一种基于光切法的图像轮廓提取
封闭轮廓提取-概述说明以及解释
封闭轮廓提取-概述说明以及解释1.引言1.1 概述轮廓提取是一种在计算机视觉和图像处理领域中常见的技术，它可以从图像或物体的边缘提取出封闭的边界线。
封闭轮廓提取是指将图像或物体的边缘线连接成一个封闭的形状，形成一个闭合的边界。
这项技术在许多领域都具有广泛的应用，包括目标检测与识别、图像分割、计算机辅助设计等。
封闭轮廓提取对于许多图像处理算法的前处理步骤至关重要。
通过提取出物体的封闭轮廓，可以将目标从背景中分离出来，进而实现对目标的进一步处理和分析。
例如，在目标检测与识别中，先提取出目标的封闭轮廓，然后再进行特征提取和分类器训练，有助于提高检测与识别的准确性和效率。
封闭轮廓提取方法和技术的研究也取得了显著进展。
传统的方法包括基于边缘检测、阈值分割、区域增长等算法，但这些方法存在一定的局限性，如对复杂背景的边缘提取效果不佳、对噪声敏感等。
近年来，随着计算机视觉和深度学习领域的发展，出现了基于深度学习的封闭轮廓提取方法，通过卷积神经网络等模型，能够更准确地提取出物体的封闭轮廓。
本文将在接下来的章节中详细介绍封闭轮廓提取的定义和背景，探讨封闭轮廓提取的意义以及介绍封闭轮廓提取的方法和技术。
最后，我们将对封闭轮廓提取的重要性进行总结，展望未来研究的发展方向，并给出本文的结论。
通过本文的阐述，读者将更加全面地了解封闭轮廓提取在图像处理中的重要性和应用前景。
1.2文章结构文章结构部分的内容如下：文章结构部分旨在介绍整篇文章的组织结构，帮助读者了解本文的内容安排和逻辑顺序。
本文的结构主要分为引言、正文和结论三个部分。
引言部分旨在引入封闭轮廓提取这个主题，并在概述中对封闭轮廓提取进行简要介绍。
接着介绍文章的目的，明确本文的研究目标和意义。
正文部分是本文的核心部分，主要分为三个小节。
首先，2.1节将定义并介绍轮廓提取的背景，包括其在计算机视觉和图像处理领域的应用以及其相关概念和技术。
其次，2.2节将重点探讨封闭轮廓提取的意义，包括其在实际应用中的重要性和潜在的挑战。
图像识别中的轮廓提取算法探索(八)
图像识别中的轮廓提取算法探索随着人工智能技术的迅猛发展，图像识别越来越受到关注。
而在图像识别中，轮廓提取算法是一个至关重要的环节。
本文将就图像识别中的轮廓提取算法进行探索和分析。
一、图像轮廓提取算法的背景随着计算机硬件和软件的不断进步，图像处理技术取得了长足的发展。
而图像轮廓提取算法作为图像处理的重要一环，主要用于识别和描述图像中的边缘轮廓。
在目标检测、图像分割和模式识别等领域都有广泛的应用。
因此，对图像轮廓提取算法的研究具有重要的实际意义。
二、轮廓提取算法的传统方法1、Sobel算子Sobel算子是一种基于梯度的边缘检测算法，通过计算图像中每个像素点灰度值的梯度来提取轮廓。
Sobel算子计算简单快速，且对噪声具有一定的抑制能力。
然而，Sobel算子容易受到图像中边缘灰度变化较大的影响，导致提取结果不准确。
2、Canny算子Canny算子是一种基于高斯滤波和非最大值抑制的边缘检测算法。
它能够有效地抑制噪声，同时提取出细节较为清晰的轮廓。
Canny算子在图像轮廓提取中被广泛应用，但其参数的选择对提取效果有较大影响。
3、拉普拉斯算子拉普拉斯算子是一种基于二阶微分的边缘检测算法，通过求取图像中每个像素点的二阶微分来提取轮廓。
拉普拉斯算子对噪声敏感，容易出现边缘断裂的现象。
因此，在实际应用中，常常需要结合其他算法进行改进和优化。
三、新兴的轮廓提取算法1、基于深度学习的轮廓提取算法近年来，深度学习技术在图像处理领域取得了巨大的突破。
基于深度学习的轮廓提取算法通过训练神经网络模型，实现自动化的轮廓提取。
这种算法不仅能够提取出高质量的轮廓，还能够应对各种复杂的图像场景。
但基于深度学习的轮廓提取算法需要大量的训练数据和计算资源，且难以解释模型的预测结果。
2、基于边缘增长的轮廓提取算法边缘增长算法是一种基于种子点的图像分割算法，通过将具有相似特征的像素点合并为同一个区域，最终实现轮廓的提取。
边缘增长算法具有较好的鲁棒性和适应性，对噪声和细节变化具有一定的容忍度。
目标轮廓提取方法
目标轮廓提取方法全文共四篇示例，供读者参考第一篇示例：目标轮廓提取方法是计算机视觉和图像处理领域的一项重要技术，它可以帮助人们识别目标物体并分析其形状特征。
在现代社会中，目标轮廓提取方法被广泛应用于人脸识别、车牌识别、医学图像分析等领域，为人们的生活带来了极大的便利。
目标轮廓提取方法的发展经历了多个阶段，从最初的边缘检测到现在的深度学习技术，不断地在精度和效率上进行了提升。
目前常见的目标轮廓提取方法包括边缘检测、霍夫变换、区域生长、边界跟踪等，它们各有特点，适用于不同的场景和需求。
边缘检测是目标轮廓提取方法中最基本的一种，它通过检测图像中像素值的变化来找到目标物体的边界。
常见的边缘检测算法包括Sobel算子、Canny算子、Roberts算子等，它们通过对图像进行梯度计算和阈值处理来检测目标的边缘。
边缘检测方法简单直观，计算速度快，但在噪声干扰大或目标边界复杂的情况下容易产生误检测。
霍夫变换是一种经典的直线和圆检测算法，它可以用来提取出图像中的直线和圆形目标的边缘。
霍夫变换通过将像素点在参数空间中进行投影，来寻找空间中的直线和圆。
与边缘检测相比，霍夫变换方法具有更好的稳定性和鲁棒性，能够有效地识别复杂形状的目标。
