二值图像特征提取算法研究 毕业论文.doc
《二值图像特征提取算法研究 毕业论文.doc》由会员分享,可在线阅读,更多相关《二值图像特征提取算法研究 毕业论文.doc(26页珍藏版)》请在三一文库上搜索。
1、 本科生毕业设计本科生毕业设计 二值图像特征提取算法研究二值图像特征提取算法研究 Binary Image Feature Extraction Algorithm of Study 学院名称学院名称: 物理与通信电子学院物理与通信电子学院 专业名称专业名称: 通信工程 姓姓 名名: 学学 号号: 指导教师指导教师: 完成日期: i 摘要摘要 本文先简单描述了数字图像及数字图像处理与我们日常生活的联系,接着 介绍了二值图像的几何特征和图像特征提取的几种方法,重点以二值图像为例, 讲述图像特征提取算法的研究。首先,文章简单介绍了二值图像的几何特征, 详细讲述了二值图像操作中二值形态基本运算的膨胀
2、、腐蚀、开启和闭合运算, 并以实例实现了膨胀、腐蚀、开启、闭合等二值操作。其次,本文研究了膨胀 与腐蚀的对偶性。归纳总结了膨胀和腐蚀算法的原理。最后,通过示例:“对钢 纹的区域标识” ,进一步研究二值图像特征提取算法。 关键词关键词:特征提取,二值图像,膨胀,腐蚀。 ii Abstract This article described the digital image and digital image processing which connect with our daily life, then introduced binary image geometry characteris
3、tic and several methods of image feature extraction and the narrations image feature extraction algorithm research, by the example of the binary images. Firstly, the article introduces the binary images geometry characteristic then narrators the binary image operations that the binary shape fundamen
4、tal operation such as the inflation, the corrosion, opening and the closed operation. Secondly, the paper studies the inflation and the corrosions duality. Finally, summarizing the inflation and the corrosion algorithm principle and going a demonstration:” to corrugate steel region marking”, I study
5、 the binary image feature extraction algorithm. Key words: The feature extraction, binary image, the inflation, corrodes. iii 目录目录 摘要摘要I ABSTRACT.II 1.引言引言 1 1.1 背景:数字图像及数字图像处理.1 2.二值图像的几何特征二值图像的几何特征 3 3.图像特征提取操作图像特征提取操作 3 3.1 图像面积.3 3.2 欧拉数.4 4.二值图像操作二值图像操作 4 4.1 二值形态学基本运算.5 4.1.1.膨 胀.6 1.膨胀运算的概念.6
6、 2.结构元素形状对膨胀运算结果的影响.9 3.膨胀运算的应用.9 4.1.2 腐 蚀.9 1.腐蚀运算的概念.9 2.结构元素形状对腐蚀运算结果的影响.11 3.腐蚀运算在物体识别中的应用.11 4.1.3 膨胀与腐蚀的对偶性11 1.概述.11 2.膨胀与腐蚀实现方法(实例).13 4.1.4 开启和闭合运算15 1.开启和闭合运算的概念.15 2.噪声滤除.17 5.对钢纹的区域标识对钢纹的区域标识 17 6.结束语结束语 21 参考文献参考文献 .22 1 1.引言引言 随着多媒体和 Internet 技术的快速发展,图像成为多媒体处理的重要内容。 在图象处理与计算机视觉领域,图象识别
7、是一项困难而又关键的技术,而其中 关键的问题又在于特征提取。在某种意义上,对于目标任务而言,图像特征提 取结果的好坏对识别结果将起至关重要的作用,对于后面检测和识别算法的运 算量也有很大的影响。所以对图像特征提取方法的研究很有必要。 1.1 背景:数字图像及数字图像处理背景:数字图像及数字图像处理 每天我们都是在报纸、杂志、书籍、电视、各种小册子等大量的图像信息 包围中度过的。这些图像包括文字、照片、图表、插图等,它使我们感到安适 和生活情趣。视觉是人类从大自然获取信息的最主要的来源。据统计在人类获 取的信息当中,视觉信息约占 60,听觉信息约占 20,其它的如味觉信息, 触觉信息等加起来约占
