一种多通道信息融合的图像自适应特征处理方法

一种多通道信息融合的图像自适应特征处理方法

彩色图像转化为灰色图像的过程，并与图像中的灰色图像进行灰色图像处理。彩色图像中的每个像素的颜色有R、G、B三个分量决定,而每个分量有255个值可取,这样一个像素点可以有1600多万(255*255*255)的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像,其一个像素点的变化范围为255种,所以在数字图像处理种一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。图像的灰度化处理可用两种方法来实现。1灰色排列1mapinfo结构位图信息由BITMAPIN结构来定义,它由位图信息头(bitmap-informationheader)和彩色表(colortable)组成,前者用BITMAPINFOHEADER结构定义,后者用RGBQUAD结构定义。BITMAPINFO结构具有如下形式:注:颜色种类为2时就是二值化图,二值化就是两种颜色的图,不一定非得是黑色和白色;在本程序中使用的就是24位的位图。它的值是用RGB表示的。RGB的结构如下:图像的每一扫描行由表示图像像素的连续的字节组成,每一行的字节数取决于图像的颜色数目和用像素表示的图像宽度。扫描行是由底向上存储的,这就是说,阵列中的第一个字节表示位图左下角的像素,而最后一个字节表示位图右上角的像素。2灰质原理2特征域的提取1图像的单峰特征以上步骤中,确定域值是分割的关键。在阈值确定后,将阈值与像素值比较和划分像素对各像素并行地进行,分割的结果直接给出图像区域。利用取阈值的方法来分割灰度图像时一般对图像有一定的假设。可描述如下:假设图像由具有单峰灰度分布的目标和背景组成,处于目标或背景内部相邻像素间的灰度值是高度相关的,但处于目标和背景交界处两边的像素在灰度值上由很大的差别。如果一幅图像满足这些条件,它的灰度直方图基本上可看作是由分别对应目标和背景的两个单峰直方图混合构成的。进一步,如果这两个分布大小(数量)接近且均值相距足够远,而且两部分的均方差也足够小,则直方图应为较明显的双峰。类似的,如果图像中有多个单峰灰度分布的目标,则直方图有可能表现为较明显的多峰。对这类图像常可用取阈值方法来较好的分割。2该区域的连接需要权限(1)u3000ey型ndp像素p的4个对角近邻像素(用s表示)的坐标是(x+1,y+1),(x+1,y-1),(x-1,y+1),(x-1,y-1)。它们记为ND(p),见图1(b)。这些像素点再加上p的4-邻域像素合称为p的8-邻域,记为N8(p),见图1(c)。同上,如果(x,y)在图像的边缘,ND(p)和N8(p)中的若干个像素会落在图像外。(2)-连接时多维度的消除①4-连接:2个像素p和r在V中取值且r在N4(p)中,则它们为4-连接。②8-连接:2个像素p和r在V中取值且r在N8(p)中,则它们为8-连接。③m-连接(混合连接):2个像素p和r在V中取值且满足下列条件之一,则它们为m-连接。r在N4(p)中;N4(p)∩N4(r)是空集,这个集合是由p和r的在V中取值的4-近邻像素组成的。混合连接可认为是8-连接的一种变型,引进它是为了消除使用8-连接时常会出现的多路连接问题。图2给出一个示例。考虑图(a)所示的像素排列,当V={1}时,中心像素的8-近邻像素间的连接由图(b)中的连线所示。请注意由于允许8-连接所产生的歧义性(即中心像素和右上角像素间有2条连线),这种歧义性当用m-连接时就消除了(如图(c)所示),因为中心像素和右上角像素之间直接的m-连接不能成立。如果1个像素p与另1个像素q相连接,则它们相毗邻。可根据所用的连接来定义4-毗邻,8-毗邻或m-毗邻。对2个图像子集S和T来说如果S中的一些像素与T中的一些像素毗邻,则S和T是毗邻的。从具有坐标(x,y)的像素p到具有坐标(s,t)的像素q的1条通路是由一系列具有坐标(x0,y0)(x1,y1),…,(xn,yn)的独立像素组成的。这里(x0,y0)=(x,y),(xn,yn)=(s,t),(xi,yi)与(xi,yi)毗邻,其中1<I<n,n为通路长度。可以根据所用的毗邻性定义4-通路,8-通路或m-通路。设p和q是1个图像子集S中的2个像素,那么如果存在1条完全由在S中的像素组成的从p到q的通路,那么就称p在S中与q相连通。