区域生长是一种基于像素相似性的目标轮廓提取算法，它通过选取种子像素点，逐步生长形成目标的轮廓。
区域生长方法适用于目标区域较大的情况下，对于像素值相似且连续的区域可以形成完整的目标轮廓。
区域生长方法可以减少噪声对目标轮廓的影响，提高了目标轮廓提取的准确性。
边界跟踪是一种基于像素连接的目标轮廓提取方法，它通过寻找像素之间的连通性来构建目标的轮廓。
常见的边界跟踪算法包括连通区域标记、链码法、最小外接矩形等，它们可以有效地提取出复杂形状的目标轮廓。
边界跟踪方法适用于目标形状规则且边缘清晰的情况下，对于一些非闭合目标轮廓的提取也有一定的效果。
除了传统的目标轮廓提取方法，近年来深度学习技术的发展也为目标轮廓提取带来了新的突破。
计算机视觉测量技术的图像轮廓提取方法分析
计算机视觉测量技术的图像轮廓提取方法分析摘要：文章提出了一种图像轮廓的提取方法，这种方法具有更高的精度和抗干扰能力，并且对我国计算机视觉测量技术的发展前景作出了展望。
关键词：计算机技术；轮廓提取；视觉测量计算机视觉测量技术是一种综合技术，融合了光电子技术、计算机技术、图像处理技术等多种技术。
在对采集对象进行处理之后，就可以得到目标物体的几何特征参数。
想要得到准确的图像，就必须重视目标物体的轮廓提取参数。
在计算机视觉测量系统中，为了保障测量的精准度，选取合适的轮廓提取方法也是很重要的。
边缘检测法是轮廓提取方法中主要的内容，该方法借助于空域微分算子，使图像和模板完成卷积。
边缘检测方法中的局部算子法，具有实现简单、运算速度快等优点。
梯度算子、Sobel算子、Roberts算子、canny算子，都是经典局部算子法。
本文提出了基于灰度阈值法的原理，根据链码跟踪技术对轮廓信息进行存储，实现图像轮廓的提取。
这种方法具有准确度高、稳定性好等优势，在工程上的应用十分广泛。
1 轮廓提取的原理轮廓提取指的是从物体图像上得到物体外形，它能够有效保障测量的精确度。
由于计算机视觉测量图像只含有目标和背景2类区域，应该利用阈值分析法对图像进行分割。
为了确保二维图像中没有噪音，可以利用非线性的滤波能力消除噪音。
为了实现轮廓提取，将会掏空图像内部的点。
通过链码跟踪技术对轮廓的信息进行存储，使图像的轮廓处理工作量得以减轻。
轮廓提取的工作流程是：首先对原始图像进行预处理，消除噪音后可以得到平滑的图像。
然后，对图像进行阈值分割得到二维图像。
对二值图像进行轮廓提取，就可以得到图像的边界点。
最后，再根据跟踪算法将轮廓存储为链码序列的形式。
2 图像轮廓提取的关键技术轮廓提取技术是计算机视觉测量技术中的重要组成部分，轮廓提取技术主要包括图像预处理技术、阈值分割技术、轮廓提取技术和链码跟踪技术等内容。
本文将具体介绍几种关键的图像的轮廓提取技术。
数字图像处理实验六 图像的轮廓提取
计算机科学与工程学院}}curBitmap = new Bitmap(bitmap);bitmap.Dispose();this.pictureBox_new.Image = curBitmap;}catch (Exception ex){MessageBox.Show(ex.Message, "错误提示", MessageBoxButtons.OK, MessageBoxIcon.Stop);}}示例图：图1-1 整体轮廓提取图1-2 外轮廓提取2.实现目标图像的特征提取原理：图像特征提取是计算机视觉和图像处理中的一个概念。
它指的是使用计算机提取图像信息，决定每个图像的点是否属于一个图像特征。
SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，该算法通过求一幅图中的特征点（interest points,or corner points）及其有关scale 和orientation 的描述子得到特征并进行图像特征点匹配，获得了良好效果。
SIFT特征不只具有尺度不变性，即使改变旋转角度，图像亮度或拍摄视角，仍然能够得到好的检测效果。
整个算法分为以下几个部分：1.构建尺度空间；2.LoG近似DoG找到关键点<检测DOG尺度空间极值点>；3.除去不好的特征点；4.给特征点赋值一个128维方向参数；5.关键点描述子的生成；6.根据SIFT进行匹配。
图2-1 不同σ下图像尺度空间代码：private void ToolStripMenuItem_imgprocess_getfeature_Click(object sender, EventArgs e){try{//Load ImageMat c_src1 = imread("..\\Images\\3.jpg");Mat c_src2 = imread("..\\Images\\4.jpg");Mat src1 = imread("..\\Images\\3.jpg", CV_LOAD_IMAGE_GRAYSCALE);Mat src2 = imread("..