图像检测-8二值图像处理ppt课件.ppt

1、第8章结合二值图像处理、本章要点：连通区域贴标签的腐蚀、膨胀、开运算和闭运算轮廓提取、边界跟踪和细线化几何特征的测定、1，8.1 2值图像分析的概念，经过图像分割，得到对象物和非对象物两个不同的对象物，但提取的对象物存在以下问题：12 二值图像的分析是，首先区分提取出的不同对象物后，记述不同对象物的特征差异并进行修正，最后获得必要的分析结果。 由于二值图像中所有对象的描述中的灰度值相同，因此连通区域概念仅能够通过像素之间的连通关系来区分不同的对象。 为了便于说明，后面的默认黑色是对象物，白色是背景。 3，3，8.2.1连接，1)4连接：当前像素为黑色并且其四个相邻像素中的至少一个为黑色2 )

2、8连接：目标像素为黑色并且其八个相邻像素中的至少一个为黑色。4、4、4,8.2.2连接区域将相互连接的黑像素的集合称为一个连接区域。 在4连续的意义上是6个连通域。 在八连续的意义上是两个连通域。 可知，通过对连通区域的个数进行计数，可以得到被提取的对象物的个数。5、8.3标记根据连通区域代表不同的目标，因此必须识别不同的连通区域以便加以区别。 例如，在下图中，在八连续的意义上，2个连通区域、6、6、6,8.3.1标记算法、1个2值矩阵表示黑白图像，为了便于讨论，设“黑=1”、“白=0”。 例如，7，7，8.3.1标记算法，1 )初始化：将标记号设为Lab=0，已标记数N=0，将标记矩阵g设为

3、全部0数组，从上到下按从左到右的顺序寻找未被标记的目标点，例如，8、 8.3.1标记算法，2 )检查邻接像素的状态：根据该邻接像素的状态进行相应的处理，例如，9，8.3.1标记算法在扫描的像素全部为0时，Lab=Lab 1，g(i，j)=Lab 例如，10，8.3.1标记算法，如果扫描的像素标签编号相同，则g(i，j)=Lab； 例如，11，8.3.1标记算法，例如，12， 如果8.3.1标记算法、扫描的像素标签号不同，则例如：13、8.3.1标记算法、3 )对所有像素进行处理，直到所有像素的处理完成为止，例如：、14 否则，表示粘贴的标签没有序号。 此时，进行一次编码整理，消除不连续的编号的

4、情况。15、8.3.2贴标签的应用实例、16、8.4腐蚀、腐蚀是去除连通区域的边界点，使边界向内侧收缩的处理。 例如、17、8.4.1腐蚀的基本设定修正思想、构造要素，使构造要素的原点位于处理对象的对象像素上，判断该点是否被腐蚀。18、8.4.2腐蚀算法、1 )在原图上扫描，找到第一个像素值为1的目标点2 )将预设形状和原点位置的结构元素的原点移动到该点3 )确定该元素复盖范围内的像素值是否全部为1 :如果是，则如果腐蚀后的图像中相同位置的像素值不是1，则蚀刻后的图像中相同位置的像素值是0；4 )2)和3 )，重复进行直到在所有的原图像中像素处理完成为止。19、8.4.3蚀刻处理例，例如：注：

5、图像画面上的框中的未被结构要素复盖的部分既可以保持原来的值，也可以是背景。20、8.4.4蚀刻处理的应用、蚀刻处理能够将粘着的不同对象物分离，去除小颗粒噪声。21、8.5膨胀、膨胀是将与目标区域的背景点合并到该目标中，使目标边界向外部扩展的处理。例如、22、8.5.1设定修正膨胀的基本设定思想、构造要素，将构造要素的原点定位在背景像素上，判断目标点是否被复盖，判断该点是否作为目标点被膨胀。23、8.5.2膨胀算法、1 )扫描原图，找到最初的像素值为0的背景点2 )将预先设定了形状及原点位置的构造要素的原点移动到该点3 )判断是否存在该构成要素复盖范围内的像素值为1的目标点：对如果不是膨胀后图像

6、中相同位置的像素值为1，则膨胀后的图像中相同位置的像素值为0；4 )2)和3 )，直到在所有的原图像中像素处理完成为止。24、8.5.3膨胀处理例，例如、25、8.5.4膨胀处理的应用，膨胀处理能够将被切断的对象物合并，使其整体的提取变得容易。 26、8.6开运算和闭运算，先前介绍的膨胀和腐蚀运算，对对象物的后处理起着非常好的作用。 但是，腐蚀和膨胀演算的缺点之一是改变了原对象物的大小。 为了解决这个问题，认为腐蚀和膨胀是一对逆运算，同时进行膨胀和腐蚀运算。 由此构成开运算和闭运算。 27、8.6.1开运算是开运算对原图先进行腐蚀处理，然后再进行膨胀处理。 开演算一边分离粘着对象物，一边大致保

