数字图像轮廓特征提取过程研究

55
2) 双阈值法。对于具有两个灰度峰值的图像, 将这两个最大峰值设定为两个不同的临界值 F 1和 F 2。
当某个像素 F i j 的像素值介于 F 1和 F 2之间时设为白色, 其他情况设为黑色。 大津法 ( 又称 OT SU 法或最大类间方差法 )于 1979年提出, 它是在灰度直方图基础上用最小二乘法原理
形成图像的不同区域; 非连续性分割就是首先检测局部不连续性, 然后将它们连接在一起形成边界, 这些边
界将图像分成不同的区域。图像分割方法又可以分为结构分割方法和非结构分割方法两大类。结构分割
方法是根据图像的局部区域像素的特征来实现图像分割, 如阈值分割、区域生长、边缘检测、纹理分析等, 这
些方法是假定事先知道这些区域的特性, 或者在处理过程中能够求得这些特性, 从而能够寻找各种形态或
R esearch of D igital Im age P rofile F eature Extraction process
L I H aoran1, SUN W eiguo2
Abstrac t: Th is paper investiga ted the genera l pro cess o f dig ita l image fea ture ex traction from the pe rspective o f D ig ital Im age P ro cess ing, and go t the b inary black and wh ite bitmap o f the o rig ina l im age by using the im age pro cessing techn iques, such as gray- sca le processing, smoo th ing filter, thresho ld segm enta tion m ethod, edge detection, and then ex tracted the im age profile feature Ex tracted profile fea tures can be used in the im age recognition and calculation of ma thema tica l charac teristics Th is paper a lso gave the comm on m ethods o f ex traction process and ex tracted the stream from the photo based on MATLAB env ironment K eywords: pro file features, edg e detec tion, MAT LAB
应用场合, 有目的地强调图像的整体或局部特性, 扩大图像中不
同物体特征之间的差别, 强调某些感兴趣的特征, 抑制不感兴趣
的特征, 满足某些特殊分析的需要。将原来不清晰的图像变得
清晰或改善图像质量、丰富信息量, 加强图像判读和识别效果。
根据图像增强处理过程所在的空间 不同, 可分成基于频率
域的方法和基于空间域的方法。前者是一种间接增强的算法,
第 31卷第 11期 2010年 11月
微 计 算机 应 用 M ICROCOM PUTER APPL ICAT IONS
V o l 31 N o 11 N ov 2010
数字图像轮廓特征提取过程研究
李浩然 孙维国
(新疆水利水 电勘测设计研究院 邮编 830000)
摘要: 本文从数字图像处理角度出发, 探 讨了数字图像轮廓 特征提 取的一般 过程, 将原 始图像 进行灰 度处理、平滑 滤波、阈值 分割、边缘检测等处理得到原始图像的二 值黑白 位图, 提 取出图 像的 轮廓特 征。提 取出来 的特 征可以 用于 进一 步的图 像识 别、数学特征计算等研究, 并给 出常用方法下的提取过程和 M ATLA B环境下实现对照片中河流的提取。 关键词: 轮廓特征 边缘检测 M ATLAB