\\Images\\4.jpg", CV_LOAD_IMAGE_GRAYSCALE);if (!src1.data || !src2.data){ std::cout << " --(!) Error reading images " << std::endl; return -1; }//sift feature detectSiftFeatureDetector detector;BFMatcher matcher(NORM_L2);vector<DMatch> matches;matcher.match(des1, des2, matches);Mat img_match;drawMatches(src1, kp1, src2, kp2, matches, img_match);//,Scalar::all(-1),Scalar::all(-1),vector<char>(),drawmode);cout << "number of matched points: " << matches.size() << endl;imshow("matches", img_match);cvWaitKey();cvDestroyAllWindows();}catch (Exception ex){MessageBox.Show(ex.Message, "错误提示", MessageBoxButtons.OK, Message BoxIcon.Stop);}}示例图：图2-2 提取特征处理附录基本概念及一些补充什么是局部特征？•局部特征从总体上说是图像或在视觉领域中一些有别于其周围的地方•局部特征通常是描述一块区域，使其能具有高可区分度•局部特征的好坏直接会决定着后面分类、识别是否会得到一个好的结果局部特征需具备的特性•重复性•可区分性•准确性•数量以及效率•不变性局部特征提取算法-sift•SIFT算法由D.G.Lowe 1999年提出，2004年完善总结。
融入光度信息图割的图像轮廓提取方法
到像素 的颜 色值 和亮度值 ， 用其平均值表示像素的光度值 ， 将 图像的光度信 息融入到主 动轮 廓模 型的能 量 函数 中， 构 建新 的能量函数 ， 利 用最大流／ 最 小割 算法 求解新的 能量 函数 的 最优 解 ， 得 到 目标的轮廓 ； 实验 结果证明 ， 该 方法能够使 初始轮廓较 准确较迅速地 收敛到 目标物体的轮廓 。 关 键词 ： 光度信 息 ； 能量 函数 ； 图割 ； 轮廓提 取
１ ０ ４
太
原
科
技
大
学
学
报
２ ０ １ ５往
集， Ｅ表示 边缘集 。 对 于连接 顶点 集 中 （ ， Ｙ ）的一
条边缘 ｅ ， 具有两个不同的方向， 即从 到Ｙ 和从 Ｙ 到
，
，
Ｙ ＝０ ． ２ ５ ７ ×Ｒ ＋０ ． ５ ０ ４ × Ｇ ＋０ ． ０ ９ ８×Ｂ ＋ｌ ６
２ ． 合， Ｗ ． － ｒ － ￣ 大学机械 与 汽 车工程 学 院 ， 合肥 ２ ３ ０ ０ ０ ９ ）
摘 要： 图割算 法是 图像 分割 方法 中一种 高效 最优化的计算 方法 ， 针对 图像 中 目标 物体光照 不均匀
导 致 的 分割 不 准 确 问题 ， 本 文提 出 了一 种 基 于 光 度 信 息 的 图割 方 法 ： 该 方法利用彩 色图像 的 Ｒ Ｇ Ｂ值 ， 得
收稿 日期 ： ２ ０ １ ４ － １ １ － １ ２
对应 ， 相邻像 素之间的关系为 网络 图的边缘 ， 边
缘的权值表示相邻像素之间 的相似性 ， 根据这个权 值设计合适的能量函数 ， 通过最小化此能量 函数来 完成 图的分割， 从而实现图像的目标提取。 设 Ｇ＝（ ， Ｅ）是一 个无 向图 ， 其 中 表示 顶 点
一种数字图像轮廓提取方法
一种数字图像轮廓提取方法专利名称：一种数字图像轮廓提取方法技术领域：本发明涉及一种数字图像处理技术，特别是涉及适合于在FPGA上并行实现的基于形态水平集的一种数字图像轮廓提取方法。
背景技术：数字图像的轮廓提取通常需要进行大量的数据计算。
尽管目前CPU的计算速度越来越快，在面对复杂的处理算法或高分辨率的图像时往往还是效率低下。
在现代数字电路设计中，FPGA发挥着越来越重要的作用。
包括简单的接口电路设计，状态机以及SoC的设计，FPGA扮演的角色已经不容忽视。
FPGA作为目前电子设计自动化工具设计中广泛应用的一种器件，在图像处理系统中已经得到广泛的应用。
在众多图像轮廓提取算法中，基于能量泛函的分割方法或者活动轮廓模型是当前的研究热点，它包括以Snake模型为代表的参数活动轮廓模型和基于水平集方法的几何活动轮廓模型。
例如M. Kass, A. ffitkins, D. Terzopoulos在1988年发表的论文 “Snakes: active contourmodels”就属于前者，而 N. Paragios, R. Deriche 在2000 年发表的论文“Geodesic active contoursand level sets for the detection and tracking of moving objects”则属于后者。
活动轮廓模型的基本思想是使用连续曲线来表达目标轮廓, 并定义一个能量泛函使得其自变量包括曲线，将分割过程转变为求解能量泛函的最小值的过程，再通过求解函数对应的欧拉方程得到数值。
但是求解欧拉方程通常较为复杂，需要耗费相当长的时间进行计算，而且传统的方法也不利于采用并行方式进行计算，而对于需要用到浮点数操作的算法更不利于在FPGA上实现加速并行。
本发明所采用的基于形态水平集的图像轮廓提取算法既能实现并行计算，而且计算简单，不需要进行浮点数运算，因而适合在FPGA 上实现；而且所采用的方法具备曲线结构拓扑的性质，能够应用于环境结构复杂的医学图像，而通过设置阈值参数能较为方便的控制曲线的演化，从而克服医学图像亮度不均匀等对模型提取的影响。
