法
聚合技术
沿一条边界来聚合一些点,直到拟合这些聚合点的直线的最小均方误差超过一个预设的阈值。当这种条件出现时,存储该直线的参数,将误差设为零,并且重复该过程,沿边界聚合新的点,直到该误差再次超过预设的阈值。这一过程结束后,相邻线段的交点就构成多边形的顶点。
分裂技术
分裂边界线段的一种方法是将线段不断地细分为两部分,直到满足规定的准则为止。例如,一个要求可能是:一条边界线段到连接其两个端点的直线间的最大垂直距离不超过一个预设的阈值。如果准则满足,则与直线有着最大距离的点就成为一个顶点,这样就将初始线段分成了两条子线段。这种方法在寻找变化显著的点时具有优势。对一条闭合边界,最好的起始点通常是边界上的两个最远点。
5标记图
标记图是边界的一维函数表示,它可以使用各种方式来生成。一种最简单的方法是以角度的函数的形式画出质心到边界的距离.
6边界线段
将边界分解为线段通常是有很用的。分解降低了边界的复杂性,从而简化了描述过程。当边界线包含一个或多个携带形状信息的明显凹度时,这种方法尤其有吸引力。此时,使用由边界所围成区域的凸壳就成为边界鲁棒分解的有力工具。
7骨架
表示一个平面区域的结构形状的一种重要方法是将它简化为图形。这种简化可以通过一种细化(也称为骨架化)算法得到该区域的骨架来实现。尽管一个区域的MAT 会生成直觉上令人满意的骨架,但直接实现这一定义需要大量的计算。实现潜在地涉及计算每个内部点到一个区域边界上的每个点的距离。为改善计算效率,同时试图产生一个区域的中轴的表示,提出了许多算法。典型地,这些算法是迭代删除一个区域的边界点的细化算法,删除这些点时要服从如下约束条件:(1)不能删除端点,(2)不能破坏连接性,.(3)不能导致区域的过度腐蚀。
二、边界描绘子
1一些简单的描绘子
边界B的直径定义为
式中,D是一种距离度量,和
是边界上的点。直径的值和连接组成该直径的两个端点的直线段(该直线称为边界的长轴)的方向是边界的有用描绘子。边界的短轴定义为与长轴垂直的直线。由边界与两个轴相交的4个外部点所组成的方框这样的长度,可以完全包围该边界。刚刚描述的这个方框称为基本矩形,长轴与短轴之比称为边界的偏心率。偏心率也是一个有用的描绘子。
2形状数
形状数是基于链码的一种边界形状描述符。根据链码的起点位置不同,一个用链码表达的边界可以有多个一阶差分,形状数是最小的差分码。
- 从所有满足给定阶要求的矩形中选取其长短轴比例最接近指定边界的矩形
- 根据给定阶将选出的矩形划分为多个等边正方形
- 求出与边界最吻合的多边形
- 计算链码、差分码以及形状数
3傅里叶描绘子
对于边界的点坐标可以表示为s(k)=[x(k),y(k)],x(k)=xk,y(k)=yk,用复数表示为:
也就是说,x轴为复数序列的实轴,y轴为复数序列的虚轴。
s(k)的离散傅里叶变换为:
a(u)是边界的傅里叶描绘子。
4统计矩
边界线段的形状可使用统计矩来定量描述,如均值、方差和高阶矩。
让我们将幅度g视为一个离散随机变量v,并形成一个幅度直方图, i= 0,1,2,…,A-1,其中A
是我们分割幅度尺度的离散幅度增量数。然后,记住是值
,出现的概率估计,故可知关于其均值的v的第n阶矩为:
三、区域描绘子
1一些简单的描绘子
一个区域的面积定义为该区域中像素的数量。区域的周长是其边界的长度。这两个描绘子频繁用于度量一个区域的致密性,定义为(周长)/面积。另一个稍微不同的(标量乘子内)致密性描绘子是圆度率
其中,A是所讨论区域的面积,Р是其周长。对于圆形区域,该度量值为1,对于方形区域,该度量值为nt/4。
2拓扑描绘子
拓扑特性对图像平面区域的整体描述很有用,它与距离或基于距离度量概念的任何特性无关。主要用于研究一种图像在没有撕裂和连接的情况下(橡皮伸展变形),不受任何变形影响的性质。
区域内的孔洞数量和连通分量的数量对区域描述很有用。若图中孔洞的数量为H,连通分量数量为C,则可用于定义欧拉数E,
若顶点数为V,边数为Q,面数为F ,则可得出欧拉公式
3纹理
与颜色特征不同,纹理特征不是基于像素点的特征,它需要在包含多个像素点的区域中进行统计计算。在图像模式识别的模式匹配时,此类区域性的特征具有一定的优势,可以避免由于局部的偏差造成匹配失败。
常用的纹理特征表示方法有以下几种:1)统计法 2)模型法 3)几何法 4)频谱法
4不变矩
不变矩是在计算图像矩的基础上,通过对图像矩进行归一化和变换操作得到的一组具有不变性的特征量。不变矩可以在不同的图像上保持不变,即使图像发生平移、旋转、缩放等变换,其不变矩的值仍然保持一致。
四、使用主分量进行描绘
我们可以将向量当做随机量来处理,就像我们构建灰度级直方图时所做的那样。唯一的差别是,我们现在谈论的是随机向量的均值向量和方差矩阵,而不是随机变量的均值和方差。总体均值向量定义为
其中E·}是变量的期望值,下标表示 m与向量x的总体相关联。回忆可知,向量或矩阵的期望值可通过取每个元素的期望值来得到。
向量总体协方差矩阵定义为
对于来自随机总体的K个向量取样,均值向量可以通过使用常见的求平均值的表达式由样本来近似:
类似地,通过展开乘积(x-m, )(x-m,)T并使用式(11.4-2)和式(11.4-4),我们发现协方差矩阵可由如下样本来近似:
五、关系描绘子
关系描绘子对边界和区域都适用,主要以重写规则的形式来获取边界或区域中的基本重复模式。大多数使用字符串来描述图像的应用均基于从感兴趣的物体中提取连接线段的思想。
一种方法是追踪一个物体的轮廓,并使用指定方向和/或长度的线段来对结果进行编码
使用有向线段来描述图像的各个部分(如较小的单色区域)
根据抽象的基元来定义典型的操作,比如有时有着类似纹理或其他描绘子的区域可能是不连续的,这种情况下可以使用树描绘子。