第8章 二值图像处理

1、第八章第八章 二值图像处理二值图像处理本章要点本章要点: : 连接与连通域连接与连通域 贴标签贴标签 腐蚀、膨胀、开运算与闭运算腐蚀、膨胀、开运算与闭运算 轮廓提取和边界跟踪轮廓提取和边界跟踪 几何特征的测量几何特征的测量8.1 二值图像分析的概念经过图像分割之后，获得了目标物与非目标物两个不同的对象，经过图像分割之后，获得了目标物与非目标物两个不同的对象，但是提取出的目标物存在以下的问题：但是提取出的目标物存在以下的问题：1 1）提取的目标中存在）提取的目标中存在伪目标物伪目标物；2 2）多个目标物中，）多个目标物中，存在粘连或者是断裂存在粘连或者是断裂；3 3）多个目标物）多个目标物存在形

2、态的不同存在形态的不同。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进行描述与计算，最后获得所需要的分析结果。同的目标物特征进行描述与计算，最后获得所需要的分析结果。 8.2 8.2 连接与连通域的概念连接与连通域的概念 二值图像中对所有对象的描述的像素值都一样，二值图像中对所有对象的描述的像素值都一样，因此，要对不同的目标进行区分，只能通过像素因此，要对不同的目标进行区分，只能通过像素间的连通关系。间的连通关系。 为了描述方便起见，为了描述方便起见，后面默认黑色为目标物，后面默认黑色为目标物，白色为背景。白色为

3、背景。8.2.1 8.2.1 连接连接1)1)四连接：当前像素为黑，其四个近邻像素中至少有四连接：当前像素为黑，其四个近邻像素中至少有一个为黑；一个为黑；2)2)八连接：当前像素为黑，其八个近邻像素中至少有八连接：当前像素为黑，其八个近邻像素中至少有一个为黑。一个为黑。四近邻四近邻八近邻八近邻8.2.2 连接域 将相互连在一起的黑色像素的集合称为一个连通域。将相互连在一起的黑色像素的集合称为一个连通域。四连接意义下为四连接意义下为6 6个连通域。个连通域。八连接意义下为八连接意义下为2 2个连通域。个连通域。可以看到，通过统计可以看到，通过统计连通域的个数连通域的个数，即可获得提，即可获得提取

4、的取的目标物的个数目标物的个数。8.3 贴标签 因为不同的连通域代表了不同的目标，为了加以区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别，需要对不同的连通域进行标识标识。例：下图，八连接意义下为例：下图，八连接意义下为2 2个连通域个连通域= = “1 1”号标签号标签= = “2 2”号标签号标签8.3.1 贴标签算法 设一个二值矩阵表示一个黑白图像，为讨论方便起设一个二值矩阵表示一个黑白图像，为讨论方便起见，令见，令“黑黑=1=1”，“白白=0=0”。例：010000010110001000000000011011010100f8.3.1 8.3.1 贴标签算法

5、贴标签算法1 1）初始化：设标签号为）初始化：设标签号为Lab=0,Lab=0,已贴标签数已贴标签数N=0N=0，标签矩标签矩阵阵g g为全为全0 0阵，按照从上到下，从左到右的顺序寻找未阵，按照从上到下，从左到右的顺序寻找未贴标签的目标点；贴标签的目标点；例：例：000000000000000000000000000000000000g010000010110001000000000011011010100f8.3.1 8.3.1 贴标签算法贴标签算法2 2）检查相邻像素的状态：根据其相邻像素的状态进）检查相邻像素的状态：根据其相邻像素的状态进行相应的处理；行相应的处理；例：01000001

6、0110001000000000011011010100f 已扫描过的像素 未扫描的像素 当前像素8.3.1 贴标签算法 如果扫描过的像素均为如果扫描过的像素均为0 0，则，则Lab=Lab+1, Lab=Lab+1, g(i,j)=Lab,N=N+1;g(i,j)=Lab,N=N+1;例：010000010110001000000000011011010100f010000000000000000000000000000000000g8.3.1 8.3.1 贴标签算法贴标签算法 如果扫描过的像素标签号相同，则如果扫描过的像素标签号相同，则g(i,j)=Lab;g(i,j)=Lab;例：010

7、000010110001000000000011011010100f010000000000000000000000000000000000g010000010000000000000000000000000000g010000010200000000000000000000000000g8.3.1 8.3.1 贴标签算法贴标签算法例：010000010110001000000000011011010100f010000010110001000000000011011010100f010000010220000000000000000000000000g00000000000000000000

8、0000022010000010g010000010110001000000000011011010100f8.3.1 8.3.1 贴标签算法贴标签算法 如果扫描过的像素标签号不相同，例如：如果扫描过的像素标签号不相同，例如：Lab2Lab1,Lab2Lab1,则则g(i,j)=Lab1g(i,j)=Lab1，N=N-1N=N-1，修改所有为，修改所有为Lab2Lab2的像素值，使之为的像素值，使之为Lab1;Lab1;例：010000010220001000000000000000000000g010000010110001000000000000000000000g8.3.1 贴标签算法3