法: 点运算算法即灰度级校正、灰度变换和直方图修正等, 目的或使图像成像均匀, 或扩大图像动态范围, 扩
展对比度; 邻域增强算法分为图像平滑和锐化两种: 平滑一般用于消除图像噪声, 但是也容易引起边缘的模
糊, 常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓, 便于目标识别, 常用算法有梯
( 4) 对 i, j, i ∋ j, P (R i & Rj ) = FALSE ;
( 5) 对 i = 1, 2, %, N, R i 是连通的区域。
对于此定义需要补充的是, 实际的图像处理和分析都是面向某种特定应用的, 所以条件中的各种关系
也是需要和实际要求结合而设定的。图像分隔的依据可以建立在图像像素间的 ) 相似性 ∗和 ) 非连续性 ∗两
把图像看成一种二维信号, 经傅里叶变换将图像从空间域变换
到频率域, 然后在频率域对频谱进行操作和处理, 再将其反变换 到空间域, 从而得到增强后的图像; 后者直接在图像所在的二维
图 1 图像轮廓特征提取流程图
空间进行处理, 即直接对每一个像素的灰度值进行处理。基于空域的算法分为点运算算法和邻域去噪算
度法、算子、高通滤波、掩模匹配法、统计差值法等。
2 1 1 理想低通滤波增强
一般图像的能量主要集中在其低频部分, 噪声和系统中所要提取的边缘信息主要集中在其高频部分,
图像增强的目的是去掉高频干扰又同时保持边缘信息。可以采用低通滤波的方法去除高频干扰来平滑图
像。低通滤波是频域滤波增强的一种, 是在变换域空间对图像进行滤波。如上所述, 一般通过某种变换 ( 如
换 F ( u, v) N !M 可由如下公式得到
N- 1 M- 1
∀ ∀ F ( u, v ) =
f ( x,
y )?- 2i
(
xNu +
yv M
)
x= 0 y = 0
( 2) 将 F ( u, v) 与传递函数 H ( u, v) 进行卷积运算得到 G ( u, v) :
∀ ∀ G ( u, v ) =
图像滤波平滑往往使图像中的边界、轮廓变的模糊, 为了减少这类不利效果的影响, 这就需要利用图像 鋭化技术, 使滤波增强后图像的边缘、轮廓线以及图像的细节变的清晰。经过平滑的图像变得模糊的根本 原因是因为图像受到了平均或积分运算, 因此可以对其进行逆运算 (如微分运算 ) 就可以使图像变的清晰。
Roberts算子又称为梯度交叉算子, 是一种利用局部差分算子寻找边缘的算子。梯度幅值计算近似方法 如图 2:
( i, j)
( i, j + 1)
( i + 1, j ) ( i + 1, j + 1)
图 2 R oberts算子梯 度幅值计算示意图
( i, j) 为当前像素的位置, f ( i, j ) 为该点的灰度值, 由如下锐化公式得到表示增强后的图像 ( i, j) 位置处
灰度值 g ( i, j) :
g ( i, j) = f ( i, j ) - f ( i + 1, j + 1) + f ( i + 1, j) - f ( i, j + 1)
2 2 图像分割与 OTSU 法
百度文库
图像分割的目的是把图像空间分成一些有意义的区域, 可以逐个像素为基础去研究图像分割, 也可以
利用在规定邻域中的某些图像信息去分割。图像分割比较正式的定义如下:
本文对图像轮廓提取过程及应用到的关键技术进行了研究, 给出照片中河流轮廓提取实例。
2 图像轮廓特征提取的流程分析
对于给定的原始图像, 为了提取出轮廓特征, 需要消除图像中的无用噪声, 同时考虑增强消噪后可能变 模糊的图像中对提取有利的特定信息, 在此基础上把图像分割成有意义的区域, 再使用特定算子勾勒出图 像的轮廓。下图为图像轮廓特征提取的流程示意:
H ( u, v ) = 1, D ( u, v) # D 0 0, D ( u, v) ∃ D 0
式中, D 0 是一个非负整数; D 是从点 ( u, v) 到频率平面原点的距离, 即:
D ( u, v) = u2 + v2
54
微 计 算机 应 用
201 0年
