这里的内容是之前黄学姐没有整理的,同样声明:以下内容没考到概不负责。
目录
图像特征提取,位置与方向,长轴与短轴,周长,面积,距离矩形度,宽长比,圆形度,球状度,偏心率
Marr边缘检测方法
边缘检测使用的算子有梯度算子,罗伯特算子,Sobel算子,拉普拉斯算子等。梯度和拉普拉斯对噪声比较敏感。故提出两种改进方法1.先平滑抑噪后微分2.先对图像局部线性拟合,后直接用拟合函数导数替代数值导数,如曲面拟合法。
Marr边缘检测就是前者的一种:
一 : h(x)为平滑滤波器:要满足一下三个条件:
(1)当为偶函数; (2) ; (3)一阶、二阶可微
二: Marr提出用拉普拉斯(计算简单)替代二阶导数
基于直方图阈值的图像分割中,最佳阈值是如何选取?
最佳阈值:是指使图像中目标物和背景分割错误最小的阈值。 设一幅图像只由目标物和背景组成,已知灰度分布概率密度分别为P1(Z)和P2(Z),目标物像素占全图像像素比是。假定选用的灰度级阈值为,总的错误概率为
求导,并令其等于零,得解
例子:一幅图像是由背景和物体组成,假设:
物体像素灰度级具有正态概率密度,均值方差为
背景像素灰度级具有正态概率密度,均值方差为
物体占图像总面积的比为,背景占总面积的比为,所以这幅图像总的灰度级概率密度为
设一阈值T,并且把小于T的全部点称为目标物体点,而把大于等于T 的所有点称为背景点。
把背景错归为物体点的概率为,把物体点错归为背景点的概率为,则有
要求得上式的最优阈值,可将上式对t 微分,并令其结果为0,则得到
又因为
下面是图像表示与描述内容
图像特征提取,位置与方向,长轴与短轴,周长,面积,距离矩形度,宽长比,圆形度,球状度,偏心率
位置与方向:
位置(质心公式) ;方向(将较长方向的轴定义物体的方向)【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,使物体具有最小惯量,即:r是点(x,y)到轴线的垂直距离】
长轴和短轴:
方框为MER最小外接矩形。
周长:
是指该物体或区域的边界长度。三种计算方法:
- –》周长为24
- (八链码)链码表示:
- 周长即物体边界点数之和,其中每个点为占面积为1的一个小方块。,周长15
面积:
- 最简单的面积计算方法是统计边界及其内部的像素的总数
- 用格林公式(二重积分变沿闭区域边界的曲线积分)面积
距离:
矩形度:
指物体的面积与其最小外接矩形的面积之比值。
宽长比:
是指物体的最小外接矩形的宽与长之比值。
圆形度:
包括周长平方面积比、边界能量、圆形性、面积与平均距离平方之比值等。圆形度可以用来刻画物体边界的复杂程度。
- 周长平方面积比:
- 边界能量:r是曲率半径
- 圆形性:圆形最大 =从区域重心到边界点的平均距离 =从区域重心到边界点的距离均方差
- 球状度:内切圆半径与外切圆半径的比值
球状度:
以上
偏心率:
又称伸长度,反映了一个区域的紧凑性。长轴(主轴)长度与短轴(辅轴)长度的比值。
E=A/B
特征的距离测量: 欧几里得,棋盘,市区距离分别是什么样的?
