特征提取

6 ( 20 02 )[(30 12 ) 2 ( 21 03 ) 2 ] 411 (30 12 )( 21 03 ) 7 (312 30 )(30 12 )[(30 12 ) 2 3( 21 03 ) 2 ]
t 1 1 t 2 2
t5
5 2 5
t3
5
2 3
t4
5
2 4
t6
5
2 6
t7
5
2 7
用上述公式得到不变矩特征量的数值分布范围大 约在 100～10-4之间。
3 二值图像的特征参数
形状特征描述 七个不变矩——
在使用不变矩时，还要注意以下几个问题： • 二维不变矩是指二维平移、旋转和比例变换下的 不变量，对于其它类型的变换，如仿射变换、射 影变换、透视变换（中心投影的射影变换），上 述不变矩不成立，或只能作为近似的不变量。 • 对于二值图像，区域与其边界是完全等价的，因 此可以使用边界的数据来计算矩特征，这样可以 大大提高矩特征的计算效率。 • 矩特征是关于区域的全局特征，若物体的一部分 被遮挡，则无法计算不变矩，这时，可使用物体 区域的其它特征来完成识别任务。
形状特征描述 矩形度——
矩形度用物体的面积与其最小外接矩形的面积之 比来刻画，反映物体对其外接矩形的充满程度：
R
长宽比——
A
AMER
长宽比用以将细长物体与方形或圆形的物体区别开 来：
LMER r WMER
3 二值图像的特征参数
形状特征描述 离心率e（偏心率，eccentricity）——
3 二值图像的特征参数
例：计算二值图像在膨胀运算前后面积的改变。 B=imread('circbw.tif');imshow(B); se=ones(5); B1=imdilate(B,se);figure,imshow(B1); increase=(bwarea(B1)-bwarea(B))/bwarea(B)
特征！特征！！
1 特征选择概述 2 二值图像中基本概念 3 二值图像的特征参数
4 区域标记
5 基于特征参数提取物体 6 基于特征参数的其他处理
Translation
• Translate one ECCV2014 paper. • http://www.cvpapers.com/eccv2014.html Due: Nov. 25, 2015
3 二值图像的特征参数
形状特征描述 不变矩—— 中心矩——
为了描述形状，假设f(x,y)在物体内取值为1而在其 外都取0值，这样它就与物体建立了一个一一对应 关系，它的矩就反映了物体的轮廓信息。中心矩 具有位臵无关性。
2 11 1 物体的中心主轴方向—— arctan 2 20 02
形状特征描述 长度和宽度（length and breadth）—— 在已知物体的边界时，用其外接矩形的尺 寸来刻画它的基本形状是最简单的方法。 通常需要计算反映物体形状特征的主轴方 向上的长度和与之垂直方向上的宽度，这 样的外接矩形是物体最小的外接矩形 （MER）。
3 二值图像的特征参数
背景——
集合。
S（S的补集）中包含图像边界点的所有连通成分的
洞 孔
孔(洞)—— S 中所有非背景其它元 。 S
对前景（物体）和背景应使用不同的连通。如果对S 使用8连通, 则 S 就应使用4连通。
2 二值图像中基本概念
边界——
S的边界是S中与 S 有4连通关系的像素集合S' 。
内部——
The goal of computer vision
• To bridge the gap between pixels and “meaning”
What we see
What a computer sees
处理流程
成像
图像预 处理
特征 提取
识别 分析
1 特征选择概述
问题的提出——
自动识别钱币，工厂内零部件尺寸的自动检测，车牌 号的自动识别，指纹的自动识别，脸型的自动识别， 等等。基于各种特征实现各类物体的识别。
二值图像的特点——
a. 一般二值图像中物体像素值为1，背景像素值为0； b. 二值图像处理的算法简单，易于理解和实现，计 算速度快； c. 二值视觉所需的内存小，对计算设备要求低； d.二值视觉系统技术可用于灰度图像视觉系统。
2 二值图像中基本概念
近邻——
4邻点(4-neighbors)：有公共边关系的两个像素。 4邻域(4-neighborhood)：一个像素与其4个邻点组成 了该像素的4邻域。 4连通(4-connected)：一个像素与其4个邻点的关系。
pq