9、)3)将全部的像素进行将全部的像素进行2 2）的处理，直到所有的像素全）的处理，直到所有的像素全部处理完成部处理完成; ;例：010000010110001000000000011011010100f010000010110001000000000011011010100f010000010110001000000000020000000000g010000010110001000000000022000000000g010000010110001000000000011011010100f010000010110001000000000011011010100f010000010110001

10、000000000011011010100f010000010110001000000000011011010100f010000010110001000000000022030000000g010000010110001000000000022033000000g010000010110001000000000022033020000g010000010110001000000000022033020200g010000010110001000000000022022020200g8.3.1 贴标签算法4 4）判断最终的）判断最终的LabLab是否满足是否满足Lab=NLab=N， 如果是，

11、则贴标签处理完成；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。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，消除不连续编号这时，将进行一次编码整理，消除不连续编号的情况。的情况。8.3.2 8.3.2 贴标签的应用例贴标签的应用例编码杆的中线检测编码杆的中线检测中心位置变中心位置变动量检测动量检测孔的检测孔的检测8.4 8.4 腐蚀腐蚀腐蚀腐蚀 是一种消除连通域的边界点，使边界向是一种消除连通域的边界点，使边界向内收缩的处理。内收缩的处理。例：8.4.1 8.4.1 腐蚀的基本设计思想腐蚀的基本设计思想 设计一个结构元素，结构元素的原点定位在待处理设

12、计一个结构元素，结构元素的原点定位在待处理的的目标像素目标像素上，通过判断是否覆盖，来确定是否该上，通过判断是否覆盖，来确定是否该点被腐蚀掉。点被腐蚀掉。二值图像二值图像结构元素结构元素结果图像结果图像8.4.2 腐蚀算法1 1）扫描原图，找到第一个像素值为）扫描原图，找到第一个像素值为1 1的目标点；的目标点；2 2）将预先设定好形状以及原点位置的结构元素的原点移）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；到该点；3 3）判断该结构元素所覆盖范围内的像素值是否）判断该结构元素所覆盖范围内的像素值是否全部为全部为1 1： 如果是，则腐蚀后图像中的相同位置上的像素值为如果是，则腐蚀后

13、图像中的相同位置上的像素值为1 1； 如果不是如果不是, ,则腐蚀后图像中的相同位置上的像素值为则腐蚀后图像中的相同位置上的像素值为0 0；4 4）重复）重复2 2）和）和3 3），直到所有原图中像素处理完成。），直到所有原图中像素处理完成。8.4.3 腐蚀处理例例：注：图像画面上边框处不能被结构元素覆盖的注：图像画面上边框处不能被结构元素覆盖的部分可以保持原来的值不变，也可以置为背景。部分可以保持原来的值不变，也可以置为背景。8.4.4 8.4.4 腐蚀处理的应用腐蚀处理的应用 腐蚀处理腐蚀处理可以将粘连在一起的不同目标物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。分离，并可

14、以将小的颗粒噪声去除。8.5 膨胀 膨胀是将与目标区域接触的背景点合并到该目标物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。中，使目标物边界向外部扩张的处理。例：8.5.1 8.5.1 膨胀的基本设计思想膨胀的基本设计思想 设计一个结构元素，结构元素的原点定位在设计一个结构元素，结构元素的原点定位在背景像背景像素素上，判断是否覆盖有目标点，来确定是否将该点上，判断是否覆盖有目标点，来确定是否将该点膨胀为目标点。膨胀为目标点。二值图像二值图像结构元素结构元素8.5.2 8.5.2 膨胀算法膨胀算法1 1）扫描原图，找到第一个像素值为）扫描原图，找到第一个像素值为

15、0 0的背景点；的背景点；2 2）将预先设定好形状以及原点位置的结构元素的原点）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；移到该点；3 3）判断该结构元素所覆盖范围内的像素值是否）判断该结构元素所覆盖范围内的像素值是否存在为存在为1 1的目标点：的目标点： 存在，则膨胀后图像中的相同位置上的像素值为存在，则膨胀后图像中的相同位置上的像素值为1 1； 不存在不存在, ,则膨胀后图像中的相同位置上的像素值为则膨胀后图像中的相同位置上的像素值为0 0；4 4）重复）重复2 2）和）和3 3），直到所有原图中像素处理完成。），直到所有原图中像素处理完成。8.5.3 膨胀处理例例：例：8.5

16、.4 8.5.4 膨胀处理的应用膨胀处理的应用 膨胀处理膨胀处理可以将断裂开的目标物进行合并，可以将断裂开的目标物进行合并，便于对其整体的提取。便于对其整体的提取。8.6 8.6 开运算与闭运算开运算与闭运算 腐蚀和膨胀运算的一个缺点是，改变了原目标物腐蚀和膨胀运算的一个缺点是，改变了原目标物的大小。的大小。 腐蚀与膨胀是一对逆运算，将膨胀与腐蚀运算同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。时进行。由此便构成了开运算与闭运算。 8.6.1 开运算 开运算是对原图先进行腐蚀处理，后再进行膨胀的开运算是对原图先进行腐蚀处理，后再进行膨胀的处理。（处理。（先腐蚀

