当前课程知识点:现代图像分析 > 第八章 图像描述 > 8.2 目标物的边界描述 > 8.2.1 目标物的边界描述学习视频
同学们好 这节课我们来介绍目标物边界的描述方法
目标物的形状是图像检测识别的关键之一
因此对目标边界的描述就显得尤为重要
链码 就是一种简洁的边界数值表示方法
我们先来看一下链码的定义
用线段的起点加上如下图所示的
这样0到7共8个方向符所组成的这样一个数列
也就是我们最基本的Freeman链码
那么Freeman链码表示曲线时需要曲线的起点
对于8链码而言 我们可以看到
奇数码和偶数码所对应的线段长度不等
我们一般规定偶数码对应线段长度为1
而奇数码的单位长度为根号2
下面我们就具体的来分析一下链码的形成过程
对于原始目标区域 如果我们选择S作为起点
那么按顺时针方向用指向符来表示每一段的走向
就可以形成表示该边界的一个数码的序列
如图所示 就是我们的原链码
那么我们也可以用如下的公式来进行表示
在这里N的取值代表了我们所选取出来的是4链码还是8链码
如果边界是闭合的情况下 那么我们的起点是可以省略的
原链码具有平移不变性
但当改变起点时会得到不同的链码表示,也就是说它不具备唯一性
为此我们可以引入归一化的链码
它的方法是对于任选一个起点所得到的原链码
我们将原链码看成一个n位的自然数
将这个自然数按照一个方向来进行循环
那么如果得到的自然数最小
我们就认为这个最小的自然数形成了起点唯一的链码
它就是我们的归一化链码,也成为规格化链码
归一化链码具有平移不变性 并且它是唯一的
但当目标发生旋转的时候,原链码就会发生变化
而相应的归一码就和旋转前不同
为此我们进一步定义了具有旋转不变性的差分码
定义式如下,我们来具体看一下,也就是说
按照顺时针的方向,前后指向符之间的差对链码的模式
也就是说我们是取4链码还是8链码,对这个模式来取模值
取模值之后所得到的就是我们的差分码
那么同样的为了确保其唯一性
我们进一步引入了归一化的差分码
归一化的差分码 它的归一方法和我们的归一码是相同的
但是它不但具有平移和旋转不变性 也具有唯一性
我们可以通过图8.2.2所示的这个例子
来具体看一下链码的形成过程
对于原链码为42120606454这样的一个目标区域来说
我们可以看到它的归一码实际上是将原链码看作一个自然数
那么这个自然数按照一个方向来进行循环所得到的
最小的一个自然数 也就是0606454212
旋转前后我们可以看到原链码发生了变化
相应的它的归一码也会发生变化
那么我们再来看看旋转前后的差分码
很显然差分码是不变的
也就是说我们的差分码是具有旋转不变性的
那么在这里我们的差分码怎么来计算呢
对于4和2来说 我们先求它们俩之间的差值
然后对链码的模式来取模值
这里我们采用的是8链码 那么4和2的差值为2
然后再对我们的8来取模值所得到的就是6
依次类推我们就可以得到具有旋转不变性的差分码
最后我们再对差分码来进行归一化
就可以得到归一化之后的差分码
鉴于归一化差分码的上述性质
我们可以用它来表示边界
在它表示边界的时候 我们把它称为形状数
形状数的阶实际上就是我们归一化差分码的数值序列的长度
而这个数值序列的长度 除了作为形状数的阶
也可以作为我们闭合边界的周长
除了链码之外 还有一些边界的描述方法
比如 曲线拟合的方法用相应的参数来描述原始区域
在这里曲线拟合常用的方法有迭代拟合和最小均方误差拟合
我们首先来看一下迭代拟合
迭代拟合是将曲线分线段来近似表示
我们看看下面的图
对于图a来说 我们首先用一条线段来连接端点a和b
然后我们选取到直线ab距离最远的一个像素点c
如果点c偏离了ab超过某种限度
那么我们就把线段ab消去 然后分别连接ac和bc
根据迭代的方法对每一段的线段重复上面的步骤
直到我们的偏离值小于设定的限度为止
就得到了最终的拟合的这样的一条曲线
那么第二种方法就是最小均方误差拟合
最小均方误差拟合是根据最小均方误差的原则
通过使拟合的曲线和原始边界上的点集之间的差值
也就是距离最小 然后来得到拟合曲线的一些相应参数
以此来描述原始曲线和边界
