版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
图7-1图像重建的透射、反射、发射三种模式示意图图7-1图像重建的透射、反射、发射三种模式示意图
在三维重建处理中研究的主要问题及不同的重建方案有三种透射模型建立于能量通过物体后有一部分能量会被吸收的基础之上,透射模型经常用于X射线、电子射线及光线和热辐射的情况下,它们都遵从一定的吸收规则发射模型可用来确定物体的位置。这种方法已经广泛用于正电子检测,通过在相反的方向分解散射的两束伽马射线,则这两束射线的度越时间可用来确定物体的位置反射模型可以用来测定物体的表面特征,例如光线、电子束、雷达,激光或超声波等都可以用来进行这种测定在三维重建处理中研究的主要问题及不同的重建方案有三种
二维图像之一维投影的傅里叶变换,等于该二维图像傅里叶变换之中心剖面.问题由F(u,0)无法从已知投影gy(x)重建原图像f(x,y)如果投影不在x轴或y轴上,而在和x
轴夹一
角的方向傅里叶变换重建二维图像之一维投影的傅里叶变换,等问题傅里叶变换重建
现在假设将函数投影到一条经过旋转的直线上,该直线的旋转角度为。xyst
f(x,y)t1O
新投影轴坐标系和原坐标系间的关系:现在假设将函数投影到一条经过旋转的直线上,该直线的旋转有
即令(u,v)点是在一条和u轴成
角的直线上,并且与原点的距离为r,则对即当频率变量u,v和r,
满足条件时,二维图像f(x,y)在与x
轴夹
角的射线s上的投影的傅立叶变换,恰好等于该图像函数之二维傅立叶变换。ovu(r,
)
r为使展开式与投影的二维傅里叶变换相等,把指数项做某种代换得到下式:有即令(u,v)点是在一条和u轴成角的直线上,并且与若投影变换中的所有及值都是已知的,则图像的二维变换也是可以确定的。为得到图像函数,我们须进行反变换运算,即:
这就是重建技术的基础,要准确地重建原图像,必须向足够多的射线进行投影若投影变换中的所有及数字图像处理学第8章
图像分析(第一讲)
数字图像处理学图象分割8*
图像处理的任务包括:把图像分割成不同的区域,或把不同的东西分开(图像分割)。找出分开的各区域之特征(特征抽取或提取)。识别图像中要找的东西,或对图像中不同的特征进行分类(识别与分类)。对于不同区域进行描述,或寻找不同区域之间的相互联系,进而找出相似结构,或者把相关区域连接起来组成一个有意义的结构(对整个图像进行分析、描述和解释)。
概述图象分割8*图像处理的任务包括:概述图象分割9*
概述光电变换数字化图像输入图像增强图像恢复图像编码预处理幅度分割边缘检测区域分割图像分割特征提取结构分析描述解释图像处理图像分析典型图像分析系统增强和复原可以看成是预处理,输入输出均为图像,而图像分割、特征提取和结构分析等称为图像分析,输入为图像而输出为从这些图像中提取出来的描述和解释,图像分割是图像分析的第一步。图象分割9*概述光电变换数字化图像输入图像增强预处理幅度分
对图像进行增强、恢复、编码等处理时,输入是图像,所要求的输出是一幅近似于输入的图像,这是此类处理的一个特点。图像处理的另一个主要分支是图像分析或景物分析。这类处理的输入仍然是图像,但是所要求的输出是已知图像或景物的描述。这类处理基本上用于自身图像分析和模式识别一类的领域。
对图像进行增强、恢复、编码等处理时,输入是图像,所要1)输入是文字组成的二值图像,输出是读出该段文字;2)输入是血球照片,输出是血球数量;3)输入是细胞图像,输出是细胞类型;4)输入是遥感照片,输出是地貌、植被描述等。这些都是图像分析的典型例子。1)输入是文字组成的二值图像,输出是读出该段文字;