7、持原来的对象物的大小。28、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处理。 闭合运算在合并断裂对象物的同时，能够基本保持原来的对象物的大小。 问题：在本例中，由于不能将分裂为2个连通区域的目标合并，怎么办，29、8.6.3开、闭运算的变形，在通常的开运算中不能分离粘着的情况下，或者在闭运算中不能合并断裂的情况下：对开运算先进行n次腐蚀，然后进行n次膨胀30，8.6.3闭合运算的变形例，31，8.7轮廓提取和边界跟踪，目的：得到图像的轮廓特征，准备进行形状分析。 内部点：目标不与背景相邻的点。 边界点：目标与背景相邻的点。 二值化图像的轮廓提取算法是将内部点挖通，即原图中有目

8、标点，其邻近点是目标点，该点成为背景。原始图8连接4连接，32，边界跟踪：1.从上到下，从左到右扫描，将第一个黑点a标记为始点，并且易于确定跟踪完成。 2 .反时针搜索，在a的5670处依次判断，将最初的黑点b作为边界点进行标记。 依次从3.b到b的45670123判断，如果是边界点，则将第一个黑点c作为边界点进行标记。 直到c变成a为止。 其中边界点判断该点的上下左右不是黑点。33、8.8细线化方法、细线化是二值图像处理运算。 能够将二值图像的区域缩小为直线，接近区域的中心线。 细线化的目的是减少图像成分，只保留区域的最基本的信息，进行进一步的分析和处理。 细线化一般用于文本分析的预处理阶段

9、。 (34 )、(1)邻近(4，8邻接点)、(2)连通(4，8连通)、(3)路径指相互邻接的像素排列(4)的连接性：自反性、互换性、传递性(5)、(2)微细化的结果至少为8连通(3)残留终端线的位置(4)细化结果接近中轴， 另外，36、8.8.3细线化算法将检查图像前景的至少3x3附近的像素，重复消除简单的边界点，直到区域被细分成1条线。 判断标准：1)内部点不能删除，2 )孤立点不能删除3 )直线端点不能删除4 )如果p点是边界点，在去除p之后，连通成分不增加就可以删除。37、以白色为1、黑色为0、左上点为8位的1位(最下位)、正上方为2位、右下方为8位，用组合后的二进制8位来查表。 版本表

10、256=0、0、1、1、0、0、1、1、0、1、1、0、0、0、0、0、0、0、0、0、0、0、0 1、1、0、0、0、0、0、0、1、1、0、0、0、0、0、0、0、0、0、0、0、0、0水平方向微细化：左邻点w或右邻点e中的至少一个为1 (或255 )，垂直方向微细化：上邻点直到删除点消失为止。 或者，原图细线化结果，39、8.9特征量的测定，一、面积定义为连通区域中的像素的总数。 测量二值化处理后的连通区域的大小的几何特征量。 例如，连通区域的面积为40、2，周长(或边界长)周长是指包围某连通区域的边界轮廓线的长度。 将Ne边界线上的方向代码作为偶数的像素数，将No作为边界线上的方向代码

11、作为奇数的像素数。 周长的修正公式定义如下。 例如，连通区域的周长，起点、逆时针方向，41、3，重心重心原本被定义为物体的质量中心。 假设二进制图像中每个像素的“质量”完全相同。 s是连通区域，Ns是连通区域中的像素个数，重心点的坐标修正公式被如下定义，连通区域的重心是否重新考虑具体的应用，例如在子像素定位时是否采用浮点形式，42，4，圆度圆形度是定义圆形和类似度的量。 As是连通区域的面积，Ls是连通区域的周长，圆形度的修正公式如下，圆形度相对于圆形度取最大值，目标形状越复杂，值越小。 因此，圆形度能够作为目标形状的复杂性和粗糙度的尺度。 c=1.41c=1.227c=1.276、43、5，

12、矩形度类似于圆形度，而矩形度是描述连通区域和矩形的类似度的量。 As是连通区域的面积，AR是包围该连通区域的最小矩形的面积。 矩形度校正公式被定义为r=0. 84 r=1r=0. 52，44，6，纵横比(扁平度)纵横比，被定义为用于区分细长的对象与近似矩形或者圆形的对象的形状量度。 WR是包围连通区域的最小矩形的宽度，LR是包围连通区域的最小矩形的长度。 宽高比的修正公式为： wl=1wl=1wl=1、45、7，修正方法：1.自动标记(标记)小区域的方法：2.细分为一点，修正孤立点数，适用：种血球、显微镜粒子的八、距离(点至点、点至线、线至线对于2 (y1 - y2)2、凹凸性、倾斜度、曲率(离散图像数据用差分表示)的倾斜度i=arcttr 2)右图，分别校正连通区域的面积、周长、重心、