当前课程知识点:现代图像分析 > 第八章 图像描述 > 8.3 目标物的区域描述 > 8.3.1 目标物的区域描述学习视频
同学们好 今天我们来学习目标物的区域描述方法
也就是通过目标物所占区域来描述物体的形状等特征
首先 我们来介绍区域的四叉树描述方法
将给定区域包含在一个矩形的范围内
并将该矩形分成4份
然后我们来检查每个4分之1的区域是否为全黑或者全白
如果为全黑或者全白 我们就不再继续进行划分
如果其中有白色也有黑色 我们就把它称之为灰色区域
再继续将灰色区域来进行四等分 同样进行判断
这样下去我们就可以得到一个树形的结构
它的各个叶子节点都是全黑和全白的块
而非叶子节点必然是灰色的块
实际上在表示当中
我们一般是用符号B W和G来组成唯一的一个表示
初始的分区都是由B G W来组成的
而其中G的后面则是代表它的四分区当中的4个符号
也就像我们所看到的A F和这里的两个灰色块
两个灰色块G后面再根据四分区是否为全黑或者全白
来确定是否进一步划分
若已经是全黑或者全白就停止划分
否则就继续进行划分
以此来对整个目标区域进行相应的描述
那么接下来我们介绍第二种区域描述方法
也就是拓扑描述方法
那么拓扑 一般用于描述物体平面区域结构形状的
这样的一个整体的特性
它的原意是地貌 起源于希腊语
从形式上来讲 拓扑学主要研究
拓扑空间在连续变换下保持不变这样的一种性质
简单来说拓扑学是研究连续性和连通性的一个数学分支
如这里的图a所示我们可以看到它显示的是一个具有两个孔的区域
如果我们用区域内孔的个数来定义一个拓扑描述子
那么很明显的看到其拓扑特性不会受到旋转和拉伸作用的影响
但是在区域发生断裂或者连接的时候
由于它的连通性会发生变化
区域内孔的个数也有可能发生变化
需要注意的是 由于拉伸会影响到距离度量
所以拓扑特性 它也具有不依赖于距离的这样的一种性质
那么区域描述中另外一个比较重要的概念就是连通分量
那么图b所示的就是一个具有三个连通分量的这样的一个区域
而拓扑特性 我们通常通过欧拉数来对它进行表述
我们可以看到欧拉数的定义可以通过下式来进行定义
其中C代表的是该区域的连通分量的个数
而H 代表的是区域内孔的个数
我们可以看到下图 图a中的字母区域A
它里面包含了1个孔和1个连通分量 所以它的欧拉数为0
而类似的图b中的字母B 它包含了两个孔
但也只有1个连通分量 所以它的欧拉数为-1
最后我们简要介绍一下区域的骨架描述方法
骨架是物体结构的一种非常精炼的表述方法
它把一个简单的平面区域简化成具有某种性质的线
如果区域R的边缘是B 对于R内的任意一个点P
我们都可以在区域R的边界上来搜索离它最近的那个点
如果对于这个点我们可以找到多于一个这样的点
我们就认为它是一个骨架点 具有一定的代表性
我们也可以认为每个骨架点都是和边界点距离最小的这样的一些点
基于骨架的这种特性 我们可以用下面的这个公式来对它进行定义
很显然我们所取得的骨架跟选取的距离度量是有很大关系的
这里的距离度量并不确定
我们可以根据实际需要来选择欧式距离或者是街区距离
或者是棋盘距离 这都是可以的
那么在选用欧式距离作为度量时 我们可以从下图看出
这些都是用欧式距离所计算出的骨架的举例
目标物的形状的变化和差异都会对其骨架造成影响
它们的骨架也是不相同的
对于细长的物体 骨架我们可以看到能够提供更多的信息
而对于c和d中的两个物体 可以看到
它们的形状差异是非常非常微小的
只有在这里有一个向上的凸起
但是我们所提取到的骨架却有着明显的不同
所以说骨架能够有效的区分物体形状的差异
因此也是我们用来表示目标物区域特性的一种很好的方法
这节课就到这里
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