图像表示与描述PPT课件.ppt
《图像表示与描述PPT课件.ppt》由会员分享,可在线阅读,更多相关《图像表示与描述PPT课件.ppt(85页珍藏版)》请在咨信网上搜索。
1、数字图像处理1.第10章 图像表示与描述(Image Representation and Description)10.1 颜色描述(Color Discriptors)10.2 纹理描述(Texture Descriptors)10.3 边界描述(Boundary DescriptorsBoundary Descriptors)10.4 区域描述(Regional Descriptors)2 颜色特征是图像的基本特征之一。颜色特征是图像检索识别中应用最为广泛的视觉特征,与其他视觉特征相比,它对图像的尺寸、方向、视角的依赖性较弱,因此具有较高的稳定性。这一节主要讨论反映图像灰度的统计特征。1
2、0.1 颜色描述(Color Descriptors)310.1.1 简单灰度特征(Intensity Feature)图像灰度特征可以在图像的某些特定的像点上或其邻域内测定,也可以在某个区域内测定。以(i,j)为中心的(2M+1)(2N+1)邻域内的平均灰度为 (10.1)除了灰度均值外,在有些情况下,还可能用到区域中的灰度最大值、最小值、中值、顺序值及方差等。410.1.2 直方图特征(Histogram Feature)设图像f的像素总数为N,灰度等级数为L,灰度为k的像素全图共有Nk个,那么,k=0,1,L-1 称为f的灰度直方图。图像灰度直方图可以认为是图像灰度概率密度的估计,可以由
3、直方图产生下列特征。(10.2)5 (1)平均值(10.3)(2)方差 (3)能量 (4)熵 (10.6)(10.4)(10.5)10.1.2 直方图特征(Histogram Feature)610.2 10.2 纹理描述(Texture DescriptorsTexture Descriptors)纹理是图像描述的重要内容,但对纹理很难下一个确切的定义。类似于布纹、草地、砖砌地面等重复性结构称为纹理。一般来说,纹理是对图像的像素灰度级在空间上的分布模式的描述,反映物品的质地,如粗糙度、光滑性、颗粒度、随机性和规范性等。7 纹理的标志有三要素:一是某种局部的序列性,在该序列更大的区域内不断重复
4、;二是序列是由基本部分非随机排列组成的;三是各部分大致都是均匀的统一体,纹理区域内任何地方都有大致相同的尺寸结构。10.2 10.2 纹理描述(Texture DescriptorsTexture Descriptors)8 纹理图像在很大范围内没有重大细节变化,在这些区域内图像往往显示出重复性结构。纹理可分为人工纹理和天然纹理。人工纹理是由自然背景上的符号排列组成,这些符号可以是线条、点、字母、数字等。自然纹理是具有重复排列现象的自然景象,如砖墙、种子、森林、草地之类的照片。人工纹理往往是有规则的,而自然纹理往往是无规则的。10.2 纹理描述(Texture Descriptors)9 归纳
5、起来,对纹理有两种看法,一是凭人们的直观印象,二是凭图像本身的结构。从直观印象出发包含有心理学因素,这样就会产生多种不同的统计纹理特征。从这一观点出发,纹理特征计算应该采用统计方法。从图像结构观点出发,则认为纹理是结构,根据这一观点,纹理特征计算应该采用句法结构方法。10.2 纹理描述(Texture Descriptors)1010.2.1 10.2.1 自相关函数描述(Autocorrelation FunctionAutocorrelation Function)设图像为f(m,n),自相关函数可以定义为(10.7)它是对(2w+1)(2w+1)窗口内的每一点像素(j,k)与偏离值为,=
6、0,1,2,T的像素之间的相关值作计算。一般粗纹理区对给定偏离(,)时的相关性要比细纹理区高,因为纹理粗糙性应与自相关函数的扩展成正比。11自相关函数的扩展的一种测度是二阶矩,即(10.8)纹理粗糙性越大,则T就越大,因此,可以方便地使用T作为度量粗糙性的一种参数。10.2.1 自相关函数描述(Autocorrelation Function)1210.2.2 10.2.2 灰度差分统计(Statistics of Intensity DifferenceStatistics of Intensity Difference)对于给定的图像f(i,j)和取定的较小的整数m、n,求差分图像 g(i
7、,j)=f(i,j)-f(i+m,j+n)(10.9)然后求出差分图像的已归一化的灰度直方图 hg(k),当取较小差值k的频率hg(k)较大时,说明纹理较粗糙,直方图较平坦时,说明纹理较细致。13(1)平均值(2)能量(对比度)(3)熵 当直方图分布较平坦时,A2较小,A3较大;当hg(l)在原点附近集中分布时,A1较小,反之则A1较大。(10.10)(10.11)(10.12)10.2.2 10.2.2 灰度差分统计(Statistics of Intensity DifferenceStatistics of Intensity Difference)1410.2.3 10.2.3 灰度共