计算机视觉测量技术的图像轮廓提取方法分析
计算机视觉测量技术的图像轮廓提取方法分析作者：陈雪来源：《无线互联科技》2015年第20期摘要：文章提出了一种图像轮廓的提取方法，这种方法具有更高的精度和抗干扰能力，并且对我国计算机视觉测量技术的发展前景作出了展望。
关键词：计算机技术；轮廓提取；视觉测量计算机视觉测量技术是一种综合技术，融合了光电子技术、计算机技术、图像处理技术等多种技术。
在对采集对象进行处理之后，就可以得到目标物体的几何特征参数。
想要得到准确的图像，就必须重视目标物体的轮廓提取参数。
在计算机视觉测量系统中，为了保障测量的精准度，选取合适的轮廓提取方法也是很重要的。
边缘检测法是轮廓提取方法中主要的内容，该方法借助于空域微分算子，使图像和模板完成卷积。
边缘检测方法中的局部算子法，具有实现简单、运算速度快等优点。
梯度算子、Sobel算子、Roberts算子、canny算子，都是经典局部算子法。
本文提出了基于灰度阈值法的原理，根据链码跟踪技术对轮廓信息进行存储，实现图像轮廓的提取。
这种方法具有准确度高、稳定性好等优势，在工程上的应用十分广泛。
1 轮廓提取的原理轮廓提取指的是从物体图像上得到物体外形，它能够有效保障测量的精确度。
由于计算机视觉测量图像只含有目标和背景2类区域，应该利用阈值分析法对图像进行分割。
为了确保二维图像中没有噪音，可以利用非线性的滤波能力消除噪音。
为了实现轮廓提取，将会掏空图像内部的点。
通过链码跟踪技术对轮廓的信息进行存储，使图像的轮廓处理工作量得以减轻。
轮廓提取的工作流程是：首先对原始图像进行预处理，消除噪音后可以得到平滑的图像。
然后，对图像进行阈值分割得到二维图像。
对二值图像进行轮廓提取，就可以得到图像的边界点。
最后，再根据跟踪算法将轮廓存储为链码序列的形式。
2 图像轮廓提取的关键技术轮廓提取技术是计算机视觉测量技术中的重要组成部分，轮廓提取技术主要包括图像预处理技术、阈值分割技术、轮廓提取技术和链码跟踪技术等内容。
基于计算机视觉测量技术的图像轮廓提取方法研究
第28卷 第1期2007年1月 计 量 学 报ACT A METRO LOGIC A SI NIC A V ol.28,№1 January 2007基于计算机视觉测量技术的图像轮廓提取方法研究吴凤和(燕山大学机械工程学院,河北秦皇岛 066004)摘要:图像分割与轮廓提取是计算机视觉测量技术的关键环节。
针对传统边缘检测方法中存在的问题,结合计算机视觉测量技术的特点,提出了一种实用的轮廓提取方法。
该方法采用灰度阈值法进行图像分割,并用数学形态学方法对二值图像进行缺陷修补,通过链码跟踪存储轮廓信息,实现了具有单像素边缘的图像轮廓提取。
文中给出了关键技术的原理及实现方法。
实验表明,与经典的边缘检测方法相比,此方法具有抗干扰性强、精度高等特点,能满足工程测量的实际需要。
关键词:计量学;轮廓提取;图像分割;计算机视觉;数学形态学;灰度阈值法中图分类号:T B92 文献标识码:A 文章编号:100021158(2007)0120018205A Study on Contour Extraction Method in Computer Vision Mea surement TechnologyW U Feng 2he(C ollege of Mechanical Engineering ,Y anshan University ,Qinhuangdao ,Hebei 066004,China )Abstract :Image segmentation and border extracting technology play an important role in the computer vision measurement system .Aiming at the shortcomings of traditional edge detection methods ,considering the features of computer vision measurement ,a practical contour extraction method is introduced.In the method ,image segmentation is based on the gray threshold method ,the mathematical m orphology method is adopted to remedy the defects of binary image ,the contour of image is stored into chain -code through contour tracking alg ing this method ,the one -pixel -wide border of image can be easily extracted.The principles and alg orithms of key technologies of the method are described.The experiments show that the features of the