数字图像处理(翟瑞芳)第8章-imageunderstanding.ppt
数 字 图 像 处 理 Digital Image Processing,翟瑞芳Office:逸夫楼B407-1,图像特征：用于区分一个图像内部最基本属性或特征 1）从产生过程：自然特征(区域的亮度、边缘的 轮廓、纹理或色彩人为特征（变换频谱、直方图、矩）2）从表现形式：几何特征、形状特征、颜色特征、纹理特征等 特征提取：将由图像分割得到区域的特征提取出来，用 于 图像识别与理解。,1.特征表示与描述：把图像分割后，为了进一步的处理，分割后的图像一般要进行形式化的表达和描述。2.解决形式化表达问题一般有两种选择：1）根据区域的外部特征来进行形式化表示2）根据区域的内部特征来进行形式化表示3.选择表达方式的原则 1）如果关注的焦点是形状特性，选择外部表示方式 2）如果关注的焦点是反射率特性，如颜色、纹理时，选择内部表示方式 3）所选表示方式，应该对尺寸、变换、旋转等变量尽可能的不敏感,第8章 图像特征与理解,8.1 图像的基本特征 8.2 角点特征8.3 纹理分析 8.4 不变矩特征8.5 其他特征或描述,物体位置由质心表示,8.1 图像的基本特征,8.1.1 几何特征1.位置,通常用物体的面积中心点作为物体的位置（质心）。二值图像质量分布是均匀的，故质心和形心重合。若图像中的物体对应的像素位置坐标为(xi,yj)(i=0,1,n1；j=0,1,m1)，则可用下式计算质心位置坐标：,2.方向,如果物体是细长的，则可以把较长方向的轴定为物体的方向。通常，将最小二阶矩轴定义为较长物体的方向。也就是说，要找出一条直线，使下式定义的E值最小：,式中，r是点（x,y）到直线的垂直距离。,物体方向可由最小二阶矩轴定义,3.周长 区域的周长即区域的边界长度。常用的简便方法如下：（1）计算隙码的长度求周长：当把图像中的像素看作单位面积小方块时，则图像中的区域和背景均由小方块组成。区域的周长即为区域和背景缝隙的长度和，此时边界用隙码表示。因此，求周长就是计算隙码的长度。,3.周长 区域的周长即区域的边界长度。常用的简便方法如下：（2）链码法求周长：当把像素看作一个个点时，则周长用链码表示，求周长也即计算链码长度。此时，当链码值为奇数时，其长度记作；当链码值为偶数时，其长度记作1。即周长p表示为 式中，Ne和No分别是边界链码（8方向）中走偶步与走奇步的数目。,3.周长 区域的周长即区域的边界长度。常用的简便方法如下：（3）计算边界点数之和求周长：周长用边界所占面积表示，也即边界点数之和，每个点占面积为1的一个小方块。,（1）边界用隙码表示时，周长为24；（2）边界用链码表示时，周长为10+5；（3）边界用面积表示时，周长为15。,周长计算实例,4.面积 面积是物体的总尺寸的一个方便的度量。(1)像素计数面积,对二值图像而言，若用1表示物体，用0表示背景，其面积就是统计f(x,y)=1的个数。,(2)由边界行程码或链码计算面积,(3)用边界坐标计算面积 Green（格林）定理表明，在x-y平面中的一个封闭曲线包围的面积由其轮廓积分给定，即,其中，积分沿着该闭合曲线进行。将其离散化变为,式中，Nb为边界点的数目。,（4）长轴和短轴 当物体的边界已知时，用其外接矩形的尺寸来刻画它的基本形状是最简单的方法。对任意朝向的物体，必要确定物体的主轴，然后计算反映物体形状特征的主轴方向上的长度和与之垂直方向上的宽度，这样的外接矩形是物体的最小外接矩形（Minimum Enclosing Rectangle，MER）。,MER法求物体的长轴和短轴（a）坐标系方向上的外接矩形；（b）旋转物体使外接矩形最小,（5）距离 图像中两点P(x,y)和Q(u,v)之间的距离是重要的几何性质，常用如下三种方法测量：（1）欧几里德距离：,（2）市区距离：,（3）棋盘距离：,两种距离表示法（a）d4(P,Q)2;(b)d8(P,Q)2,8.2 形状特征（1）矩形度 矩形度反映物体对其外接矩形的充满程度。,式中，AO是该物体的面积，而AMER是MER的面积。当物体为矩形时，R取得最大值1.0；圆形物体的R取值为/4；细长的、弯曲的物体的R的取值变小。,另外一个与形状有关的特征是长宽比r：,r即为MER宽与长的比值。利用r可以将细长的物体与圆形或方形的物体区分开来。,（2）圆形度,1.致密度P 周长 A面积,致密度描述了区域单位面积的周长大小，致密度大，表明单位面积的周长大，即区域离散，则为复杂形状；反之，致密度小，则为简单形状。当图像区域为圆时，C有最小值4；其他任何形状的图像区域，C4；且形状越复杂，C值越大。