《数字图像处理（第三版）》 第二章 数字图像基础 笔记4（像素间的一些基本关系）

2.5 像素间的一些基本关系

2.5.1 相邻像素

• 对于坐标 (x, y) 的一个像素 p 有 4 个水平和垂直的相邻像素，
  分别为：(x+1, y), (x-1, y), (x, y+1), (x, y-1)，这个像素集称为 p 的 4 邻域，记为 N₄( p )。
• p 的 4 个对角邻像素
  分别为：(x+1, y+1), (x-1, y-1), (x-1, y+1), (x+1, y-1)，称为 p 的 D 邻域，记为 N_D( p )。
• 4 邻域 和 D 邻域 合在一起称为 p 的 8 邻域，记为 N₈( p )。

注意：如果 (x, y) 位于图像的边界上，则 N₄( p )，N_D( p ) 和 N₈( p ) 中的某些像素点会落在图像的外边。

2.5.2 邻接性、连通性、区域和边界

2.5.2.1 邻接性

  令 V 是用于定义邻接性的灰度值集合，V 中可能定义了很多灰度值，例如，在灰度值范围为 0 到 255 的邻接像素中，集合 V 可能是这 256 个值的任何一个子集。考虑三种类型的邻接：

• 4 邻接：如果 q 在 N₄( p ) 集中，具有 V 中数值的两个像素 p 和 q 是 4 邻接 的，即：

$$\begin{gathered} q\in N_4(p)且f(p),f(q)\in V \\ 其中f(p)代表像素p的灰度值 \end{gathered}$$

• 8 邻接：如果 q 在 N₈( p ) 集中，则具有 V 中数值的两个像素 p 和 q 是 8 邻接的，即：

$$\begin{gathered} q\in N_8(p)且f(p),f(q)\in V \\ 其中f(p)代表像素p的灰度值 \end{gathered}$$

• m 邻接（混合邻接）：有两种情况

1. q 在 N₄( p ) 中，
2. q 在 N_D( p ) 中且集合 N₄( p ) ∩ N₄(q) 中没有 V 值的像素，

则具有 V 中数值的两个像素 p 和 q 是 m 邻接的。

$$\begin{gathered} q\in N_4(p)且f(p),f(q)\in V \\ 其中f(p)代表像素p的灰度值 \end{gathered}$$

或者

q ∈ N D ( p ) 且 { x ∣ x ∈ N 4 ( p ) 且   x ∈ N 4 ( q ) } ∉ V 且 f ( p ) , f ( q ) ∈ V 其 中   f ( p )   代 表 像 素   p   的 灰 度 值 q \in N_D(p) \quad 且 \quad \{x | x \in N_4(p) \\ 且 \,x \in N_4(q) \} \notin V \quad 且 \quad f(p), f(q) \in V \\ 其中 \, f(p) \, 代表像素 \, p \, 的灰度值 q∈ND​(p)且{x∣x∈N4​(p)且x∈N4​(q)}∈/​V且f(p),f(q)∈V其中f(p)代表像素p的灰度值

  例题：在下图中，设 V = {1}，点 p 和哪些点是 4 邻接的？和哪些点是 8 邻接的？和哪些点是 m 邻接的？

分析：
  首先，无论 4 邻接还是 8 邻接或者 m 邻接都要满足中心像素点 p 的灰度值也在集合 V 中，即如果 中心像素点 p 的灰度值没有包含在集合 V 中，则 p 既没有 4 邻接点，也没有 8 邻接点，更没有 m 邻接点。在本例题中，p 处的像素值为 1，包含在 V 之内。

  4 邻接：然后分析 4 邻接。p 像素点的 4 邻域包括像素点 b，d，e，g，在这四个像素点中，像素值包含在 V 中的只有 b，d 两个像素点，所以 p 像素点和 b，d 像素点是 4 邻接的。