method such as denoise and precision are better than that of the traditional edge detection methods.It can be applied to practical engineering measurement system.K ey w ords :Metrology ;C ontour extraction ;Image segmentation ;C omputer vision ;Mathematical m orphology ;G ray threshold method收稿日期:2005210222;修回日期:2006203207基金项目:河北省教育厅自然科学计划项目(Z 2005105)作者简介:吴凤和,(1968-),男,内蒙古扎兰屯人,燕山大学副教授,硕士,主要从事计算机视觉、图形图像处理的研究。
基于纹理平滑和GrabCut的皮影图案轮廓的智能提取
基于纹理平滑和GrabCut的皮影图案轮廓的智能提取作者：刘静庄梅玲石历丽高婷来源：《丝绸》2020年第11期摘要：为客观有效地识别局部图案轮廓，实现可选择性目标的提取，文章以皮影图案为研究对象，针对皮影图像局部细节丰富、色彩饱和度高而背景信息干扰较大的特点，设计了皮影图案轮廓的智能提取算法。
首先，采用相对总变差模型进行噪声与主结构的分离，实现图像的平滑处理;然后，设计GrabCut算法，通过分析图案轮廓的边界紧密度指标，确定最优的超像素分割数量，实现局部图案的优化分割;最后，运用Canny算子对分割后的皮影图案进行了轮廓提取。
通过6幅皮影图像的轮廓提取实验结果表明，提出的方法准确完整地实现了目标图案的轮廓提取，且图案分割结果的像素准确度（PA）均大于95%。
关键词：皮影;智能轮廓提取;相对总变差模型;超像素分割;GrabCut;Canny中图分类号： TS941.2文献标志码： A文章编号： 1001-7003（2020）11-0020-08引用页码： 111104Abstract： In order to identify the local pattern contour and extract the optional target， this paper takes the shadow pattern as the research object. According to the characteristics of rich local details， high color saturation and strong interference of background information in the shadow image， an intelligent contour extraction algorithm for shadow patterns was designed. First of all， inorder to achieve image smoothing， the relative total variation model was used to separate the noise from the main structure. Then， the GrabCut algorithm was designed. By analyzing the boundary compactness index of the pattern contour， the optimal super-pixel segmentation quantity was determined to realize the optimal segmentation of the local pattern. Finally， the contour of the segmented shadow pattern was extracted by Canny operator. The contour extraction experiment results of 6 shadow images showed that the method proposed in this paper could extract the contour of target pattern accurately and completely， and the pixel accuracy（PA） of the pattern segmentation was greater than 95%.Key words： shadow play; intelligent contour extraction; relative total variation model; super-pixel segmentation; GrabCut; Canny皮影是一門“动则成戏，静则成画”的古老艺术，蕴含着独特的美学特征和传统的文化内涵，至今已有两千多年历史[1]。
融入光度信息图割的图像轮廓提取方法