8、生矩阵(Gray-Level Co-occurrence MatrixGray-Level Co-occurrence Matrix)灰度共生矩阵法是描述纹理特征的重要方法之一,它能较精确地反映纹理粗糙程度和重复方向。15 由于纹理反映了灰度分布的重复性,人们自然要考虑图像中点对之间的灰度关系。灰度共生矩阵定义为:对于取定的方向和距离d,在方向为的直线上,一个像素灰度为i,另一个与其相距为d的像素的灰度为j的点对出现的频数作为这个矩阵的第(i,j)元素的值。对于一系列不同的d、,就有一系列不同的灰度共生矩阵。由于计算量的原因,一般d只取少数几个值,而 取 、。研究文献发现,d值取得较小时可以提
9、供较好的特征描述和分析结果。10.2.3 10.2.3 灰度共生矩阵(Gray-Level Co-occurrence MatrixGray-Level Co-occurrence Matrix)16 共生矩阵能够反映图像纹理的主要特征。对于较平坦的区域,粗纹理区域,相距较近的像素一般具有相近的灰度,所以当d取得较小时在相应的共生矩阵中,对角线及其附近的元素值较大,细纹理区域其共生矩阵的各元素值是相对均匀的。10.2.3 10.2.3 灰度共生矩阵(Gray-Level Co-occurrence MatrixGray-Level Co-occurrence Matrix)17 共生矩阵元素值
10、分布特征集中反映在下述参数上。设在给定d、参数下的共生矩阵的元素已归一化成为频率,并记为P(i,j)(1)能量粗纹理N1较大,细纹理N1较小。(10.13)10.2.3 10.2.3 灰度共生矩阵(Gray-Level Co-occurrence MatrixGray-Level Co-occurrence Matrix)18(2)对比度 粗纹理N2较小,细纹理N2较大。(10.14)10.2.3 10.2.3 灰度共生矩阵(Gray-Level Co-occurrence MatrixGray-Level Co-occurrence Matrix)19(3)熵 粗纹理N3较小,细纹理N3较大
11、。(10.15)10.2.3 灰度共生矩阵(Gray-Level Co-occurrence Matrix)20(4)均匀度 粗纹理N4较大,细纹理N4较小。(10.16)10.2.3 灰度共生矩阵(Gray-Level Co-occurrence Matrix)21(5)相关 其中(10.17)10.2.3 灰度共生矩阵(Gray-Level Co-occurrence Matrix)2210.2.4 10.2.4 频谱特征(Spectrum FeaturesSpectrum Features)付里叶频谱是一种理想的可用于描绘周期或者近似周期的二维图像模式的方向性的方法。频谱特征正是基于付里
12、叶频谱的一种纹理描述。全局纹理模式在空域中很难检测出来,但是转换到频域中则很容易分辨。频谱纹理对区分周期模式或非周期模式以及周期模式之间的不同十分有效。通常,全局纹理模式对应于付里叶频谱中能量十分集中的区域,即峰值突起处。23 在实际应用中,通常会把频谱转化到极坐标中,用函数S(r,)描述,从而简化表达。其中,S是频谱函数,r和是坐标系中的变量。将这个二元函数通过固定其中一个变量转化成一元函数,如,对每一个方向,可以把S(r,)看成是一个一元函数S(r);同样地,对每一个频率r,可用一元函数Sr()来表示。10.2.4 频谱特征(Spectrum Features)24 对给定的方向,分析其一
13、元函数S(r),可以得到频谱在从原点出发的某个放射方向上的行为特征。而对某个给定的频率r,对其一元函数Sr()进行分析,将会获取频谱在以原点为中心的圆上的行为特征。10.2.4 频谱特征(Spectrum Features)25 如果分别对上述两个一元函数按照其下标求和,则会获得关于区域纹理的全局描述:(10.18)(10.19)其中,R0是以原点为中心的圆的半径。对极坐标中的每一对(r,),S(r),S()构成了对整个区域的纹理频谱能量的描述。10.2.4 频谱特征(Spectrum Features)26abcd 图10.3 纹理图像的频谱特征。(a)纹理原图,(b)频谱图,(c)纹理频谱
14、能量S(r),(d)纹理频谱能量Sr()10.2.4 频谱特征(Spectrum Features)27三、边界特征(Boundary Feature)边界描述主要借助区域的外部特征即区域的边界来描述区域。当希望关注区域的形状特征的时候,一般会采用这种描述方式,我们可以选定某种预定的方案对边界进行表达,再对边界特征进行描述。10.3 10.3 边界描述(Boundary DescriptorsBoundary Descriptors)28 1 边界表达(Boundary Representation)当一个目标物区域边界上的点已被确定时,就可以利用这些边界点来区别不同区域的形状。这样既可以节省
