目標(biāo)表達(dá)與描述1第12章目標(biāo)表達(dá)與描述主要內(nèi)容1概述2邊界表達(dá)3區(qū)域表達(dá)4邊界描述5區(qū)域描述2第12章目標(biāo)表達(dá)與描述1概述背景圖像分割技術(shù)的目的是把一幅給定圖像分成有意義的區(qū)域或部分。圖像分割之后，為了進(jìn)一步對圖像作分析和識別，就必須通過對圖像中的物體(目標(biāo))作定性或定量的分析來作出正確的結(jié)論圖像分析通過圖像分割把圖像空間分成一些有意義的區(qū)域，然后采用不同于原始圖像的適當(dāng)形式將目標(biāo)表示出來，并對目標(biāo)特征進(jìn)行描述，再對圖像進(jìn)行分析和理解處理圖像分割的結(jié)果要么是區(qū)域內(nèi)的像素的集合，要么是位于區(qū)域邊界上的像素的集合，所以對圖像中目標(biāo)的表達(dá)方法分為區(qū)域表達(dá)和邊界表達(dá)，對目標(biāo)的描述一般也分為對邊界的描述和對區(qū)域的描述3第12章目標(biāo)表達(dá)與描述表達(dá)：對目標(biāo)的表示方法內(nèi)部表達(dá)：反射性質(zhì)（灰度、顏色、紋理）外部表達(dá)：形狀描述：抽象的表示目標(biāo)用一組數(shù)量或符號(描述子)來表征圖像中被描述物體的某些特征，可以是對圖像中各組成部分的性質(zhì)的描述，也可以是各部分彼此間的關(guān)系的描述。邊界描述和區(qū)域描述關(guān)系表達(dá)對描述起重要作用，限定了描述的精確性只有目標(biāo)的描述，表達(dá)方法才有意義表達(dá)側(cè)重于數(shù)據(jù)結(jié)構(gòu)，描述側(cè)重于區(qū)域特征及區(qū)域間的關(guān)系1概述4第12章目標(biāo)表達(dá)與描述主要內(nèi)容1概述2邊界表達(dá)3區(qū)域表達(dá)4邊界描述5區(qū)域描述5第12章目標(biāo)表達(dá)與描述2邊界表達(dá)

在分割過程中當(dāng)確定了邊界后，邊界表達(dá)就是基于邊界的像素點對目標(biāo)的表示形式。(1)鏈碼：對邊界的一種重編碼表示方法鏈碼是一種用若干條具有特定長度和方向的線段連接起來表示目標(biāo)邊界的方法。例如:方向數(shù)選邊界上一點(用坐標(biāo)表示)作為起點，其它點用方向數(shù)來表示：AA:657071324301234567八方向0123四方向6第12章目標(biāo)表達(dá)與描述起點問題對同一邊界，如果用不同的邊界點作為鏈碼起點，得到的鏈碼是不同的。例如：以A為起點，鏈碼為：A:10103322以B為起點，鏈碼為：

B:03322101

鏈碼歸一化把鏈碼看成由方向數(shù)構(gòu)成的自然數(shù)，找最小的一個。依一個方向循環(huán)移動C:01033221ABC2邊界表達(dá)7第12章目標(biāo)表達(dá)與描述2邊界表達(dá)AA旋轉(zhuǎn)后鏈碼發(fā)生變化

10103322左：

21210033右：左：01033221右：00332121歸一化差分：把鏈碼看成由方向數(shù)構(gòu)成的自然數(shù),再用后位減前位。

差分

10103322

21210033差分碼歸一

3313303033133030旋轉(zhuǎn)問題

對同一邊界，旋轉(zhuǎn)前后的鏈碼是不同的。例如：8第12章目標(biāo)表達(dá)與描述3區(qū)域表達(dá)(1)空間占有數(shù)組：對圖像

f(x,y)中任一點(x,y)：

如果它在給定的區(qū)域內(nèi)，就取

f(x,y)為1

否則就取

f(x,y)為00000000000010000001110000011111000111110000011000000000000000000方法簡單空間使用大所有f(x,y)為1的點組成的集合就代表了所要表示的區(qū)域9第12章目標(biāo)表達(dá)與描述(2)四叉樹：適用于對方形圖像采用分裂與合并方法進(jìn)行分割的情況E原始圖像ABC一次分裂E白色表示目標(biāo)黑色表示背景藍(lán)色表示背景混合AC二次分裂B1B2B3B4D1D2D3D4B1B2B3B4D1D2D3D4D3區(qū)域表達(dá)ABCD10第12章目標(biāo)表達(dá)與描述（3）骨架為了便于描述和特征抽取，對那些細(xì)長的區(qū)域常用他們的“細(xì)化骨架”的細(xì)線來表示，這些細(xì)線位于中軸附近，而且從視覺上看仍然保持原來的形狀，這種處理即細(xì)化。細(xì)化算法多用于二值圖像。