融入光度信息图割的图像轮廓提取方法任美美;张荣国;胡静;刘小君【摘要】图割算法是图像分割方法中一种高效最优化的计算方法，针对图像中目标物体光照不均匀导致的分割不准确问题，本文提出了一种基于光度信息的图割方法：该方法利用彩色图像的RGB值，得到像素的颜色值和亮度值，用其平均值表示像素的光度值，将图像的光度信息融入到主动轮廓模型的能量函数中，构建新的能量函数，利用最大流/最小割算法求解新的能量函数的最优解，得到目标的轮廓；实验结果证明，该方法能够使初始轮廓较准确较迅速地收敛到目标物体的轮廓。
%The graph cuts algorithm is one of high effective optimal methods in the image segmentations. To improve the accuracy of segmentation caused by uneven illumination,a method which combines the informationof luminosity with graph cuts is proposed. This method will get the color values and brightness values of pixel depending on the color image,with the average representative luminosity values,then integrate the photometric information into ener-gy function of active contourmodel,and build a new energy function,finally get the optimal solution for solving new energy function with max-flow/min-cut algorithm,partial contour of target is obtained lastly. The experimental re-sults show thatthis method can make the initial contour convergence to the target object more accurately and faster.【期刊名称】《太原科技大学学报》【年(卷),期】2015(000)002【总页数】6页(P103-107,108)【关键词】光度信息;能量函数;图割;轮廓提取【作者】任美美;张荣国;胡静;刘小君【作者单位】太原科技大学计算机科学与技术学院，太原030024;太原科技大学计算机科学与技术学院，太原030024;太原科技大学计算机科学与技术学院，太原030024;合肥工业大学机械与汽车工程学院，合肥230009【正文语种】中文【中图分类】TP391图像分割是图像处理、模式识别、计算机视觉领域中的关键问题，分割结果的准确性直接影响后期的图像分析。
一种用于表面重建的外边界轮廓线提取算法
计算机仿真
2008年 12月
一种用于表面重建的外边界轮廓线提取算法
张太发, 张鸿艳, 张亚江
(黑龙江科技学院数力系, 黑龙江 哈尔滨 150027)
摘要: 医学图像处理中边界轮廓线的提取是科学计算可视化技术中的一个研究 热点, 是计算机 图形学和图像处 理技术在生 物医学工程中的重要应用。在医学图像的三维重建、模式识别等的应用中, 常常需要保留感兴趣的物体区域, 从而必须用外 边界作为轮廓线。在分析 Log算子作用原理的基础上, 提出并实现了一种新的按光栅顺序扫描取点然后进行边 界跟踪的轮 廓线提取算法, 最后按照最短对角线法进行轮廓连接。实验证明, 算法可以有效地消除噪声, 获得更加精确的象素级边界轮 廓, 重建效果较为满意。 关键词: 算子; 边缘检测; 边界跟踪; 三维重建 中图分类号: TP391 4 文献标识码: A
图 2 整体口腔 CT图像
( 7)
p, q
其中
p
是图像上的象素灰
ij
度值
,
K
( p,
q )是
L og算子的离散卷
积核。卷积核的大小 可以任 意选择, 但应 该大 于 6 , 因 此对
于 = 1. 2的值, 使用了 9 9的卷积 核。对进 行过对 比增强 的图像滤波, 所得的图像如图 2 ( a)所示。
2. 2 边 缘检测 边缘检测由 寻找滤 波图 像的零 交叉 完成。为 了防 止噪
改善图像质量, 方便对各区域的区分。采 用线性映 射的方法
来完成灰度拉伸, 首先给定两个 临界值 pl 和 pu, 其取 值与图 像灰度有关, 下标 l和 u 分 别代表 下界和上 界。原图 像中的
5-轮廓线的提取
实验四图像轮廓线提取技术一、实验目的与要求：1、能熟练应用matlab去分析问题、解决问题；2、熟悉对matlab的图像处理的功能，掌握基本的图像处理的若干命令；3、在应用matlab进行图像处理方面具备一定的编程能力。
4、掌握figure，imread，image，colormap，imshow，imwrite，subplot，title，rgb2gray，imfinfo等语句的基本使用方法。
5、掌握图像轮廓线提取的简单方法并上机实现。
6、掌握matlab自带的一些常用边界检测算子的使用，提高对复杂图像处理的能力。
二、问题描述“图像轮廓线提取”是数字图像处理中对图像进行处理和分析之前的一项非常重要的工作。
指的是从原始图像中，以手动或自动的方法，将图片中的人物、动物、植物或者其他任何对象的（特征）轮廓线提取出来，使之成为一幅独立的黑白线条图。
