10计算机视觉—二值图像处理

主要涉及到二值图像处理定义、贴标签算法、形态学操作,介绍了二值处理的目的、图像二值化处理与二值图像处理的区别以及连接、连通域等基本概念,阐述了贴标签算法和形态学操作的基本思路、算法步骤。
展开查看详情

1.成果展示 第十章 二值图像处理 巫义锐 河海大学 计算机与信息学院

2. 典型试题 简述直线 Hough 检测的步骤

3.直线 Hough 检测步骤: 构建(参数空间)变换域累加器数组,并将其初始化为 0 ; 读入一幅二值化图像,遍历图像像素点; 对每一个像素点,进行霍夫变换,按照 r 和 θ 的值 在变换域累加器数组中的相应位置上加 1 ; 遍历累加器数组,寻找局部极大值。 典型试题

4. 本章提纲 二值图像处理定义 贴标签算法  形态学操作

5.二值 图像处理定义:目的 经过 图像分割之后,获得了目标物与非目标物两种 不同 的对象。 但提取 出的目标物存在以下的问题: 提取 的目标中存在 伪目标物 ; 多 个目标物中, 存在粘连或者是断裂 ; 多 个目标物 存在形态的不同 。 二值图像处理目的: 1. 区分所提取出的不同目标物 2. 对不同的目标物特征差异进行描述与计算

6.图像二值化处理与二值图像处理 图像二值化处理是指通过某种方法,使得画面场景被分为“ 目标物 ”及“ 非目标物 ”两类 二值图像处理在二值图像基础上进行计算

7. 四 连接:当前像素为黑,其四个近邻像素中至少有一个为黑; 八 连接:当前像素为黑,其八个近邻像素中至少有一个为黑。 四近邻 八近邻 二值图像处理定义:连接

8.二值图像处理定义: 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 四接连意义下为 6 个连通域。 八接连意义下为 2 个连通域。 通过统计连通域的个数,可获得目标物个数

9.二值图像处理定义: 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 四接连意义下为 6 个连通域。 八接连意义下为 2 个连通域。 通过统计连通域的个数,可获得目标物个数

10.贴标签: 基本 思路 例:下图,八接连意义下为 2 个连通域 = “ 1 ” 号标签 = “ 2 ” 号标签 基本思想: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标识。

11.贴标签: 算法 步骤 设 一个二值矩阵表示一个黑白图像,为讨论方便起见,令“黑 =1” ,“白 =0” 。

12.贴标签: 算法 步骤 初始化 :设标签号为 L=0 , 已贴标签数 N=0 ,标签矩阵 g 为全 0 阵,按照从上到下,从左到右的顺序寻找未贴标签的目标点;

13.贴标签: 算法 步骤 2. 检查相邻像素的状态:根据模板中的相邻像素的状态进行相应的处理; ☻ ☻ ☻ ☻ 模板 ☻ =“ 已经扫描过的像素 ” * =“ 当前像素 ” =“ 未处理的像素 ”

14.贴标签:算法 步骤 2.1 如果 扫描过的像素均为 0 ,则 L=L+1 , g ( i , j )= L, N=N+1 ; L=0+1=1 ; N=0+1=1

15.贴标签: 算法 步骤 2.2. 如果 扫描过的像素标签号相同,则 g ( i , j )= L ;

16.贴标签 :算法 步骤

17.贴标签:算法 步骤 2.3 如果 扫描过的像素标签号不相同, 例如 L 2 > L 1 , 则 g ( i , j )= L 1 , N=N-1 ,修改所有为 L 2 的像素值,使之为 L 1 ;

18.贴标签: 算法 步骤 3. 将全部的像素 进行步骤 2 的 处理,直到所有的像素全部处理完成 ;

19.贴标签: 算法 步骤 4. 判断最终的 L 是否 满足 L=N , 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。这时,将进行一次编码整理,消除不连续编号的情况。

20.贴标签: 算法 步骤 初始化:设标签号为 L=0 , 已贴标签数 N=0 ,标签矩阵 g 为全 0 阵。 检查相邻像素的状态: 如果扫描过的像素均为 0 ,则 L=L+1 , g ( i , j )=L, N=N+1 ; 如果扫描过的像素标签号相同,则 g ( i , j )=L ; 如果扫描过的像素标签号不相同,例如 L 2 > L 1 , 则 g ( i , j )=L 1 , N=N-1 ,修改所有为 L 2 的像素值,使之为 L 1 将全部的像素进行步骤 2 的处理,直到所有的像素全部处理完成 判断最终的 L 是否满足 L=N , 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 , 将进行一次编码整理,消除不连续编号的情况。

21.贴标签: 算法 步骤 初始化:设标签号为 L=0 , 已贴标签数 N=0 ,标签矩阵 g 为全 0 阵。 检查相邻像素的状态: 如果扫描过的像素均为 0 ,则 L=L+1 , g ( i , j )=L, N=N+1 ; 如果扫描过的像素标签号相同,则 g ( i , j )=L ; 如果扫描过的像素标签号不相同,例如 L 2 > L 1 , 则 g ( i , j )=L 1 , N=N-1 ,修改所有为 L 2 的像素值,使之为 L 1 将全部的像素进行步骤 2 的处理,直到所有的像素全部处理完成 判断最终的 L 是否满足 L=N , 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 , 将进行一次编码整理,消除不连续编号的情况。

22. 形态学操作 基本思想:用具有一定形态的 结构元素 找到图像中的对应形状以达到图像分割识别的目的,基本的操作有 膨胀 、 腐蚀 、 开和闭运算 。

23.腐蚀: 基本 概念 腐蚀:消除 连通域的边界点,使边界向内 收缩 的处理。

24.腐蚀: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的目标像素上,通过判断是否覆盖,来确定是否该点被腐蚀掉。 结构元素

25.腐蚀: 算法 步骤 1 )扫描原图,找到第一个像素值为 1 的目标点; 2 )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; 3 )判断该结构元素所覆盖的像素值是否全部为 1 : 如果 是,则腐蚀后图像中的相同位置上的像素值为 1 ; 如果 不是,则腐蚀后图像中的相同位置上的像素值为 0 ; 4 )重复 2 )和 3 ),直到所有原图中像素处理完成 。

26.腐蚀: 例题

27.腐蚀:应用 腐蚀处理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 。 (a) 原图 (b) 腐蚀两次

28.膨胀: 基本 概念 膨胀 是将与目标区域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。

29.膨胀: 设计 思想 设计 一个结构元素,结构元素的原点定位在背景像素上,判断是否覆盖有目标点,来确定是否该点被膨胀为目标点。 结构元素