理想低通滤波器的含义是指小于 D 0 的频率, 即以 D 0 为半径的圆内所有频率分量可以完全无损地通过, 而圆外的频率, 即大于 D 0 的频率分量则完全被除掉。 2 1 2 Roberts算子锐化
研究各像素群。非结构分割法包括统计模式识别、神经网格方法或其他利用景物的先验知识实现的方法等。
图像的黑白二值图像转化是指通过设定某个临界阈值, 大于该临界值时为白, 存储时用 1表示, 小于该
临界值时为黑, 存储时用 0表示, 这样就可以将任意的彩色或者灰度图像转换成黑白二值图像。根据峰值个
数以及处理过程的不同, 可以用不同的方法完成灰度图像转换为黑白二值图像的过程, 对于灰度峰值的多
本文对已有的数字图像, 采用目前常用的空间域和频率域的平滑算法 ( 如理想低通滤波器 ) 滤波去噪增 强, 然后选择适当的阈值分割法 ( 如 OTSU 算法 )分割得到二值化黑白图, 再采用适当的边缘检测算子 (如 log
本文于 2010 - 06- 21收到, 2010- 09- 06 收到修改稿。
N-1 M - 1
F ( u,
u = 0 v= 0
v )H
( u,
v
)
uv NM
( 3) 将 G( u, v) 进行傅里叶逆变换得到增强图像 g( x, y) :
g( x,
y) = ∀ ∀ ? N- 1M - 1
2j
(
xNu +
yv M
)
u= 0 v= 0
故频域滤波的核心在于如何确定传递函数 H ( u, v) , 一个二维的理想低通滤波器的传递函数如下:
1 引言
数字图像处理泛指从图像获取到图像信息输出的全过程, 包括对已有图像信息的处理, 它具有精度高、 成本低、速度快及灵活性好等特点, 使得其在诸多领域得到了广泛的应用。作为数字图像处理的常用技术, 图像增强、图像分割、边缘检测等已经发展的较为成熟 1 , 并经常被结合起来用以处理图像。
轮廓特征提取作为数字图像处理中的一个重要方面, 更是许多有关图像研究的重要中间环节, 目前已 有很多相关工作完成 2 。提取出图像中物体的大致轮廓等特征可以用来模式识别 3 、物体判断、数学特征 值 ( 如分形维数 4 ) 等的计算。
11 期
李浩然 等: 数字图像轮廓特征提取过程研究
53
算子 )提取图像的轮廓特征, 并对所用技术进行描述。
2 1 图像增强
图像经过增强处理后效果会得到改 善, 它的某些特定信息
将得到增强。在增强过程中, 不分析图像降质的原因, 处理后的
图像不一定逼近原始图像, 即可以是一个失真的过程, 且不能增
加原图像得信息。其目的是要增强视觉效果, 针对给定图像的
少, 可以设定多个不同的临界值。
常用的黑白二值化处理方法有:
1) 单阈值法。对于具有单灰度峰值的图像, 将灰度最大峰值作为临界值 F , 并将图像点阵点上的颜色
值小于等于某临界值 F 的像素 F i j 转换为黑色; 大于 F 的像素值转换为白色。
11 期
李浩然 等: 数字图像轮廓特征提取过程研究
个基本概念之上。像素的 ) 相似性 ∗是指图像中在某个区域内像素具有某种相似的特性, 如像素灰度相等或
相近, 像素排列所形成的纹理相同或相近。 ) 不连续性 ∗是指像素灰度的不连续, 形成调变的阶跃, 或是指像
素排列形成的纹理结构的突变。故相似性分割就是将具有同一灰度级或相同组织结构的像素聚集在一起,
令集合 R 代表整个图像区域, 对 R 的图像分割可以看作是将 R 分成 N 个满足以下条件的非空子集 R1,
R2, %, RN :
N
( 1)
&
i= 1
R
i
=
R;
( 2) 对 i = 1, 2, %, N, P (R i ) = TRUE ;
( 3) 对 i, j, i ∋ j, 有 R i ( R j = ;
傅里叶变换、小波变换 ) 将图像从空间域变换到频率域, 然后在频率域对频谱进行操作处理, 再将其反变换
到空间域, 从而得到增强后的图像。图像从空间域变换到频率域后, 其低频分量对应了图像中灰度值变化
比较缓慢的区域。
以傅里叶变换为例, 频域滤波的主要步骤为:
( 1) 对原始图像 f (x, y ) 进行傅里叶变换得到 F ( u, v ) : 假设图想以 f (x, y ) N !M 存储, 则离散傅里叶变