  8 邻接：再分析 8 邻接。p 像素点的 8 邻域包括像素点 a，b，c，d，e，f，g，h，其中像素值包含在 V 中的像素点有 b，c，d，f，h，所以像素点 p 和像素点 b，c，d，f，h 是 8 邻接的。

  m 邻接：再分析 m 邻接。先看第一种情况，p 像素点的 4 邻域包括像素点 b，d，e，g，其中像素值包含在 V 中的像素点有 b，d；再看第二种情况，p 像素点的 D 邻域包括像素点 a，c，f，h，

对 于 a 像 素 点 ： f ( a ) ∉ V ， 故 a 不 是 p 的 m 邻 接 点 ； 对 于 c 像 素 点 ： N 4 ( p ) ∩ N 4 ( c ) = { b , e } ， 其 中 b ∈ V ， 故 c 不 是 p 的 m 邻 接 点 ； 对 于 f 像 素 点 ： N 4 ( p ) ∩ N 4 ( f ) = { d , g } ， 其 中 d ∈ V ， 故 f 不 是 p 的 m 邻 接 点 ； 对 于 h 像 素 点 ： N 4 ( p ) ∩ N 4 ( h ) = { e , g } ， 其 中 e , g ∉ V ， 故 h 是 p 的 m 邻 接 点 。 对于 a 像素点：f(a) \notin V，故 a 不是 p 的 m 邻接点；\\ 对于 c 像素点：N_4(p) \cap N_4(c) = \{b, e\}，其中 b \in V，故 c 不是 p 的 m 邻接点；\\ 对于 f 像素点：N_4(p) \cap N_4(f) = \{d, g\}，其中 d \in V，故 f 不是 p 的 m 邻接点；\\ 对于 h 像素点：N_4(p) \cap N_4(h) = \{e, g\}，其中 e, g \notin V，故 h 是 p 的 m 邻接点。 对于a像素点：f(a)∈/​V，故a不是p的m邻接点；对于c像素点：N4​(p)∩N4​(c)={b,e}，其中b∈V，故c不是p的m邻接点；对于f像素点：N4​(p)∩N4​(f)={d,g}，其中d∈V，故f不是p的m邻接点；对于h像素点：N4​(p)∩N4​(h)={e,g}，其中e,g∈/​V，故h是p的m邻接点。

故 p 像素点的 m 邻接点有 b、d、h。

  故：4 邻接点一定是 8 邻接点，也一定是 m 邻接点。

  混合邻接是 8 邻接的改进。混合邻接的引入是为了消除 8 邻接常常发生的二义性。

  考虑上图中图 1 中对于 V={1} 的像素排列。位于图 2 中上部的 3 个像素显示了多重（二义性）8 邻接，图中的虚线是满足 8 邻接的邻接点对，图 3 显示了采用 m 邻接之后的像素排列，可以看到，像素点 c 和像素点 b 无法通过 m 邻接直接连通，只能通过像素点 c 和像素点 a 的 m 邻接连通之后，再通过像素点 a 和像素点 b 的 m 邻接连通后最终连通。从而消除了在 8 邻接中，像素点 c 和像素点 b 有多条连通通路的二义性。注意，m 邻接只能消除相邻像素点之间有关 D 邻域的连通二义性。

2.5.2.2 连通性

通路的概念

  从具有坐标 (x, y) 的像素 p 到具有坐标 (s, t) 的像素 q 的 通路（或曲线） 是特定的像素序列，其坐标为：

$$(x_0,y_0),(x_1,y_1),\cdots ,(x_n,y_n)$$

其中 (x₀, y₀) = (x, y)，(x_n, y_n) = (s, t)，且像素 (x_i, y_i) 和 (x_i-1, y_i-1) 对于 1<=i<=n 是邻接的。在这种情况下，n 是通路的长度（经过的序列距离）。如果 (x₀, y₀) = (x_n, y_n)，则通路为 闭合通路。注意：通路长度为 n，是指通路经过的距离，即经过的点的数量（不包含起始点）。