例如不管面积多大，正方形区域致密度C=l6，正三角形区域致密度为。,2.圆形性 圆形性（Circularity）C是一个用区域R的所有边界点定义的特征量，即,当区域R趋向圆形时，特征量C是单调递增且趋向无穷的。,区域重心到边界点的平均距离,区域重心到边界点的距离均方差,（3）球状性 球状性(Sphericity)S既可以描述二维目标也可以描述三维目标，其定义为,在二维情况下，ri代表区域内切圆(Inscribed circle)的半径，而rc代表区域外接圆(Circumscribed circle)的半径，两个圆的圆心都在区域的重心上。,球状性定义示意图,（4）形状描述子,1.边界链码 链码是对边界点的一种编码表示方法，边界的起点用绝对坐标表示，其余点都只用接续方向来代表偏移量。链码表达可大大减少边界表示所需的数据量。,码值与方向对应关系(a)4方向链码；(b)8方向链码；(c)边界编码图形,4方向链码：（5，5）1 1 1 2 3 2 3 2 3 0 0 8方向链码：（5，5）2 2 2 4 5 5 6 0 0,2.一阶差分链码 用链码表示给定目标的边界时，如果目标平移，链码不会发生变化，而如果目标旋转则链码会发生变化。为解决这个问题，可利用一阶差分链码。,一阶差分链码,3.傅立叶描述子 对边界的离散傅立叶变换表达，可以作为定量描述边界形状的基础。采用傅立叶描述的一个优点是将二维问题简化为一维问题。,边界点的两种表示方法,M的选取与描述符的关系,N=64 M=2 M=8 M=62,烤烟烟叶的外观特征提取实例,8.3 纹理分析,纹理:由许多相互接近的互相编织的元素构成，有周期性。与图像分析直接有关的定义是“一种反映一个区域中像素灰度级的空间分布的属性”。人工纹理是某种符号的有序排列，这些符号可以是线条、点、字母等，是有规则的。自然纹理是具有重复排列现象的自然景象，如砖墙、森林、草地等照片，往往是无规则的。,人工纹理与自然纹理(a)人工纹理；（b）自然纹理,8.3.1 统计法 1.灰度差分统计法 设(x,y)为图像中的一点，该点与和它只有微小距离的点(x+x,y+y)的灰度差值为,累计 取各个值的次数，做出直方图。可知 取值的概率。,该方法采用以下参数描述纹理图像的特征：（1）对比度：,（2）角度方向二阶矩:,（3）熵:,（4）平均值:,平坦时，ASM较小，ENT较大；离原点越近，则MEAN值越小。,2.行程长度统计法 设点(x,y)的灰度值为g，与其相邻点的灰度值也可能为g，统计出从任一点出发沿方向上连续n个点都具有灰度值g这种情况发生的概率，记为p(g,n)。在同一方向上具有相同灰度值的像素个数称为行程长度。由p(g,n)可以定义出能够较好描述纹理特征的如下参数：（1）长行程加重法：,（2）灰度值分布：,（3）行程长度分布：,（4）行程比：,式中，N2为像素总数。,3.联合概率矩阵法 取图像中任意一点(x，y)及偏离它的另一点(x+a,y+b)，设该点对的灰度值为(g1，g2)。令点(x，y)在整个画面上移动，则会得到各种(g1，g2)值，设灰度值的级数为k，则(g1，g2)的组合共有k2种。对于整个画面，统计出每种(g1，g2)值出现的次数，然后排列成个方阵，再用(g1，g2)出现的总次数将它们归一化为出现的概率p(g1，g2)，这样的方阵称为联合概率矩阵，也叫做共生矩阵。,联合概率矩阵计算示例,当a,b值较小时：变化缓慢的纹理图像，对角线上的数值较大；纹理变化越快，则对角线上的数值越小，而对角线两侧的元素值增大。,为了能描述纹理的状况，有必要选取能综合表现联合概率矩阵状况的参数，典型的有以下几种：,角二阶矩：均匀性或平滑性,对比度,相关性,差熵,8.3.2 用空间自相关函数作纹理测度 用空间自相关函数作纹理测度的方法如下：,8.3.4 基于纹理特征应用实例1.图像的分类识别,2.图像的自动拼接,2.印刷品低分辨率下的纹理特征检测,1.矩的定义对于二元有界函数f(x,y)，它的(j+k)阶矩为,由于j和k可取所有的非负整数值，因此形成了一个矩的无限集。而且，这个集合完全可以确定函数f(x，y)本身。,8.4 不变矩特征,零阶矩是物体的面积，即,对二维离散函数f(x，y)，零阶矩可表示为,2.质心坐标与中心矩 二值图像中一个物体的质心的坐标,中心矩的定义为,3.不变矩 对于j+k 2,3,4的高阶矩，可以定义归一化的中心矩为,利用归一化的中心矩，可以获得六个不变矩组合，这些组合对于平移、旋转、尺度等变换都是不变的，它们是：,不变矩的应用步态识别,提取人体轮廓,设1幅6*6图像如图所示，定义位置操作算子W为向右1个像素，此时图像的共生矩阵是：,本 次 授 课 结 束 谢 谢！,