15、存储信息,又可以准确地确定物体。这里主要介绍几种常用的表达形式。10.3.1 边界表达(Boundary Representation)291.链码 在数字图像中,边界或曲线是由一系列离散的像素点组成的,其最简单的表达方法是由美国学者 Freeman提出的链码方法。链码用于表示由顺次连接的具有指定长度和方向的直线段组成的边界线。在典型的情况下,这种表示方法基于线段的4或8连接。每一段的方向使用数字编号方法进行编码,如图10.4中所示。10.3.1 边界表达(Boundary Representation)30 图10.4 链码的方向编号。(a)4向链码,(b)8向链码 a|b10.3.1 边界
16、表达(Boundary Representation)31 获取或处理数字图像经常使用在x和y方向上大小相同的网格格式。所以,链码可以通过以顺时针方向沿着边界线,并且对连接每对像素的线段赋予一个方向生成。有两个原因使我们通常无法采用这种方法:(1)得到的链码往往太长,(2)噪声或是边界线段的缺陷都会在边界上产生干扰。任何沿着边界的小干扰都会使编码发生变化,使其无法和边界形状相一致。10.3.1 边界表达(Boundary Representation)32 经常用来防止产生上述问题的方法是,选择更大间隔的网格对边界进行重新取样,如10.5(a)中所示。然后,由于网格线穿过边界线,则边界点就被指
17、定为大网格的节点,根据原始边界点最接近的节点为边界点的近似,如图10.5(b)所示。使用这种方法得到的重新取样的边界可以用4或8链码表示,分别如图10.5(c)和(d)所示。图10.5(c)中的起始点(任意的)是在顶部左方的点,边界是图10.5(b)的网格中容许的最短4或8通路。图10.5(c)中的边界表达是链码003301,图10.5(d)是链码076612。如预期的那样,编码表达方法的精确度依赖于取样网格的大小。10.3.1 边界表达(Boundary Representation)33 10.5 重取样网格。(a)边界线上的重取样网格,(b)重取样的结果,(c)4向链码,(d)8向链码a
18、bcd10.3.1 边界表达(Boundary Representation)34 边界的链码依赖于起始点。为了确定链码所表示的曲线在图像中的位置,并能由链码准确的重建曲线,则需要标出起点的坐标。但当用链码来描述闭合边界时,由于起点和终点重合,因此往往不关心起点的具体位置,起点位置的变化只引起链码的循环位移。为了解决这个问题,必须将链码进行归一化处理。10.3.1 边界表达(Boundary Representation)35 给定一个从任意点开始而产生的链码,可把它看作一个由各个方向数构成自然数,将这些方向数依一个方向循环以使它们所构成的自然数的值最小,将转换后所对应的链码起点作为这个边界的
19、归一化链码的起点。例如,4向链码10103322的归一化链码为01033221。10.3.1 边界表达(Boundary Representation)36 用链码表示给定目标的边界时,如果目标平移,链码不会发生变化,但如果目标旋转则链码会发生变化。利用链码的一阶差分来重新构造1个序列(1个表示原链码各段之间方向变化的新序列)。这相当于把链码进行旋转归一化。这个差分可用相邻2个方向数(按反方向)相减得到。例如,4向链码10103322的一阶差分是3133030。如果把编码看做循环序列,则差分的第一个元素是通过链的最后一个成员放在第一个成员之前计算得到的。此时的结果是33133030。尺寸的归一
20、化可以通过改变取样网格的大小来实现。10.3.1 边界表达(Boundary Representation)372.多边形近似 由于噪声以及采样等的影响,边界有许多较小的不规则处,这些不规则处常对链码表达产生较明显的干扰影响。一种抗干扰性能更好,更节省表达所需数据量的方法就是用多边形去近似逼近边界。10.3.1 边界表达(Boundary Representation)38 多边形是一系列线段的封闭集合,它可用来逼近大多数曲线到任意的精度。实践中,多边形表达的目的是用尽可能少的线段来代表边界并保持边界的基本形状,这样就可以用较少的数据和简洁的形式来表达和描述边界。常用的多边形表达方法主要有3种
- 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:
- 图像 表示 描述 PPT 课件
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【可****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【可****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。