那比如说 我们这样的一条曲线y等于f(x)
我们通过这样的一个差值公式来对它进行表示
也就是说使这个误差达到最小的情况下
找到了最好的那条拟合曲线
那么要找到这条拟合曲线
我们就需要解出这个公式里面所有的系数c0到cM
以此来描述原始的曲线或者是边界
当然边界描述也可以在复数域进行表示
也就是可以通过闭合曲线的Fourier描述子来进行表示
那么这部分内容涉及到复数域
如果大家感兴趣的话可以参考相关的资料来进行深入的学习
我们这节课的内容就到这里
谢谢大家 再见
-1.1 图像及图像的基本概念
--1.1.2 图像及图像的基本概念作业
-1.2 数字图像处理的起源
--1.2.2 数字图像处理的起源作业
-1.3 数字图像处理的步骤和方法
--1.3.2 数字图像处理步骤和方法作业
-1.4 数字图像处理系统的组成
--1.4.2 数字图像处理系统的组成作业
-1.5 数字图像处理主要应用领域
--1.5.2 数字图像处理主要应用领域作业
-2.1 色度学基础
--2.1.3 色度学基础作业
-2.2 人的视觉特性
--2.2.1 人的视觉特性作业
-2.3 图像数字化
--2.3.2 图像数字化作业
-2.4 数字图像特点
--2.4.2 数字图像特点作业
-3.1 图像变换的基本概念
--3.1.2 图像变换的基本概念作业
-3.2 图像的几何变换
--3.2.2 图像的几何变换作业
-3.3 图像的离散傅立叶变换
--3.3.2 图像的离散傅立叶变换作业
-3.4 图像变换的一般表示形式
--3.4.2 图像变换的一般表示形式作业
-3.5 图像的离散余弦变换
--3.5.2 图像的离散余弦变换作业
-3.6 图像离散沃尔什-哈达玛变换
--3.6.2 图像离散沃尔什-哈达玛变换作业
-3.7 K-L变换
--3.7.2 K-L变换作业
-4.1 图像的对比度增强
--4.1.2 图像的对比度增强作业
-4.2 直方图修正
--4.2.3 直方图修正作业
-4.3 图像平滑
--4.3.4 图像平滑作业
-4.4 同态滤波
--4.4.2 同态滤波作业
-4.5 图像锐化
--4.5.2 图像锐化作业
-4.6 图像的彩色增强
--4.6.2 图像的彩色增强作业
-5.1 退化模型及常见退化模型
--5.1.2 退化模型及常见退化模型作业
-5.2 图像的无约束恢复
--5.2.2 图像的无约束恢复作业
-5.3 图像有约束最小二乘恢复
--5.3.2 图像有约束最小二乘恢复作业
-6.1 概述
--6.1.1 概述作业
-6.2 图像编码基本理论
--6.2.2 图像编码基本理论作业
-6.3 无损编码理论
--6.3.2 无损编码理论作业
-6.4 霍夫曼编码
--6.4.2 霍夫曼编码作业
-6.5 算数编码
--6.5.2 算数编码作业
-6.6 预测编码
--6.6.2 预测编码作业
-6.7 正交变换编码
--6.7.2 正交变换编码作业
-7.1 图像分割的定义及依据
--7.1.2 图像分割的定义及依据作业
-7.2 边缘点检测
--7.2.2 边缘点检测作业
-7.3 边缘线跟踪
--7.3.3 边缘线跟踪作业
-7.4 门限化分割
--7.4.2 门限化分割作业
-7.5 区域分割法
--7.5.2 区域分割法作业
-7.6 聚类分割法
--7.6.3 聚类分割法作业
-8.1 像素间的基本关系
--8.1.2 像素间的基本关系作业
-8.2 目标物的边界描述
--8.2.2 目标物的边界描述作业
-8.3 目标物的区域描述
--8.3.2 目标物的区域描述作业
-8.4 图像的几何特征
--8.4.2 图像的几何特征作业
-8.5 特征描述子
--8.5.4 特征描述子作业
-9.1 图像匹配
--9.1.2 图像匹配作业
-9.2 图像分类
--9.2.2 图像分类作业
-9.3 图像识别
--9.3.2 图像识别作业
-9.4 模式识别分类专题
--9.4.4 模式识别分类专题作业
-中国天网
-车道检测
-期末测试
--期末测试