細(xì)化算法可歸納為：在不破壞區(qū)域S的連通性的基礎(chǔ)上，消去S中那些不是端點的簡單邊界點，并按S的上、下、左、右的順序反復(fù)進(jìn)行，直至不存在可以消去的簡單邊界點。其核心是如何判斷端點和簡單邊界點。

3區(qū)域表達(dá)11第12章目標(biāo)表達(dá)與描述一種算法：已知二值圖像中目標(biāo)點標(biāo)記為1，背景點標(biāo)記為0。掃描像素p1（x,y）時，建立以p1為中心的3X3窗口，周圍的8個點分別表示為p2，p3，p4，p5，p6，p7，p8，p9。步驟：（1）首先標(biāo)記滿足下列條件的像素點（p1

=1）

其中N(p1)是p1的非零鄰點的個數(shù)，S(p1)是以p2，p3，…p9

為序時這些點的值從０到１變化的次數(shù)。掃描所有點后，將所有標(biāo)記點刪除掉（２）同第１步，修改(1.3)為(1.4)為掃描所有點后，刪除所有標(biāo)記點（３）重復(fù)(1)和(2)，直到?jīng)]有刪除像素點為止3區(qū)域表達(dá)12第12章目標(biāo)表達(dá)與描述例子：0000000001111110011111100111111000001110000011100000111000000000000000000×1111×0011111×00×××11×0000011×0000011×00000×××000000000步驟(1)作標(biāo)記3區(qū)域表達(dá)13第12章目標(biāo)表達(dá)與描述0000000000111100011111000000110000001100000011000000000000000000刪除步驟(1)作標(biāo)記的點0000000000××××000×1111000000×1000000×1000000××000000000000000000步驟(2)作標(biāo)記3區(qū)域表達(dá)14第12章目標(biāo)表達(dá)與描述0000000000000000001111000000010000000100000000000000000000000000刪除步驟(2)作標(biāo)記的點3區(qū)域表達(dá)15第12章目標(biāo)表達(dá)與描述3區(qū)域表達(dá)16第12章目標(biāo)表達(dá)與描述主要內(nèi)容1概述2邊界表達(dá)3區(qū)域表達(dá)4邊界描述5區(qū)域描述17第12章目標(biāo)表達(dá)與描述4邊界描述1、簡單邊界描述符：（1）邊界的長度：邊界所包圍區(qū)域的輪廓的周長。（2）邊界的直徑：邊界上相隔最遠(yuǎn)的兩個點之間的距離。任意兩點p、q（坐標(biāo)分別為(x,y)和(s,t)）之間的距離可以采用不同的度量方法：18第12章目標(biāo)表達(dá)與描述2、矩：目標(biāo)的邊界可看成一系列線段組成：看成一個一維函數(shù)

f(r)：f(r)0rf(r)的均值：f(r)對均值的n階矩為：f(r)對均值的n階矩與f(r)的形狀有直接關(guān)系，如2階矩描述了曲線對均值的分布，３階矩描述了曲線對均值的對稱性。4邊界描述19第12章目標(biāo)表達(dá)與描述主要內(nèi)容1概述2邊界表達(dá)3區(qū)域表達(dá)4邊界描述5區(qū)域描述20第12章目標(biāo)表達(dá)與描述5區(qū)域描述1、簡單區(qū)域描述符：（1）區(qū)域面積：說明區(qū)域的大小，設(shè)每個像素邊長為1，則區(qū)域R的面積為：即區(qū)域內(nèi)像素個數(shù)（2）區(qū)域重心：（3）區(qū)域灰度：灰度的最大值、最小值、均值、中值等21第12章目標(biāo)表達(dá)與描述當(dāng)區(qū)域為圓時，C趨于無窮大，不受平移、旋轉(zhuǎn)、尺度變換影響從區(qū)域重心到邊界點的平均距離為從區(qū)域重心到邊界點的距離的均方差為偏心率：常用邊界長軸(直徑)長度與短軸長度得比值來表示。圓形性：描述區(qū)域的緊湊性5區(qū)域描述22第12章目標(biāo)表達(dá)與描述矩不變量