对S中任1个像素p,所有与p相连通且又在S中的像素的集合(包括p)合起来称为S中的1个连通组元。图像里相同连通组元中的2个像素互相连通,而不同连通组元中的各像素互不连通。(3)位图信息分析根据以上建立的概念可按如下方式对图像进行标记。以上面的方式对图像逐像素扫描,假如当前像素的灰度值为0,就移到下一个扫描位置。为1,检查它左边和上边的两个近邻像素(当扫描到达当前像素时这两个近邻像素已被处理过了)。这两个像素灰度值和标记的组合中有4种情况要考虑:①它们的灰度值都是0,给当前像素一个新的标记;②它们中间只有一个灰度值为1,把该像素的标记赋给当前像素;③它们的灰度值都为1且具有相同的标记,就将该标记赋给当前像素;④它们的灰度值都为1但具有不同的标记,就将其中的一个标记赋给当前像素并做个记号表明这两个标记等价。在扫描终结时所有灰度值为1的点都已有了标记但有些标记可能是等价的。此时所需要做的就是将所有等价的。此时所需做的就是将所有等价的标记对结合,对各个对赋一个不同的标记。然后第二次扫描图像,将每个标记用它所在等价对的标记代替。进行区域标记之后,还需要对标记出来的区域进行一定的遴选。BMP图形文件是Windows采用的图形文件格式,在Windows环境下运行的所有图像处理软件都支持BMP图像文件格式。Windows系统内部各图像绘制操作都是以BMP为基础的。Windows3.0以前的BMP图文件格式与显示设备有关,因此把这种BMP图像文件格式称为设备相关位图DDB文件格式。Windows3.0以后的BMP图像文件与显示设备无关,因此把这种BMP图像文件格式称为设备无关位图DIB。位图信息头。应用程序可使用biSize成员信息来查找在BITMAPINFO结构中的彩色表,如表1所示。pColor=((LPSTR)pBitmapInfo+(WORD)pBitmapInfo->bmiHeader.biSize))DIB的位数是由biBitCount来决定的。BITMAPINFOHEADER结构包含有位图文件的大小、压缩类型和颜色格式,其结构定义为:灰度图像矩阵元素的取值范围通常为。因此其数据类型一般为8位无符号整数(int8),这就是人们经常提到的256灰度图像。“0”表示纯黑色,“255”表示纯白色,中间的数字从小到大表示由黑到白的过渡色。在某些软件中,灰度图像也可以用双精度数据类型(double)表示,像素的值域为,0代表黑色,1代表白色,0到1之间的小数表示不同的灰度等级。二值图像可以看成是灰度图像的一个特例。对灰度图像的取阈值分割,先确定一个处于图像灰度范围之中的灰度阈值,后将图像中各个像素的灰度值与这个阈值相比较,根据比较结果将对应的像素(分割)划分成两类:像素值大于阈值的为一类,像素值小于阈值的为另一类。这两类像素一般分属于图像的两类区域,所以对像素根据阈值分类达到了区域分割的目的。由此可见,阈值化分割算法主要有两个步骤:(1)确定需要的分割阈值;(2)将分割阈值与像素值比较以划分像素。考虑一些数字图像中基本而又重要的像素之间的关系。仍用f(x,y)表示一幅图像。这里为讨论方便,当指示f(x,y)中某个特定的像素时,采用诸如p和q之类的小写字母表示。另外,f(x,y)中的像素子集用大写字母如S,T等来表示。对一个坐标为(x,y)的像素p,它可以有4个水平和垂直的近邻像素。它们的坐标分别是(x+1,y),(x-1,y),(x,y+1),(x,y-1)。这些像素(用r表示)组成p的4-邻域,记为N4(p)。如图1(a)所示。坐标为(x,y)的像素p与它各个4-邻域近邻像素是一个单位距离。如果(x,y)在图像的边缘,它的若干个近邻像素会落在图像外。像素间的连通性在建立图像中目标的边界和确定区域的元素时是一个重要的概念。它可以进一步分成连接和连通,连接是连通的一种特例。要确定2个像素是否连接需要在某种意义上确定它们是否接触以及它们的灰度值是否满足某个特定的相似准则。我们下面用V表示定义连接的灰度值集合。例如在一幅二值图中,为考虑灰度值为1的像素之间的连通性,V={1}。又知在l幅灰度图中,考虑具有灰度值在8到16之间像素的连通性,则V={8,9,…,15,16}。可定义以下3种连接情况:以下考虑分割结果为二值化图的情况。背景区像素的灰度值均为0,各目标区像素的灰度值均为1。