17、，后膨胀先腐蚀，后膨胀） 开运算开运算可以在分离粘连目标物的同时，基本保持原可以在分离粘连目标物的同时，基本保持原目标物的大小。目标物的大小。腐蚀腐蚀膨胀膨胀8.6.2 闭运算 闭运算是对原图先进行膨胀处理，后再进行腐蚀的闭运算是对原图先进行膨胀处理，后再进行腐蚀的处理。处理。( (先膨胀，后腐蚀先膨胀，后腐蚀) ) 闭运算闭运算可以在合并断裂目标物的同时，基本保持原可以在合并断裂目标物的同时，基本保持原目标物的大小。目标物的大小。膨胀膨胀腐蚀腐蚀8.7 8.7 轮廓提取和边界跟踪轮廓提取和边界跟踪目的：获得图像的外部轮廓特征，为形状分析做准备。目的：获得图像的外部轮廓特征，为形状分析做准备。

18、内部点内部点：目标与背景不相邻接的点。：目标与背景不相邻接的点。边界点边界点：目标与背景相邻接的点。：目标与背景相邻接的点。二值化图像的轮廓提取算法就是二值化图像的轮廓提取算法就是掏空内部点掏空内部点，即原图中，即原图中有一目标点，其四近邻都是目标点，则该点变成背景。有一目标点，其四近邻都是目标点，则该点变成背景。 原图原图 4 4近邻近邻 8 8近邻近邻边界跟踪：边界跟踪：1.1.自上而下，自左到右扫描，将第一个目标点自上而下，自左到右扫描，将第一个目标点A A标记为起始点，标记为起始点，便于判断跟踪完毕。便于判断跟踪完毕。2.2.逆时针搜索，在逆时针搜索，在A A的的56705670顺序判

19、断，第一个目标点顺序判断，第一个目标点B B为边界点，为边界点，并做标记。并做标记。3.3.从从B B开始在开始在B B的的4567012345670123顺序判断，如果是边界点，且第一个顺序判断，如果是边界点，且第一个目标点目标点C C为边界点，并为边界点，并做标记做标记。4.4.直到直到C C就是就是A A时结束。时结束。其中边界点判断：该点的上下左右不全是目标点。其中边界点判断：该点的上下左右不全是目标点。ABC3452*6107ABC8.8 特征量的测量一、面积一、面积面积面积定义为连通域中像素的总数。是对二值化处定义为连通域中像素的总数。是对二值化处理之后的连通域的大小进行度量的几何

20、特征量。理之后的连通域的大小进行度量的几何特征量。例：连通域的面积为例：连通域的面积为 3555321SA SyxSA),(1二、周长（或边界长）二、周长（或边界长）周长周长是指包围某个连通域的边界轮廓线的长度。是指包围某个连通域的边界轮廓线的长度。2SeoLNN3452*6107例：连通域的周长为例：连通域的周长为 (1 1 1 1 1 1 1 1)2 (1 1 1 1)84 213.66SL 起始点起始点周长的计算公式定义如下周长的计算公式定义如下设设NeNe为边界线上方向码为偶数的像素个数，为边界线上方向码为偶数的像素个数，NoNo为边界为边界线上方向码为奇数的像素个数。线上方向码为奇数

21、的像素个数。三、质心三、质心质心质心为物体的质量中心。假设二值图像的每个像素的为物体的质量中心。假设二值图像的每个像素的“质量质量”是完全相同的。是完全相同的。S S表示连通域，表示连通域，NsNs为连通为连通域中像素的个数，质心点的坐标计算公式定义如下域中像素的个数，质心点的坐标计算公式定义如下( , )1mx ySSxxN( , )1mx ySSyyN连通域的质心为连通域的质心为1(3 25 35 45 63 7)4.4421mx 1(3 25 35 45 63 7)4.4421my 注：是否取整看具体应用场合，如亚像素定位时取浮点形式注：是否取整看具体应用场合，如亚像素定位时取浮点形式四

22、、圆形度四、圆形度 圆形度：圆形度：与圆形的相似程度。与圆形的相似程度。AsAs为连通域的面积，为连通域的面积，LsLs为连通域的周长为连通域的周长 ，圆形度的计算公式如下，圆形度的计算公式如下24ScSAL对于圆形目标，圆形度取最大值，目标形状越复杂，对于圆形目标，圆形度取最大值，目标形状越复杂，则值越小。因此，圆形度可作为目标形状的复杂度则值越小。因此，圆形度可作为目标形状的复杂度或者粗糙程度的一种度量。或者粗糙程度的一种度量。 c c=1.41 =1.41 c c=1.227 =1.227 c c=1.276=1.276五、矩形度五、矩形度与圆形度类似，与圆形度类似，矩形度矩形度是描述连通域与矩形相似是描述连通域与矩形相似程度的量。程度的量。AsAs为连通域的面积，为连通域的面积，A AR R是包围该连通是包围该连通域的域的最小矩形的面积最小矩形的面积。矩形度的计算公式定义。矩形度的计算公式