- 欧几里得距离
- 市区距离
- 棋盘距离:
8方向链码, 起点的归一化,旋转的归一化
上面图有错(计算周长的八链码),左图是真正的八链码
起点归一化就是取最小的码作为结果的首个方向。
旋转归一化就是采用一阶差分(1个表示原链码各段之间方向变化的新序列)作为新的码。
设原来的链码为:Cn=a0 a1 a2 a3….an-1 N=4or8 那么一阶差分码为:dCn = b0 b1 b2 …bn-1 N=4or8
b0=[(a0-an-1)+N] MOD N bi=[(ai-ai-1)+N] MOD N
盗图为例:原码(左)10103322 (右)21210033
4方向的差分: [(1-2)+4]%4=3 [(0-1)+4]%4=3 [(1-0)+4]%4=1 以此类推都是33133030
下面是形态学原理内容
二值图像形态学运算是基于什么进行操作的。
二值形态学中的运算对象是集合。
形态学中,结构元的概念。
结构元就是形态学操作中涉及到的一个关键的因子。结构元就是一个形状和大小已知的像素点集,通常还要为结构元定义一个中心。
膨胀、腐蚀、开、闭运算的符号、算法规则、运算效果。
膨胀:
规则:S来膨胀X得到的集合是S包括(部分/完全)在X中时S的原点位置的集合。
效果:
- 腐蚀:
- 规则:S来腐蚀X得到的集合是S完全包括在X中时S的原点位置的集合。
- 效果:
开启运算:
规则:A开B的边界为B在A内滚动所能达到的最远处的B的边界所构成。
效果:
开运算一般能平滑图像的轮廓,削弱狭窄的部分,去掉细的突出。(先腐蚀后膨胀)
闭合运算:
规则:A闭B的边界为B在A边界外边滚动最近所能不能达到的边界所构成。
效果:
闭运算也是平滑图像的轮廓,与开运算相反,它一般熔合窄的缺口和细长的弯口,去掉小洞,填补轮廓上的缝隙。(先膨胀后腐蚀)
参考好博文:数学形态学运算——腐蚀、膨胀、开运算、闭运算
以下是第九章数学形态学的内容。
数学形态学处理一般都是不可逆的,无法重构,有信息损失。
形态学运算性质:
性质1.递增性(处理之后仍满足包含关系)
性质2.幂等性(处理几次,结果都等效)
Q:为什么上面的膨胀定义没有翻转而数学形态学膨胀有翻转后才平移
膨胀:=–>B先翻转后平移x,交集不为空集的x的集合为结果。
腐蚀:平移后包含其中的x的集合
开运算一般能平滑图像的轮廓,削弱狭窄的部分,去掉细的突出。(先腐蚀后膨胀)
A开B的边界为B在A内滚动所能达到的最远处的B的边界所构成。
闭运算也是平滑图像的轮廓,与开运算相反,它一般熔合窄的缺口和细长的弯口,去掉小洞,填补轮廓上的缝隙。(先膨胀后腐蚀)
A闭B的边界为B在A边界外边滚动滚动所能不能达到的地方所构成。
击中击不中变换(重点~~)
数学形态学的核心:HMT:HitMissTransfer:形状检测基本工具~
HMT是一个完全的模板匹配过程。
击中:找出满足模版的前景
击不中:找出满足模版的背景 两者的交集就是一个完全的模板匹配过程。
如果B记为由X和其背景构成的集合,B在A中的匹配,记为,则
边缘提取算法
集合A的边界记为 ,可以通过下述算法提取边缘:
区域填充算法
连接区域提取算法
随便找一个图形内的点P
膨胀后被原图包含的部分继续膨胀被包含,最后收敛的结果
例子:
凸壳运算
如果连接集合A内任意两点的直线段都在A的内部,则A是凸形的。
通俗说就是四个结构元分别不断和原图HMT之后与原图并集的收敛结果。
然后其他方向再搞三次,成这样
缺点是: 凸壳可能超出确保凸性所需的最小尺寸
细化运算
集合A被结构元素B的细化用表示,根据击中(hit)(或击不中miss)变换定义:
更有用的表达是基于结构元素 序列的:
细化表达式为untill 整个过程重复进行到没有进一步的变化发生为止。
For example:
结构元素序列
粗化的结构元素同细化的结构元素具有相同的形式。只是所有的0和1交换位置。 通常采用细化集合的背景,然后求补而达到粗化的结果。
为了粗化集合A,我们先令,细化C,然后得到 即为粗化结果。
今天的文章图像处理(4)_图像处理的算法有哪些[通俗易懂]分享到此就结束了,感谢您的阅读。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/85493.html