《数字图像处理 Digital Image Processing》课程教学资源（PPT课件讲稿）第2章 图像分析

第八章图像分析 目标表达[→概述 冷表达 今目标描述描述

第八章 图像分析 ❖概述 ❖表达 ❖描述 ❖目标表达 ❖目标描述

概述 图像分析的一个主要工作一要从图像中获 得目标特征的量值 这些量值的获取常借助于对图像分割后得 到的分割结果,对目标特征的测量利用分 割结果进一步从图像中获取有用信息 今两个关键问题:1、选用什么特征来描述 目标2、如何精确的测量这些特征

概述 ❖ 图像分析的一个主要工作－要从图像中获 得目标特征的量值 ❖ 这些量值的获取常借助于对图像分割后得 到的分割结果，对目标特征的测量利用分 割结果进一步从图像中获取有用信息 ❖ 两个关键问题：1、选用什么特征来描述 目标 2、如何精确的测量这些特征

图像分割之后,为了进一步对图像作分析和 识别,就必须通过对图像中的物体(目标作定 性或定量的分析来作出正确的结论一这些结 论是建立在图像物体的某些特征的基础上的 今图像描述一就是用一组数量或符号描述子来 表征图像中被描述物体的某些特征

❖ 图像分割之后，为了进一步对图像作分析和 识别，就必须通过对图像中的物体(目标)作定 性或定量的分析来作出正确的结论－这些结 论是建立在图像物体的某些特征的基础上的 ❖ 图像描述－就是用一组数量或符号(描述子)来 表征图像中被描述物体的某些特征

关心区域的反射性质如 灰度、颜色、纹理等 图像中的区城目标),可用其内部如组成区域的象素集合) 表示,也可用其外部如组成区域边界的象素集合表示 关心区域的形状等 选定了表达方法,还需要对目标进行描述,使计算机能充分 利用所能获得的分割结果 表达是直接具体的表示目标,好的表达方法应具有节省存储 空间、易于特征计算等优点 描述是较抽象的表示目标。好的描述应在尽可能区别不同自 标的基础上对目标的尺度、平移、旋转等不敏感

图像中的区域(目标)，可用其内部(如组成区域的象素集合) 表示，也可用其外部(如组成区域边界的象素集合)表示 关心区域的反射性质如 灰度、颜色、纹理等 关心区域的形状等 选定了表达方法，还需要对目标进行描述，使计算机能充分 利用所能获得的分割结果 表达是直接具体的表示目标，好的表达方法应具有节省存储 空间、易于特征计算等优点 描述是较抽象的表示目标。好的描述应在尽可能区别不同目 标的基础上对目标的尺度、平移、旋转等不敏感

图像目标的特征提取 今幅度特征一作为图像特征,一般应具备 以下几个特点,(1)可区分性:(2)可靠性 (3)独立性;(4)数量要少 图像象素灰度值、三色值、频谱值等表 示的幅值特征是最基本的图像特征。也 可以取确定邻域(如含有(2W+1)×(2W+1 个象素)中的平均灰度幅度 f(, y) (2+1) ∑∑f(+x,y+

图像目标的特征提取 ❖ 幅度特征 －作为图像特征，一般应具备 以下几个特点，(1)可区分性；(2)可靠性； (3)独立性；(4)数量要少。 ❖ 图像象素灰度值、三色值、频谱值等表 示的幅值特征是最基本的图像特征。也 可以取确定邻域(如含有(2W+1)×(2W+1) 个象素)中的平均灰度幅度   + =− + =− + + + = W i W W j W f i x y j W f x y ( , ) (2 1) 1 ( , ) 2

冷统计特征 令直方图统计特征 冷图像振幅的一维概率密度可定义为 P(b)=PR{f(i,j=b0≤b≤L-1 令表示灰度整量电平。相应的一阶直方图为 P(b) N(b) b=0. L-1 令其中:M表示以()为中心的测量窗内象素的总数 N(b)表示该窗内灰度值为b的象素数。对于一幅平稳图 像而言,测量窗可取为整幅图像

