第10章图像特征提取及分析
目的
让计算机具有认识或者识别图像的能力,即图像识别。 特征选择是图像识别中的一个关键问题。 特征选择和提取的基本任务是如何从众多特征中找出最有 效的特征。
2018/11/12 4
图像的特征
所谓图像特征,换句话说就是图像中的物体有什么 样的特征。 图中有几个水果。要想从该图像中把香蕉提取出来, 必须告诉计算机要提取什么样的物体。 例如,应把香蕉的特征之一——细而长告诉给计算 机。也就是说,要指示图像中物体的形状、大小等 特征。即告诉计算机要提取的物体是大物体或是圆 的、方的等。这时,就要使用“大小”、“圆度” 等表示物体形状的参数。
(P
j 1
N
ij
i ) 3
1 3
10.2.2 颜色直方图
描述了图像颜色分布的统计特性. 可以直接在RGB图像上生成.
2018/11/12
9
颜色直方图
设一幅图像包含M个像素,图像的颜色空 间被量化成 N 个不同颜色。颜色直方图 H 定义为:hi
pi=hi
(10-4)
21
圆形度R0
显然,当圆的半径为r时,周长为2πr , 面积为πr2,所以,e=1.0。由图可知, 形状越接近圆形,e越大;形状越复杂,e值越小。
2018/11/12
22
(6)形状复杂性e
公式为:
e L2 / S
该式描述了区域单位面积的周长大小,e值越大,表 明单位面积的周长大,即区域离散,则为复杂形状; 反之,则为简单形状。e值最小的区域为圆形。 典型连续区域的计算结果为: 圆形e=12.6; 正方形e=16.0; 正三角形e=20.8。
一阶矩(10-1) :颜色分量的平均强度 二阶矩(10-2) :颜色分量的方差 三阶矩(10-3) :颜色分量的偏斜度
1 i N
i
1
N
P
j 1
ij
N
ij
(10-1)
1 2
(P N
j 1
i ) 2
(10-2) (10-3)
8
1 si N
2018/11/12
2018/11/12
19
(4)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=A/AMER
此外,另一个与形状有关的特征是长宽比: R=WMER/LMER 它可以将细长的物体与方形或圆形的物体区 别开来.
2018/11/12 20
n m m10 i if (i, j ) m00 i 1 j 1
n m m01 j jf (i, j ) m00 i 1 j 1
f (i, j)
i 1 j 1
m
n
m
f (i, j)
i 1 j 1
n
2018/11/12
26
(2)中心矩
中心矩是以重心作为原点进行计算:
固 定 i0 , 得 到 图 像 f(i,j) 的 过 i0 而 平 行 于 j 轴 的 截 口 f(i0,j),j=1,2…,n。固定j0 ,得到图像f(i,j)的过j0而平行于i轴的 截口f(i,j0),i=1,2,…,n。二值图像f(i,j)的截口长度为
对于区域为nхn的二值图像和抑制背景的图像f(i,j),它在i轴上 n 的投影为:
p(i) f (i, j ) i 1,2, , n
n
j 1
p( j ) f (i, j ) j 1,2, , n 在j轴上的投影为 : i 1 由以上两式所绘出的曲线都是离散波形曲线。这样就把二维 图像的形状分析转化为对一维离散曲线的波形分析。
基本概念 颜色特征描述 形状特征描述 图像的纹理分析技术 小结
2018/11/12
2
10.1 基本概念
在物体从图像中分割出来后,就可以对它的几何特征进 行测量和分析,在此基础上可以识别物体,也可以对 物体分类,或对物体是否符合标准进行判别实现质量 监控。
例如,能将马铃薯或苹果等农产品按品质自动分类的机器视 觉系统; 自动计算不规则形状所包含面积的测量系统,将传送带上不 同工件自动分类的视觉系统; 自动检查一个人的图像特征,判断是不是某一个人; 自动售货机可以识别纸币的面额;
10.3.1 区域内部空间域分析 10.3.2 区域内部变换分析 10.3.3 区域边界的形状特征描述
2018/11/12 12
10.3.1区域内部空间域分析
区域内部空间域分析是不经过变换而直接在图像的 空间域,对区域内提取形状特征。 1.欧拉数
图像的欧拉数是图像的拓扑特性之一,它表明了图像的连通 性。
2018/11/12
23
利用特征参数提取物体
每个果实的特征参数计算步骤如图所示:
特征参数计算结果表示如下:
2018/11/12
(a)原图像 (b)圆度小于0.5的区域
(c)提取的图像
24
10.3.2 区域内部变换分析
区域内部变换分析是形状分析的经典方法, 它包括求区域的各阶统计矩、投影和截口等。
pq (i i ) ( j j ) q f (i, j )
p i 1 j 1
n
m
中心矩具有位置无关性,利用中心矩可以提取区域的一些基本形 状特征。 如: u20和u02分别表示围绕通过灰度中心的垂直和水平轴线的惯 性矩. 假如u20>u02,则可能所计算的区域为一个水平方向延伸的区域. 假如u30=0时,区域关于i轴对称.同样,当u03=0,区域关于j对称.