描述一般是针对图像或景物中的特定区域或目标。为了描述,首先要进行分割,有些分割运算可直接用于整个图像,而有些分割算法只适用于已被局部分割的图像。例如,分割染色体的处理,可先用设置门限的方法把染色体和背景分割开来,然后可采用尺寸大小、形状等准则进一步将其分割成单个染色体。
值得注意的一点是,没有唯一的、标准的分割方法,因此,也就没有规定成功分割的准则。本章只讨论一些最基本的分割、描述方法。
描述一般是针对图像或景物中的特定区域或目标。为8.1分割(segmentation)
分割的目的是把图像空间分成一些有意义的区域。例如一幅航空照片,可民分割成工业区、住宅区、湖泊、森林等等。可以以逐个像素为基础去研究图像分割,也可以利用在规定领域中的某些图像信息去分割。分割的依据可建立在相似性和非连续性两个基本概念之上。分为基于点的和基于区域的分割两大类。
8.1分割(segmentation)分割的目的8.1.1灰度阈值法分割
8.1.2样板匹配
8.1.3区域生长
8.1.4区域聚合
8.1.1灰度阈值法分割8.1.2样板匹配8.1.3
最常用的图像分割方法是:把图像灰度分成不同等级,用设置灰度门限的方法确定有意义的区域或欲分割的物体之边界。假如有如下形状的直方图:图8—1图像的直方图最常用的图像分割方法是:把图像灰度分成不同等级,用设
由直方图可以知道图像的大部分像素灰度值较低,其余像素较均匀地分布在其他灰度级上。由此可以推断这幅图像是由有灰度级的物体叠加在一个暗背景上形成的。可以设一个阈值,把直方图分成两个部分,如图所示。的选择要本着如下原则:应尽可能包含与背景相关连的灰度级,而则应包含物体的所有灰度级。由直方图可以知道图像的大部分像
当扫描这幅图像时,从到之间的灰度变化就指示出有边界存在。当然,为了找出水平方向和垂直方向上的边界,要进行两次扫描。也就是说,首先确定一个门限,然后执行下列步骤:
第一,对的每一行进行检测,产生的图像的灰度将遵循如下规则(8—1)式中是指定的边缘灰度级,是背景灰度级。当扫描这幅图像时,从到之间的灰
第二,对的每一列进行检测,产生的图像的灰度将遵循下述规则(8—2)
为了得到边缘图像,可采用下述关系(8—3)
此方法以像素间灰度变化为基础,可以推广到多灰度级阈值方法中,关键是如何选择阈值。第二,对的每一列进行检测,产生的图像
为了提高边缘抽取能力,一种方法是把图像变成二值图像。例如,图像的灰度级范围是,设是和之间的一个数,那么可由式(8—4)表示(8—4)
灰度0T1输出图像为了提高边缘抽取能力,一种方法是把图像变成二值图像。
另一方法是把规定的灰度级范围变换为1,而把范围以外的灰度级变换为0,例如(8—5)
(8—6)
灰度0u1输出图像0u
v输入灰度1输出图像另一方法是把规定的灰度级范围变换为1,而把范围以外的图象分割21*
半阈值法,将灰度级低于某一阈值的像素灰度变换为0,则其余的灰度级不变,仍保留原来的灰度级。0T输入灰度输出图像0T输入灰度输出图像图象分割21*半阈值法,将灰度级低于某一阈值的像素灰第8章-图像分析第1讲课件第8章-图像分析第1讲课件第8章-图像分析第1讲课件
在分割中如何设置最佳阈值呢?假设一幅图像是由背景和物体组成。其中,物体像素的灰度级具有正态概率密度,其均值为,方差为;而背景像素的灰度级也具有正态概率密度,其均值为,方差为。物体占图像总面积的比为,背景占总面积的比为,所以这幅图像总的灰度级概率密度为
(8—7)
在分割中如何设置最佳阈值呢?物体占图像总面积的比为
假设对图像设置一阈值,并且把小于的全部点称为目标物体点,而把大于等于的所有点称为背景点。把背景错归为物体点的概率为,把物体点错归为背景点的概率为,则有(8—8)(8—9)假设对图像设置一阈值,并且把小于的全总的错分概率为(8—10)