❖ 统计特征 ❖ 直方图统计特征 ❖ 图像振幅的一维概率密度可定义为 ❖ 表示灰度整量电平。相应的一阶直方图为 ❖ 其中：M表示以(i,j)为中心的测量窗内象素的总数， N(b)表示该窗内灰度值为b的象素数。对于一幅平稳图 像而言，测量窗可取为整幅图像。 P(b) = PR { f (i, j) = b} 0  b  L −1 0,1,..., 1 ( ) ( ) = b = L − M N b P b

÷二维直方图是基于象素的二维联合分布 密度定义得到的 设(ij),(k)两任意象素点上的灰度值分 别为f),k),则图像灰度值的联合分 布密度可表示为 P(a, b)=PRf(i,j=a,f(k, 1)=b) 0<a, b<L-1 相应的二维直方图可表示为 N(a, b) P(a,b)= M 其中M为测量窗口中象素总数,Nab)表 示两事件fij=a,f(k)=b同时发生的概 率

❖ 二维直方图是基于象素的二维联合分布 密度定义得到的 ❖ 设(i,j)，(k,l)两任意象素点上的灰度值分 别为f(i,j)，f(k,l)，则图像灰度值的联合分 布密度可表示为 ❖ 相应的二维直方图可表示为 ❖ 其中M为测量窗口中象素总数，N(a,b)表 示两事件f(i,j)=a，f(k,l)=b同时发生的概 率。 P(a,b) = PR {f (i, j) = a, f (k,l) = b} 0  a,b  L −1 M N a b P a b ( , ) ( , ) =

令统计示性数特征 b=∑bPb) a2=∑(b-b)Pb b=0 b=0 K ∑(b-b)3P(b) b=I 942(6-b)P(6-3 b=0 b=∑Pb)2=20)kP6 b=0

❖ 统计示性数特征  − = = 1 0 ( ) L b b bP b  − = = − 1 0 2 2 ( ) ( ) L b  b b b P b  − = = − 1 0 3 3 ( ) ( ) 1 L b b bK b b P b  ( ) ( ) 3 1 1 0 4 4  － − = = − L b b bK b b P b   − = = 1 0 2 [ ( )] L b bN P b  − = = − 1 0 ( )log[ ( )] L b bK P b P b

当图像中象素间有较强的相关性时, P(ab)矩阵将沿对角线密集排列。可以用 维分布示性数来描述二维图像数组的 统计特性。 B∑∑abP(ab) B=∑∑(a-ab-b)Pab 0b=0 a=0b=0 L-1L-1 L-1L-1 B=∑∑(a-b)2P(anb) a=0b=0 B=∑∑|a-b|Pab) a=0b=0 B=∑∑,a a=0b=01+(a-b B N IP(a, b) a=0b=0 B=∑∑P(a,b)gP(ab) a=0b=0

❖ 当图像中象素间有较强的相关性时， P(a,b)矩阵将沿对角线密集排列。可以用 二维分布示性数来描述二维图像数组的 统计特性。  − = − = 1 0 1 0 ( , ) L a L b BA ＝ abP a b  − = − = − − 1 0 1 0 ( )( ) ( , ) L a L b BC ＝ a a b b P a b  − = − = − 1 0 1 0 2 ( ) ( , ) L a L b BI ＝ a b P a b  − = − = − 1 0 1 0 | | ( , ) L a L b BV ＝ a b P a b  − = − = + − 1 0 1 0 2 1 ( ) ( , ) L a L b D a b P a b B ＝  − = − = 1 0 1 0 2 [ ( , )] L a L b BN ＝ P a b  − = − = − 1 0 1 0 ( , )log[ ( , )] L a L b BE ＝ P a b P a b

目标表达 链码 。边界表达一多边形 今目标表达 边界段 标记 令区域表达骨架

目标表达 ❖目标表达 ❖ 边界表达 ❖ 区域表达 链码 多边形 边界段 标记 骨架