( x x ) p ( y y ) q f ( x , y ) dxdy
p , q 0,1, 2,
可见，中心矩以物体的重心 为原点计算的。
规格化（规范化）中心矩——
pq pq 00
pq2 2
函数与其矩集合有一一对应的关系。
(3 21 03 )( 21 03 )[3(03 12 ) (12 03 ) ]
2 2
8.3 二值图像的特征参数
形状特征描述 七个不变矩——
在实际中，用上式计算形状的不变矩特征量，其 数值分布范围在100～10-10之间 ，显然，不变矩特 征量的数值越小，对识别结果的贡献也越小。为 此，可以对上述七个矩不变量进行如下修正：
S中不属于它的边界的像素集合。S的内部等于S-S'。
包围——
如果从S中任意一点到图像边界的4路径必须与区域T 相交，则区域 T 包围区域 S（或S在T内）。
3 二值图像的特征参数
问题的提出
如何提出图像中的香蕉？ 图形及其特征参数——
3 二值图像的特征参数
面积S ——
计算物体中包含的像素数。
形状特征描述
计算MER（物体最小外接矩形）的一种方法—— 将物体在90度范围内等间隔地旋转，每次记录其坐 标系方向上的外接矩形参数，取其面积为最小的矩 形的参数为主轴意义下的长度和宽度。 通常主轴可以通过矩（moments）的计算得到，也 可以用求物体的最佳拟合直线的方法求出。
3 二值图像的特征参数
increase =0.3456
原始图像 膨胀后的图像
3 二值图像的特征参数
例：计算二值图像的周长。 I=imread('wang.bmp');imshow(I); level=graythresh(I); B=im2bw(I,level); B1 = bwperim(B,8); figure, imshow(B1); bwarea(B1)
p 1, q 0 p 0, q 1

3 二值图像的特征参数
形状特征描述 不变矩 由重心概念，物体的重心 可由下式求得：
M 10 M 01 (x, y) ( , ) M 00 M 00
即物体重心可通过一阶矩和零阶矩求得。
3 二值图像的特征参数
形状特征描述 不变矩 中心矩——
3 二值图像的特征参数
形状特征描述 不变矩
零阶矩（p=q=0）——
M 00




f ( x , y ) dxdy
可见，零阶矩就是物体的面积A。 一阶矩（p+q=1）——
M 10 M 01




Fra Baidu bibliotek
xf ( x, y ) dxdy yf ( x, y )dxdy
主要内容——
以二值图像为目标，通过调查物体的形状、大小等特 征，提取所需要的物体、除去不必要的噪声的方法。
1 特征选择概述
复杂景物图像的识别与理解常用丰富的灰度信息 （灰度图像）。 而图像特征（对象物形状特征等）的获取常用二 值图像。
1 特征选择概述
输入图像（除彩色外）都是灰度图像，即使白纸黑字 也是灰度图像，只有经过阈值处理，才能得到二值图 像。线图形也是二值图像的一种形式。
周长L——
物体轮廓线的周长是指轮廓线上像素间距离之和。
8.3 二值图像的特征参数
轮廓线追踪
①从左到右、从上到下扫描 图像，顺序调查图像上各个 像素的值，即是否白像素a0 （值为1） 。 ②如果a0周围全为黑像素（值为0），说明a0是个孤 立像素，停止追踪。 ③否则，说明a0是个边缘像素。按右图的顺序寻找 下一个边缘像素a1。用同样的方法，追踪一个一个 的边缘像素。 ④到了下一个边界像素a0，证明已经围绕 物体一周，终止扫描。
形状特征描述 不变矩（矩描述子）——
利用力学中矩的概念，将区域中的像素作为质点， 像素坐标作为力臂，从而以各阶矩的形式来表示 区域的形状特征。 对于二元有界函数f(x,y)，它的(p+q)阶矩定义为：
M pq