第10章 图像特征提取与分析
本章重点: 图像特征及特征提取的基本概念。 常见的图像特征提取与描述方法:
颜色特征; 几何形状特征; 纹理特征。
算法---特征---识别
2018/11/12
高级阶段内容:图像结论性判断
1
第10章 图像特征提取与分析
10.1 10.2 10.3 10.4 10.5
下图 (a)的图形有1个连接成分和1个孔,所以它的欧拉数为0, 而下图(b)有1个连接成分和2个孔,所以它的欧拉数为-1。
通过欧拉数可用于目标识别。
欧拉数=连接成分数-孔数
2018/11/12
具有欧拉数为0和-1的图形
13
欧拉数
一幅图像或一个区域中的连接成分数C和孔数H不 会受图像的伸长、压缩、旋转、平移的影响,但如 果区域撕裂或折叠时,C和H就会发生变化。 区域的拓扑性质对区域的全局描述是很有用的,欧 拉数是区域一个较好的描述子。
为第 i 种颜色在整幅图像中具有的像 素数。 归一化为:
pi=hi/M
2018/11/12
(10-5)
10
由于RGB颜色空间与人的视觉不一致,可将RGB 空间转换到视觉一致性空间。 除了HSI空间外,一种更简单的颜色空间:
C1=(R+G+B)/3 C2=(R+(max-B))/2 C3=(R+2*(max-G)+B)/4 max=255
1. 统计矩 函数的矩在概率理论中经常使用 .几个从矩导出的 期望值适用于形状分析. 大小为m*n的数字图像f(i,j)的(p+q)阶矩为:
n m
m pq i j f (i, j )
p q i 1 j 1
2018/11/12
25
(1)区域重 (形)心位置
0阶矩m00是图像灰度f(i,j)的总和。 二值图像的m00则表示对象物的面积。 用m00来规格化1阶矩m10及m01,得到一个物体的重心 坐标:
根据这两种计算周长的方式,以区域的面积和周长图为例, 区域的周长分别是 和22。
2018/11/12
18
(3)长度和宽度
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。 如果仅计算其在坐标系方向上的外接矩形是很简单的,只需计 算物体边界点的最大和最小坐标值,就可得到物体的水平和垂 直跨度。 但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-Minimum Enclosing Rectangle)。 计算MER的一种方法是将物体在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,如图所示。
按上述表示法区域R的面积S=41。 区域面积可以通过扫描图像,累加同一标记像素得到,或者是直接 在加标记处理时计数得到。
2018/11/12 17
(2)周长L
区域周长L是用区域中相邻边缘点间距离之和来表示。 采用不同的距离公式,周长L的计算有很多方法。 常用的有两种:
采用欧式距离,在区域的边界像素中,设某像素与其水平或 垂直方向上相邻边缘像素间的距离为1,与倾斜方向上相邻 边缘像素间的距离为 。周长就是这些像素间距离的总和。 这种方法计算的周长与实际周长相符,因而计算精度比较高。 采用8邻域距离,将边界的像素个数总和作为周长。也就是 说,只要累加边缘点数即可得到周长,比较方便,但是,它 与实际周长间有差异。
彩色图像变换成灰度图像的公式为: g=(R+B+G)/3
其中R,G,B为彩色图像的三个分量,g为转换后的灰度值。
2018/11/12
11
10.3 形状特征描述
任何一个景物形状特征均可由其几何属性(如长短,面 积,距离,凹凸等)和统计属性或拓扑属性(如连通,欧拉 数)来描述.
几种常见的图像特征参数: 面积和周长 长度和宽度 矩形度 圆形度 重心 轮廓的傅立叶描述子
2018/11/12 27
利用中心矩计算公式计算出三阶以下的中心矩:
2018/11/12
28
把中心矩再用零阶中心矩来规格化,叫做规格化中心矩,记 作 ,表达式为 : M pq pq r M 00 式中: p q 2,3,4,