  同时，通路上相邻的（任意）两个像素点应该是满足某种邻接性的。可以依据特定的邻接类型定义 4 邻接、8 邻接或 m 邻接。例如图 2 中，像素点 b 和像素点 d 之间的通路是 8 通路。图 3 中，像素点 b 和像素点 d 之间的通路是 m 通路。

  令 S 是图像中的一个像素子集。如果在 S 中，p 和 q 之间存在一个全部由 S 中的元素组成的通路，则可以说两个像素 p 和 q 在 S 中是 连通 的。对于 S 中的任何像素 p，S 中连通到该像素的像素集叫做 S 的 连通分量。如果 S 仅有一个连通分量，则集合 S 叫做 连通集。

  令 R 是图像中的一个像素子集。如果 R 是连通集，则称 R 为一个区域。两个区域，如果它们联合形成一个连通集，则区域 R_i 和 R_j 称为 邻接区域，不邻接的区域称为 不连接区域。一个区域 R 的边界（也称为边缘或轮廓）是区域中像素的集合，该区域有一个或多个不在 R 中的邻点。

  假设一幅图像包含有 K 个不连接的区域，即 R_k，k = 1, 2, ··· , K ，且它们都不接触图像的边界。令 R_u 代表所有 K 个区域的并集，并且令 (R_u)^c 代表其补集（集合 S 的补集是不在 S 中的点的集合）。我们称 R_u 中的所有点为图像的 前景，而称 (R_u)^c 中的所有点为图像的 背景。

2.5.3 距离度量

  对于像素 p，q和z，其坐标分别为 (x, y)，(s, t)和(v, w)，如果：

1. D(p, q) >= 0 （ D(p, q) = 0 if p=q ）
2. D(p, q) = D(q, p)
3. D(p, z) <= D(p, q) + D(q, z)
   则 D 是距离函数或度量。

欧几里得（欧式）距离

p 和 q 间的 欧几里得（欧式）距离 定义如下：

$$D_e(p,q)=[(x-s{)}^2+(y-t{)}^2{]}^{\frac{1}{2}}$$

对于距离度量，距点 (x, y) 的距离小于等于某个值 r 的像素，是中心在 (x, y) 且半径为 r 的 圆平面。

D₄距离 又叫城市街区距离（曼哈顿距离）

p 和 q 间的距离 D₄ （又称为城市街区距离）由下式定义：

$$D_4(p,q)=\mid x-s\mid +\mid y-t\mid$$

此情况下，距 (x, y) 的距离 D₄ 小于等于某个值 r 的像素形成一个中心在 (x, y) 的 菱形。

如图，距中心点 (x, y) 的距离 D₄ 小于等于 2 的像素，形成固定距离的菱形轮廓。其中 D₄ = 1 的像素是 (x, y) 的 4 邻域。

D₈距离 又叫棋盘距离（切比雪夫距离）

由下式定义：

$$D_8(p,q)=max(\mid x-s\mid ,\mid y-t\mid )$$

此情况下，距 (x, y) 的 D₈ 距离小于等于某个值 r 的像素形成中心在 (x, y) 的 方形。例如，距中心点 (x, y) 的 D₈ 距离小于等于 2 的像素形成下列固定距离的轮廓：

其中 D₈ = 1 的像素是 (x, y) 的 8 邻域。

D_m距离

p 和 q 间的距离 D_m 定义为 最短 m 通路的长度。注意，p 和 q 之间的 D₄ 距离和 D₈ 距离与任何通路无关。

例题

  如下图所示，对于 V={1}，求像素点 p 和像素点 q 的城市街区距离、棋盘距离和 D_m 距离。

由于 D₄ 距离和 D₈ 距离与任何通路无关，所以：
D₄(p, q) = |x - s| + |y - t| = 2 + 3 = 5
D₈(p, q) = max(|x - s|, |y - t|) = max(2, 3) = 3

求 D_m 距离首先要找到像素点 p 和像素点 q 之间的一条 m 通路，如图中虚线所示：

D_m(p, q) = 4