要求得式(8—10)的最小阈值,可将上式对微分,并令其结果为0,则得到(8—11)
因为(8—12)(8—13)总的错分概率为(8—10)要求得式(8—10)的最小阈值代入式(8—11),并取对数(8—14)
或者(8—15)
由这个二次方程可以求解出值。如果,,那么(8—16)这就是最佳门限代入式(8—11),并取对数(8—14)或者(8—15)
对于复杂图像,许多情况下整幅图像用单一阈值不能给出良好的分割结果。如图像是在光亮背景上的暗物体,但由于照射光的不均匀,虽然物体与背景始终有反差,但在图像的某一部分物体和背景两者都比另一部分亮。因此,在图像的一部分能把物体和背景精确地分开的阈值,对另一部分来说,可能把太多的背景也当作物体分割下来了。对于复杂图像,许多情况下整幅图像用单一阈值不能给出良第8章-图像分析第1讲课件克服这一缺点有如下一些方法:如果已知在图像上的位置函数描述不均匀照射,就可以设法利用灰度级校正技术进行校正,然后采用单一阈值来分割;另外一种方法是把图像分成小块,并对每一块设置局部阈值。但是,如果某块图像只含物体或只含背景,那么对这块图像就找不到阈值。这时,可以由附近的像块求得的局部阈值用内插法给此像块指定一个阈值。克服这一缺点有如下一些方法:8.1.1灰度阈值法分割
8.1.2样板匹配
8.1.3区域生长
8.1.4区域聚合
8.1.1灰度阈值法分割8.1.2样板匹配8.1.3
样板(模板)是为了检测某些不变区域特性而设计的阵列。根据检测目的不同分为点样板、线样板、梯度样板、正交样板等等。点样板如图。下面用一幅具有恒定强度背景的图像来讨论。1)点样板-1-1-1-18-1-1-1-1假定小块之间的距离大于,这里、分别是在x和y方向的取样距离,用点样板的检测步骤如下:样板(模板)是为了检测某些不变区域特性而设计的阵列。
样板中心(标号为8)沿着图像从一个像素移到另一个像素,在每一个位置上,把处在样板内的图像的每一点的值乘以样板的相应方格中指示的数字,然后把结果相加。如果在样板区域内所有图像的像素有同样的值,则其和为零。另一方面,如果样板中心位于一个小块的点上,则其和不为零。-1-1-1-18-1-1-1-1样板中心(标号为8)沿着图像从一个像素移到另一个像素
如果小块在偏离样板中心的位置上,其和也不为零,但其响应幅度比起这个小块位于样板中心的情况时要小一些,这时,可以采用阈值法清除这类较弱的响应,如果其幅度值超过阈值,就意味着小块被检测出来了;如果低于阈值则忽略掉。如果小块在偏离样板中心的位置上,其和也不为零,但其响式中(8—25)
(8—26)
设代表3×3模板的权,并使为模板内各像素的灰度值。从上述方法来看,应求两个矢量的积,即:式中(8—25)(8—26)设设置一阈值,如果(8—27)我们认为小块已检测出来了。这个步骤可很容易地推广到n×n大小的样板,不过此时要处理n2维矢量。设置一阈值,如果(8—27)我们认为小块已检测出来了。
线检测样板如下图所示。其中,样板(a)沿一幅图像移动,它将对水平取向的线(一个像素宽度)有最强的响应。对于恒定背景,当线通过样板中间一行时出现最大响应;样板(b)对45°方向的那些线具有最好响应;样板(c)对垂直线有最大响应;样板(d)则对-45°方向的那些线有最好的响应。线检测样板如下图所示。其中,样板(a)沿一幅图像移动
设是图8—3中四个样板的权值组成的九维矢量。与点样板的操作步骤一样,在图像中的任一点上,线样板的各个响应为,这里
i=1、2、3、4。此处X是样板面积内九个像素形成的矢量。给定一个特定的X,希望能确定在讨论问题的区域与四个线样板中的哪一个有最相近的匹配。如果第i个样板响应最大,则可以断定X和第i