矩特征對于圖像的旋轉(zhuǎn)、比例和平移具有不變性，因此可以用來描述圖像中的區(qū)域特性。對于二維連續(xù)函數(shù)f(x,y)，其(p+q)階矩定義如下：只要f(x,y)是分段連續(xù)的，則所有各階矩都存在。通常對我們實際處理的圖像，認(rèn)為各階矩都存在。對矩特征進(jìn)行歸一化，得圖像的中心矩：5區(qū)域描述23第12章目標(biāo)表達(dá)與描述對于數(shù)字圖像f(i,j)：對于二值圖像，目標(biāo)處的f(i,j)的值為1：即為目標(biāo)物區(qū)域的重心。即歸一化中心矩。5區(qū)域描述24第12章目標(biāo)表達(dá)與描述

紋理是圖像中一個重要而又難以描述的特性，至今還沒有公認(rèn)的嚴(yán)格定義。紋理反映了物體表面顏色和灰度的某種變化，這些變化與物體本身的屬性相關(guān)。通常把圖像灰度分布性質(zhì)或圖像表面呈現(xiàn)出的方向信息稱為紋理結(jié)構(gòu)。圖像的紋理分析已在許多領(lǐng)域得到了廣泛的應(yīng)用。例如，*對氣象云圖的紋理分析；*利用衛(wèi)星遙感圖像的紋理特征，進(jìn)行區(qū)域識別、森林利用、城市發(fā)展、土地荒漠化等應(yīng)用；*對細(xì)胞圖像、金相圖像、催化劑表面圖像等顯微圖像的紋理分析等。

紋理描述符5區(qū)域描述25第12章目標(biāo)表達(dá)與描述字典中對紋理的定義是“由緊密的交織在一起的單元組成的某種結(jié)構(gòu)”。紋理是由一個具有一定的不變性的視覺基元，通稱紋理基元，在給定區(qū)域內(nèi)的不同位置上，以不同的形變及不同的方向重復(fù)地出現(xiàn)的一種圖紋。顯然只有采用有效描述紋理特性的方法去分析紋理區(qū)域與紋理圖像，才能真正描述與理解它們。紋理特征5區(qū)域描述26第12章目標(biāo)表達(dá)與描述目前紋理算法大體可以分為兩大類：

一類是從圖像有關(guān)屬性的統(tǒng)計分析出發(fā)的統(tǒng)計分析方法；另一類是力求找出紋理基元，再從結(jié)構(gòu)組成探索紋理的規(guī)律或直接去探求紋理構(gòu)成的結(jié)構(gòu)規(guī)律的結(jié)構(gòu)分析方法。目前常用的方法是統(tǒng)計分析方法。本節(jié)主要介紹統(tǒng)計紋理分析方法，并在最后簡單地介紹一下結(jié)構(gòu)紋理分析方法。5區(qū)域描述27第12章目標(biāo)表達(dá)與描述統(tǒng)計分析方法灰度共生矩陣法5區(qū)域描述28第12章目標(biāo)表達(dá)與描述又稱灰度共現(xiàn)陣，是圖像灰度的二階統(tǒng)計量，是一種對紋理的統(tǒng)計分析方法。

灰度共生陣

定義為從灰度為i的點離開某個固定的位置（相距d，方向為)的點上灰度為j的概率。往往適當(dāng)?shù)剡x擇d，而則取0,45,90,135度。

（1）灰度共生矩陣法5區(qū)域描述29第12章目標(biāo)表達(dá)與描述具體定義：

P(i,j;d,):方向上相鄰間隔為d的像素一個灰度為i，另一個為j值的點對數(shù)。5區(qū)域描述001100110222223330第12章目標(biāo)表達(dá)與描述特點０度陣主對角線上元素全部為０，說明水平方向上灰度變化的頻率高，紋理細(xì)０度陣主對角線上元素值很大，說明水平方向上灰度變化的頻率低，紋理粗5區(qū)域描述31第12章目標(biāo)表達(dá)與描述1）角二階矩(能量)：是圖像灰度分布均勻性的度量。定義為灰度共生矩陣元素值的平方和。紋理粗時E值大，紋理細(xì)時E值小。2）慣性矩（對比度):圖像的對比度可以理解為圖像的清晰度。在圖像中，紋理的溝紋越深，則其對比度i越大，圖像越清晰?；叶裙采仃嚥⒉荒苤苯犹峁┘y理信息時，需要進(jìn)一步從中提取信息，常用的共四種。5區(qū)域描述32第12章目標(biāo)表達(dá)與描述4）熵：是圖像所具有的信息量的度量。若圖像沒有任何紋理，則熵值幾乎為零，若細(xì)紋理多，則熵值較大。3）相關(guān)性：用來衡量灰度共生矩陣的元素在行的方向或列的方向的相似程度。5區(qū)域描述3