8、 20。由此可见视觉信息对人们的重要性。而图像正是 人类获取视觉信息的主要途径。图像是用各种观测系统以不同形式和手段观测 客观世界而获得的,可以直接或者间接作用于人眼并进而产生视知觉的实体 . 1 为了能严格地用数学来研究图像的边缘检测(我们只研究灰度图像的边缘 检测) ,我们有必要对数字图像做理论假设: 12 A. 图像是一个二元连续函。 函数的定义域设为D, ( , ):( , )f x yx yD 表示二维空间中某个点的坐标,表示点的灰度值,值域为( , )x y( , )f x y( , )x y V; B. 数字图像是对函数的离散表示。在空间域D上进行抽( , ):( , )f x
9、yx yD 样:用有限个像素(Pixel)来表示定义域D,每一个像素表示对应区域的平均灰度值); 在值域空间V进行量化:用有限个值代表V; C.由于机器设备等的原因这些像素值都是有误差的或者是带有随机噪声的; 2 图 1.1 数字图像及其矩阵表示 D.显然我们得到的是一个矩阵,矩阵中每一个元代表一个像素,像素的取值 代表这个像素的灰度值。因此在图像的离散模型中我们也常用M表示图像,使用 代表图像的第元。( , )m i j( , )i j 所谓数字图像处理就是利用计算机对图像信息进行加工以满足人的视觉心 理或者应用需求的行为。利用计算机进行图像处理有两目的:一是产生更适合 人观察和识别的图像,
10、二是希望计算机能自动识别和处理图像。无论为了那一 种目的,图像处理中关键的一步就是对含有大量各式各样景物信息的图像进行 分解,分解的最终结果是图像被分解成一些具有某种特征的最小成分:称为图 像的基元。相对于整幅图像来说,这种基元更容易被快速处理。图像的特征指 图像场中可用做标志的属性,他可以分为图像的统计特征和图像的视觉特征, 图像的统计特征指的是一些人为定义的特征,通过变换才能得到,如图像的直方 图、距、频谱等等;图像的视觉特征指的是人的视觉可以直接感受到的自然特 征,如区域的亮度、纹理或轮廓等。利用这两类特征把图像分解为一系列有意 3 义的目标或区域的过程称为图像的分割。 2.二值图像的几
11、何特征二值图像的几何特征 对灰度图像而言,若一幅图像所有的像素只含有两个灰度值,则为二值图 像。二值图像的优点不仅体现在它比灰度图像存储容量小,计算速度快,便于 进行图像的布尔逻辑运算来组合图像等,而且更主要的是通过二值图像可计算 出图像中目标物的几何特性,如目标物的大小、位置等。如果不止一个目标物, 则可以对应于这些不同目标物进行标记,以及定出对象物间的差别,从而可以 进一步进行图像分析和识别。 2 A.简单的几何特性:面积、周长、位置、方向、投影和距离。 B.拓扑特性:邻接与连通、背景与孔包围与边界和目标物体的标记。 3.图像特征图像特征提取操作提取操作 在与图像技术领域有关的许多应用中,
12、图像处理和分析的最终目的并不是 简单地把图像分割成不同的区域,而是希望进一步分辨出分割成的各个区域的 地物类别,例如分辨农田、森林、湖泊和沙滩等;或是希望进一步从分割成的 区域中识别出某种物体(目标),例如在河流中识别舰船等。而进行地物分类 和物体识别的第一步就是物体特征的提取和检测,然后才能根据检测和提取的 图像特征对图像中可能的物体进行识别。而良好的特征应该具有以下四个特点: 9 A可区别性:所选特征对属于不同类别的对象具有明显的差异。 B可靠性:所选特征对同一类对象应尽可能一致。 C独立性:所选的各特征之间应彼此无关。 D数量少:所选特征数目应尽量少,也就是“最佳特征集” 。 3.1 图
13、像面积图像面积 bwarea 函数可以获得二值图像的面积,这里的面积简单地可以理解为图像 前景中为 1 的像素的个数。 bwarea 函数的语法格式为: total=bwarea(BW)不着 %返回二值图像 BW 的面积。 4 bwarea 函数并不简单地计算非 0 像素的数目,它对不同的像素赋予不同的 权值,以补偿用离散图像代表连续图像的误差。 3.2 欧拉数欧拉数 在结合理论中,闭区域的宏观形态可以用他的拓扑性质来度量。除撕裂或 扭接外,在任何变形下都不改变的图像性质称为拓扑性质。显然两点间的距离 不是拓扑性质,因为图像拉伸或压缩时它都改变。图像的连通性拓扑性质,当 评移、旋转、拉伸、压缩
14、、扭变之后,连通性是不变的。因此,区域的空洞数 H 和连通区域数 C 是拓扑性质。可用欧拉数来度量。欧拉数是图像的一种拓扑 度量。欧拉数等于图像中所有对象的总数减去这些对象中的空洞的数目,即: E=C-H 当然,这里的连接也取决于所定义的邻接类型,即 4 邻接或 8 邻接。 MATLAB 图像处理工具箱中的 bweuler 函数用来计算二值图像的欧拉数, 它的语法格式为: eul= =bweuler(BW,n) eul= =bweuler(BW,n):计算二值图像 BW 的欧拉数,n 为连通数,n=4 表示 采用 4 邻域定义,n=8 代表采用 4 邻域定义,n 的默认值为 8。 6 4.二值