个样板最相近。设是图8—3中四个样板的权值换言之,如果对所有的值,除外,有:(8—28)
就可以说和第个样板最接近。如果,=2、3、4,可以断定代表的区域有水平线的性质。换言之,如果对所有的值,除外,有:(8—2图象分割41*
对于边缘检测来说也同样遵循上述原理:边缘检测是所有基于边界的分割方法的第一步。边缘蕴含了丰富的内在信息(如方向、阶跃性质、形状等),两个具有不同灰度值的相邻区域之间总存在边缘,是图像局部特征不连续性(灰度或颜色突变)的反应,意味着一个区域的终结和另一个区域的开始,是灰度变化比较剧烈的地方,图象分割41*对于边缘检测来说也同样遵循上述原理:边图象分割42*
边缘检测首先检测出局部图像的不连续性,然后再将这些不连续的边缘像素连成完整的边界。图像边缘有方向和幅度两个特征,沿边缘走向的像素变化比较平缓,而垂直于边缘走向的像素变化剧烈。边缘是灰度值不连续的结果,这种不连续常可利用求导数方便地检测时,一般常用一阶和二阶导数来检测边缘。边源检测的算法就是检出符合边缘特性的边缘像素的数学算子,目前常采用边缘算子法和模板匹配法等。图象分割42*边缘检测首先检测出局部图像的不图象分割43*由图可知:可用一阶导数的幅度值来检测边缘的存在,幅度峰值一般对应边缘位置。同样可用二阶导数的过零点检测边缘位置,而用二阶导数在过零点附近的符号确定边缘像素在图像边缘的暗区或明区。图(c)中,通过检测脉冲剖面的2个二阶导数过零点就可确定脉冲的范围。边缘和导数图像剖面一阶导数二阶导数向上阶跃
(a)(b)(c)(d)
图象分割43*由图可知:可用一阶导数的幅度值来检测边缘的存在
边缘检测通常采用的方法是执行某种形式的二维导数。类似于离散梯度计算,考虑3×3大小的模板,如图8—4所示。
图8—433样板
考虑3×3的图像区域,及分别用下式表示
(8—29)
(8—30)
边缘检测通常采用的方法是执行某种形式的二维导数。类似采用绝对值的一种定义为
在点的梯度为
(8—31)
(8—32)梯度模板如图8—5所示。
图8—5梯度样板采用绝对值的一种定义为在点的梯度为(8—31)(8
把图8—5的区域与式(8—29)比较,可以看出为第一行和第三行的差,其中最靠近e的元素(b和h)的加权等于角偶上权值的两倍,因此,代表在x方向上导数的估值。梯度可用图中两个样板来实现。考虑3×3的图像区域,及分别用下式表示
(8—29)
(8—30)
把图8—5的区域与式(8—29)比较,可以看出
边缘检测也可以表示成矢量,其形式与线样板检测相同。如果代表所讨论的图像区域,则:
(8—33)
(8—34)
,是图8—5中的两个样板矢量。分别代表它们的转置。
梯度公式变为:边缘检测也可以表示成矢量,其形式与线样板检测相同。如图象分割48*常见的梯度算子--罗伯特梯度法(RobertGradient)几种常用梯度算子的模板(a)Roberts(b)Prewitt(c)Sobel图象分割48*常见的梯度算子--罗伯特梯度法(Robert图象分割49*(1)梯度算子(b)Sobel(c)Prewitt图象分割49*(1)梯度算子(b)Sobel(c)Pr图象分割50*(d)Kirsch梯度运算算子,图像最后一行或最后一列无法计算像素梯度,只是一般就用前一行或前一列的梯度值或原值来近似替代。图象分割50*(d)Kirsch梯度运算算子,图像最后一行图象分割51*拉普拉斯算子也可以表示成卷积模板为
从模板可看出,如果图像中的一个较暗的区域中出现一个亮点,那拉普拉斯运算后这个亮点将更加亮,边缘就是灰度发生跳变的区域,所以拉普拉斯锐化模板在边缘检测中很有用。拉普拉斯算子也会增强图像的噪声,但是对噪声的作用弱于梯度算子。图象分割51*拉普拉斯算子也可以表示成卷积模板为从8.1.1灰度阈值法分割