从而达到将物体与背景分开，物体与物体分开的效果。
提取轮廓线被应用于许多方面，例如人脸检测和跟踪。
它结合了认知科学、图象处理、计算机图形学、机器视觉和模式识别等多个研究领域。
三、问题分析既然“图像轮廓线提取”的黑白线条图所在位置往往是图像中两区域交界位置，则可以通过图像特征（如形状、颜色、纹理等）变化情况来检测两区域交界处。
最简单的方法就是采用阈值检测法，即将当前检测点的特征与周围点的特征进行比较，若发现有较大的差异，则认为当前检测点属于两区域的交界点，否则，认为同一区域内的点。
四、背景知识介绍首先介绍几种基本的图像格式，再介绍一下matlab中常见的图像处理命令及其用法。
常见图像格式1.二值图单色图像则是带有颜色的图像中比较简单的格式，它一般由黑色区域和白色区域组成，可以用一个比特表示一个像素，“1”表示黑色，“0”表示白色，当然也可以倒过来表示，这种图像称之为二值图像。
2.灰度图我们也可以用8个比特（一个字节）表示一个像素，相当于把黑和白等分为256个级别，“0”表示为黑，“255”表示为白，该字节的数值表示相应像素值的灰度值或亮度值，数值越接近“0”，对应像素点越黑，相反，则对应像素点越白，此种图像我们一般称之为灰度图像。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
求出各点的 p ， 其相对深度方向的形状信息也就确 g 值后， 定了， 但是绝对深度 尺 寸 z c 不 能 确 定 ， 只能确定其相对于上一 点的尺寸。为此只需假设光带上某一点的深度为 d ， 则其余各 就可确定形成轮 点相对于该点的深度就容易求得， 根据式 （5 ） 廓线的象素点。为了求出各相对深度， 对图像上相邻的象素点 作 三 角 划 分 [5]， 如 图 8。 图 中 l， 2， 3， 4， 5 点是连续相邻的象素 点， 从空间上看， 这些三角 l23 ， l34 ， l45 分别组成三个三角形， 形可分别近似地对应于目标物体表面上的空间位置的小三角 形平面， 假设 l 点的 深 度 为 z cl=l ， 则 平 面 三 角 形 l23 的 法 向 量 近似为：
目前， 对曲面测量的方法有许多， 从基本原理来看， 主要有 三类： 坐标测量法、 光几何法和光干涉法。 坐标测量法是一种接 触测量法， 不适合测量脚面等软材质的曲面。光几何法与光干 涉法是非接触测量法， 但不适于测量表面起伏变化很大的复杂 表面。 光切法 [1]是近十多年发展起来的一种三维曲面非接触测量 法。 它用光平面照射被测物体， 在其表面产生一条明亮的光带， 如图 1 所示。通过 CCD 摄像机及数字信号处理器 DSP 可获得 光带的数字图像， 经计算机处理即得该目标物体表面的全部三 维轮廓信息。
U
1
f
分割后的光带边缘大都存在着毛刺和表面散射产生的麻 可采用麻点噪声滤波和孤立 点噪声， 如图 5 。要进行去噪处理， 获得满意的光带后才能进行轮廓提取工作。 处理结果 点滤波 [3]。 示于图 6 。
l z pc-f l f・ypc yc= < z pc-f l ・ z pc l z c= f L z pc-f
式中： I0 为入射光强度，光带图上用最大灰度值 Imax 代替； （p S ， 为入射光方向矢量 （已 知 量 ） ； （p ， 为光切面在 g S， -tS） g， -1 ） 为待求变量； （ 为像平面上的 灰 xcycz c 坐标系内的法向量， I xc ， yc ）
T I I （1 ） I 1 J 0 0 D 1J L
一种基于光切法的图像轮廓提取
孙吉红 姜 合 杨春花 （山东轻工业学院计算机科学与技术系， 济南 250100 ）
E-mail： sunjh263@
摘 要 光切法是近十多年发展起来的一种三维曲面非接触测量方法。 轮廓提取是光切法的关键。 论文论述了轮廓提取
的概念， 给出了轮廓线提取前的预处理， 提出了一种从理论上达到无限薄光平面的轮廓提取方法， 并对此作了推导。 关键词 曲面测量 光切法 轮廓提取 图像 文献标识码 A 中图分类号 TP751
（2003 ） 文章编号 1002-833118-0080-03
A Kind of Image's Outline Extraction Based on Light-sectioning Method
Sun Jihong Jiang He Yang Chunhua
（Department of Computer Science and Technology ， Shandong Institute of Light Industry ， Ji'nan 250100）
作者简介： 孙吉红 （1971- ） ， 女， 汉族， 讲师， 工学硕士。主要从事图象处理、 计算机控制等方面的研究， 并在相关领域发表学术论文数篇。
80
2003.18 计算机工程与应用
全局直方图 A： 图3
高灰度级区局部放大直方图 B： 一条待处理光带图像的灰度直方图 （p-tile 参数法， T=109 ）