x y f ( x , y ) dxdy
p
q
p , q 0,1, 2,
(i1,j) (i,j1) (i,j+1 (i, j) ) (i+1,j )
2 二值图像中基本概念
近邻——
8邻点(8-neighbors)：两个像素至少共享一个顶角。 8邻域(8-neighborhood)：一个像素与其8个邻点组成 了该像素的8邻域。 8连通(8-connected)：一个像素与其8个邻点的关系。 两种连通的关系： 4连通必是8连通， 反之不一定成立。 (i-1,j-1) (i-1,j)
离心率（偏心率）可定义为 ——
20 02 4 11 e 00
1 20 02
2 ( 20 02 ) 411 形状特征描述 2 2 ( 3 ) (3 ) 3七个不变矩 30 12 —— 21 03 4 对于规格化的中心矩，存在七个不变矩组合，它 (30 12 ) 2 ( 21 03 ) 2
4S R 2 L
3 二值图像的特征参数
形状特征描述 形状复杂性e——
与圆形度相对。 2 公式为： L
或者
其值的范围为e2≥1。e值越小，图形越接近圆形， 当e1=12.6， e2=1时它为圆形， e值越大，图形越离 散、越复杂。
S 2 L e2 4 S
e1
3 二值图像的特征参数
n 1
n 1
3 二值图像的特征参数
形状特征描述 圆形度（compactness）——
圆形度是基于面积和周长来计算物体（或区域） 的形状复杂程度的特征量，用R表示。 例如，可以考察一下圆和五角星。如果五角星的 面积和圆的面积相等，那么它的周长一定比圆长。 因此，可以考虑以下参数：
其值的范围为0＜R≤1。当R=1时它为圆形， 正方形R=0.79。
ans= 888.3750
原始图像
轮廓线追踪结果
3 二值图像的特征参数
重心（center of gravity或centroid）——
重心就是求物体（或区域）中像素坐标的平均值。 例如，某白色像素的坐标为(xi, yi)(i = 0, 1, 2, …, n1)，其重心坐标可由下式求得：
1 1 ( x , y ) ( xi , y i ) n i 0 n i 0
(3 21 03 )( 21 03 )[3(30 21 ) ( 21 03 ) ]
2 2
8.3 二值图像的特征参数 2 2
们满足平移、旋转和尺度不变性，因而被广泛应 5 用于区域形状识别中。 (30 312 )(30 12 )[(30 12 ) 2 3( 21 03 ) 2 ]
离心率e为焦距C与主轴长度LMER之比：
C e LMER
其中，焦距C与主轴的长度LMER、宽度WMER之间 有如下关系：
C L
2
2 MER
W
2 MER
3 二值图像的特征参数
形状特征描述 则长宽比可用离心率计算如下 ：
LMER 1 r 2 WMER 1 e
3 二值图像的特征参数
连通性（连接性）——
已知像素，如果存在一条从p到q的路径，且路径上 的全部像素都包含在S中，则称p与q是连通的。
连通成分（区域）——
4邻域的连通性
8邻域的连通性
一个像素集合S ，如果S内的每一个像素与集合内其它 像素连通，则称该集合为一个连通成分(连接成分)。
2 二值图像中基本概念
前景——
图像中像素值为1的全部像素的集合，用S表示。
(i1,j+1) (i,j+1)
(i,j-1) (i+1,j1)
(i, j)
(i+1,j+1 (i+1,j) )
2 二值图像中基本概念
路径（通路）——
路径（通路）：从像素到像素的一个像素序列。 4路径：像素与其近邻像素是4连通关系。 8路径：像素与其近邻像素是8连通关系。
2 二值图像中基本概念