8.1.2样板匹配
8.1.3区域生长
8.1.4区域聚合
8.1.1灰度阈值法分割8.1.2样板匹配8.1.3
分割的目的是要把一幅图像划分成一些区域,对于这个问题的最直接的方法是把一幅图像分成满足某种判据的区域,也就是说,把点组成区域。为了实现分组,要解决三个基本问题:1)确定区域的数目;
2)要确定一个区域与其他区域相区别的特征;
3)确定一个产生有意义分割的相似性判据。分割的目的是要把一幅图像划分成一些区域,对于这个问题
分割区域的一种方法叫区域生长或区域生成。假定区域数目及在每个区域中单个点的位置已知,可推导一种算法。从一个已知点开始,加上与已知点相似的邻近点形成一个区域。这个相似性准则可以是灰度级、彩色、组织、梯度或其他特性。
相似性的测度可以由所确定的阈值来判定。从满足检测准则的点开始,在各个方向上生长区域。当其邻近点满足检测准则就并入小块区域中,当新的点被合并后再用新的区域重复这一过程,直到没有可接受的邻近点时生成过程终止。分割区域的一种方法叫区域生长或区域生成。假定区域数目图8—9区域生长简例
图中被接受的点和起始点均用短线标出,(a)是输入图像;(b)是第一步接受的邻近点;(c)是第二步接受的邻近点;(d)是从6开始生成的结果。
相似性准则是邻近点的灰度级与物体的平均灰度级的差小于2。图8—9区域生长简例图中被接受的点和起始点均用短线标出
当生成任意物体时,接受准则可以结构为基础,而不是以灰度级或对比度为基础。为了把候选的小群点包含在物体中,可以检测这些小群点,而不是检测单个点,如果它们的结构与物体的结构充分并且足够相似时就接受它们。可以使用界线检测对生成建立“势垒”,如果在“势垒”的近邻点和物体之间有界线,则不能把这邻近点接受为物体中的点。当生成任意物体时,接受准则可以结构为基础,而不是以灰8.1.1灰度阈值法分割
8.1.2样板匹配
8.1.3区域生长
8.1.4区域聚合
8.1.1灰度阈值法分割8.1.2样板匹配8.1.3
区域聚合可直接用于图像分割。它要求聚合中的各个点必须在平面上相邻接而且特性相似。区域聚合的步骤是首先检查图像的测度集,以确定在测度空间中聚合的位置和数目,然后把这些聚合的定义用于图像,以得到区域聚合。区域聚合可直接用于图像分割。它要求聚合中的各个点必须一种区域聚合算法实现:1)对图像中灰度级不同的区域,均分为四个子区域2)如相邻的子区域所有像素灰度级都相同则将其合并3)反复进行上两步操作,直至不再有新的分裂与合并为止一种区域聚合算法实现:
一般的区域聚合技
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 单位管理制度呈现大全【员工管理】十篇
- 《物业管理服务业》课件
- 三年级数学数学广角课件
- 2024年农业综合开发和扶贫开发工作总结
- 2024年公司劳动社保科上半年的工作总结
- 空调机运输协议三篇
- 农业产品销售主管工作总结
- 通信科技前台工作总结
- 家政服务前台工作总结
- 机电装备话务员工作总结
- 年产30万吨高钛渣生产线技改扩建项目环评报告公示
- 07221美术设计与创意
- 2023年拓展加盟经理年终总结及下一年计划
- 网络安全技术及应用 第5版 习题及答案 贾铁军 习题集 第1章
- 有限空间作业审批表
- 认罪认罚悔罪书(4篇)
- 烟花采购协议书
- 高考作文模拟写作:“善言”与“敢言”+导写及范文
- 《建筑施工承插型盘扣式钢管支架安全技术规程》 JGJ231-2010
- 视频监控维护合同
- 国开大学2023年01月22588《管理线性规划入门》期末考试参考答案
评论
0/150
提交评论