15、图像操作二值图像操作 二值图像中所有的像素只能从 0 和 1 这两个值中取,因此在 MATLAB 中, 二值图像用一个由 0 和 1 组成的二维矩阵表示。这两个可取的值分别对应于关 闭和打开,关闭表征该像素处于背景,而打开表征该像素处于前景。以这种方 式来操作图像可以更容易识别出图像的结构特征。 二值图像操作只返回与二值图像的形式或结构有关的信息,如果希望对其他类 型的图像进行同样的操作,则首先要将其转换为二进制的图像格式,可以通过 调用 MATLAB 提供的函数 im2bw 来实现,方法如下: 3 I=imread(E:imageLENA.BMP); figure,imshow(I) J=i
16、m2bw(I); figure,imshow(J) 原始图像如图 4.1 所示。 5 图 4.1 LENA.BMP 原始图像 二值化处理后的图像如图 4.2 所示。 图 4.2 LENA.BMP 图二值化的结果 4.1 二值形态学基本运算二值形态学基本运算 二值形态学运算是数学形态学的基础,是一种针对图像集合的处理过程。 在二值形态学中,被考察或被处理的二值图像称为目标图像,在本文中用集合 A 来表示;用于收集信息的“探针”称为结构元素,一般用集合 B 来表示。为 了清晰地表示出图像中物体与背景的区别,本文并约定用“1”和灰色表示二值 图像中的前景(物体)像素,用“0”和白色表示背景像素;且为
17、了表述上的方 6 便,一般将不影响理解的“0”标识略去。二值形态学运算中结构元素的尺寸通 常明显小与图像的尺寸,是比较小的图像像素的集合。二值形态学运算的过程 就是在图像中移动结构元素,将结构元素与其下面重叠部分的图像进行交、并 等集合运算。为了确定运算中的参照位置,一般把进行形态学运算的结构元素 的参考点称为原点,且原点可以选择在结构元素之中,也可以选择在结构元素 之外。 4 二值形态学中的运算对象是集合,也就是二值矩阵,但实际上当涉及两个 二值矩阵时不把它们看作是对等的,通常设 A 为图像矩阵,B 为结构元素矩阵。 数学形态学运算是用 B 对 A 进行操作。实际上,结构元素本身也是一个图像
18、矩 阵。我们对每个结构元素矩阵通常表示用户期望的像素,在 MATLAB 中,中 心像素的定义如下: 12 floor(size(SE)+1)/2) 其中,SE是结构要素矩阵。例如: 0000 0111 SE = 0111 0111 代码及结果如下: floor(size(SE)+1)/2) ans=2 2 4.1.1.膨膨 胀胀 1.膨胀运算的概念膨胀运算的概念 膨胀:输出图像是输入图像相应领域内所有像素的最大值。 设 A 为目标图像,B 为结构元素,则目标图像 A 被结构元素 B 膨胀 (dilation) , 膨胀的算符为,A 用 B 来膨胀写做 AB,这里先将 A 和 B 看作是所有取值
19、 为 1 的像素的集合。其定义为: (4.1)( )xABxBA 其中是一个表示集合平移的位移量,表示 B 的映像,定义为:xB (4.2)|,Bx xb bB 表示对 B 的映像进行位移,定义为:( )xB x (4.3) |, x My yax aM 7 式(4.1)表示的目标图像 A 被结构元素 B 膨胀的含义是:先对结构元素 B 做 关于其原点的反射得到反射集合,然后在目标图像 A 上将平移,则那些B B x 平移后与目标图像 A 至少有 1 个非零公共元素相交时对应的 B 的原点位置所B 组成的集合就是膨胀运算的结果。换句话说,用 B 来膨胀 A 得到的集合是的B 位移与 A 至少有
20、一个非零元素相交时 B 的中心像素的位置的集合。显然,A 与 平移后的的交集不为空,可以理解为膨胀运算有另一种定义: B 10 AABxBA x )(| 上式可帮助我们借助卷积的概念来理解膨胀操作。如果将 B 看作是一个卷积模 板,膨胀就是先对 B 做关于中心像素的映射,再将映射连续地在 A 上移动而实 现的。 3 膨胀运算的基本过程是:(1)求结构元素 B 关于其原点的反射集合;(2)B 每当结构元素在目标图像 A 上平移后,结构元素与覆盖的子图像中至少有B B 一个元素相交时,就将目标图像中与结构元素的原点对应的那个位置的像素B 值置为“1” ,否则置为 0。在膨胀运算中,当结构元素中原点
21、位置的值不是为 1 而是为 0 时,应该把它看作是 0,而不是看作 1。 图 4.3 说明了膨胀运算的过程。 8 图 4.3 膨胀运算过程示例 在图 4.3 中,图(a)中填入“1”的部分为集合 A。图(b)中填入“2”的部分为 集合 B,标有“(2) ”的位置表示中心像素,这并不代表其所在位置的像素的 灰度值为 2,而只是为了与集合 A 相区分。图(c)是图(b)的映像。图(d)中标 有“1”的像素为 A 中原来的位置,标有“2”的像素表示膨胀出来的部分,合 起来就是膨胀的结果,也就是。从图中可以看到膨胀运算将原图像区域AB 扩大了。 例:对图 4.1 进行膨胀操作。 %采用以下结构要素矩阵
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 二值图像特征提取算法研究 毕业论文 图像 特征 提取 算法 研究
链接地址:https://www.31doc.com/p-3907546.html