Abstract： The Light-sectioning Method for the 3-D curve as one of the non-touching measuring is developed more than decade.The key of the Light-sectioning Method is the outline extraction.In this paper， the conception of outline extraction is described， and the precondition of the outline extraction is given.Then， a kind of method for the outline extraction of a plane light， which is indefinite thin theoretically， is presented ， and the kind of method is derived. Keywords： curve surface measuring ， light-sectioning method ， outline extraction， image
0T 1 0 T I 0I 0 1 I I 0I 0 0 I
0 0 1
0 0 0
度分布（已知量） ； A=
pS
Vp
tS
2 S
+g S +tS
2
2
， b=
gS
Vp
2 S
+g S +tS
2
2
， h=
Vp
2 S
+g S +tS
2
2
。 只要解出方程 （6 ） 加上约束条件 （5 ） ， 就可确定所
求轮廓线。为了求解方程 （6 ） ， 对法向量参数 p= 如下变化：
就为该法线方向上的轮廓点。 将各处的法线方向上的灰度重心 连起来， 就形成了光带上的近似轮廓线， 如图 2 。
图2
轮廓提取示意图
该法较简单， 适于测量精度要求不高、 光平面厚度不大的 情况。 在某些场合， 如机械零件的表面测量， 近似法达不到其精 度要求。为此， 笔者提出了一种从理论上达到无限薄光平面的 实现方法。
4] ： 上的灰度约束方程 [3，
目标光带在 z=-z 0 处。将图中的坐标从 y 处于 xcycz c 坐标系中， 轴正向投影到 xoz 平面上， 得图 7 。 由图可见， xyz 坐标系中任意 （x ， 在 xcycz c 坐 标 系 中 变 为 p（ ， 两坐标系 一点 p y， x） ypc， z pc ） c xpc ， 坐标的几何变换关系为 ：
!z -f = tg" !x D-f
c c
（l0 ）
根据式 （9 ） 可求得相应点的数字微分为：
!z dz c， -dz c，， i， I （ = I!ll ）
凡是满足上面两式的象素点就为轮廓线上的点。
4
图8 光带上各点的三角区域划分
结论
虽然该轮廓提取法从理论上实现了无限薄光切面的数学
1
轮廓提取的概念
轮廓提取是光切法轮廓提取的关键所在。 就是要准确地找
到无限薄光平面与物体表面的相冠线 （在图像平面上为一个象 素点宽） 。 近似轮廓提取的方法就是： 通过该光带的大概骨架确 定各处对骨架的法线方向， 然后求出其灰度分布重心， 该重心
!。以图 4 的光带图作为研究对象，先作出其灰度直方图如图 3] 。 3 。图 5 是 p-tile 参数法对图像进行区域划分的结果 [2，
2
分层面轮廓线提取前的预处理
轮廓提取 要 处 理 的 对 象 就 是 图 像 上 的 光 带 ， 而 通 过 CCD
摄像机、 图像采集系统进入计算机的是整幅图像， 要使处理的 范围缩小到光带上， 就需进行图像预处理。 通过实验， 该系统只
图1
CCD 成像与目标物体的空间关系
需进行图像分割和去噪滤波即可达到要求。 系统的图像分割实 际上指把光带与背景分开， 用阈值进行全域分割， 即求出一阈 对图像上凡灰度大于 ! 的象素点保留， 其余置为 0 。对于 值 !， 采 用 p-tile 参 数 算 法 。 先 根 据 所 有 目 标 判 断 光 带 在 ! 的求取， 整幅图像中的大致面积比， 其比值设为常数， 然后计算其阈值
据 p， 即 使 （p I -p I-l ）+ （g I -g I-l ） 为 g 的变化率最小来确定，
这里 dz c l =0 。 将各相邻点依次推算， 就可把整个光带上各点相对于第一 点的深度求出。求出各点相对深度后， 再确定选择组成轮廓线 上的点。对式 （5 ） 求偏导得：
!
2
2
最小。 若 M=0 ， 则 p， 该点一般为目标表面的遮蔽边 g 为无穷大， 界 [5]。此时无法确定 z c ， 处理的办法是令 p ， g 为 0。
要处理的光切面在 z=z 0 处， 代入式 （4 ） 可得：
3
轮廓线的理论提取
如图 1 ， 一幅光切法得到的图像在图中存像于 z c=-U 处， 其
f f-x・ c tg! ） z c=f+ （ D-f
（5 ）
仅 对 xc ， 而 zc 是 中 间 代 求 变 量 ， 还需找 式 （5 ） zc 作 了 约 束 ， 到确定的 xc ， yc 才能得到需要的轮廓线，为此引入了深度方向
"z c "z ， g= c 作 "xc "yc
"z "z p= c = c ・ "I =S・ a l "xc "I "xc
<
"z "z l g = c = c ・ "I =S・ 6 " L yc "I "yc
图7 光带上任意一点在图像平面上的投影
（7 ）
其中 S=
"z c ， （6 ） 和 （7 ） 可解出 S 为： a= "I ， 6 = "I 。由式 "I "xc "yc