圖像分割與邊緣檢測(cè)

關(guān)于圖像分割與邊緣檢測(cè)第1頁(yè)，共63頁(yè)，2023年，2月20日，星期三第5章圖像分割與邊緣檢測(cè)圖像分割邊緣檢測(cè)輪廓跟蹤與提取圖像匹配投影法與差影法第2頁(yè)，共63頁(yè)，2023年，2月20日，星期三1、圖像分割圖像分割是將圖像劃分成若干個(gè)互不相交的小區(qū)域的過程,小區(qū)域是某種意義下具有共同屬性的像素的連通集合。如不同目標(biāo)物件所占的圖像區(qū)域、前景所占的圖像區(qū)域等。連通是指集合中任意兩個(gè)點(diǎn)之間都存在著完全屬于該集合的連通路徑，對(duì)于離散圖像而言，連通有4連通和8連通之分。第3頁(yè)，共63頁(yè)，2023年，2月20日，星期三1、圖像分割4連通指的是從區(qū)域上一點(diǎn)出發(fā)，可通過4個(gè)方向，即上、下、左、右移動(dòng)的組合，在不越出區(qū)域的前提下，到達(dá)區(qū)域內(nèi)的任意像素；8連通方法指的是從區(qū)域上一點(diǎn)出發(fā)，可通過左、右、上、下、左上、右上、左下、右下這8個(gè)方向的移動(dòng)組合來到達(dá)區(qū)域內(nèi)的任意像素。圖像分割有三種不同的途徑：其一是將各像素劃歸到相應(yīng)物體或區(qū)域的像素聚類方法,即區(qū)域法；其二是通過直接確定區(qū)域間的邊界來實(shí)現(xiàn)分割的邊界方法；其三是首先檢測(cè)邊緣像素，再將邊緣像素連接起來構(gòu)成邊界形成分割。在圖像分割技術(shù)中，最常用的是利用閾值化處理進(jìn)行的圖像分割。第4頁(yè)，共63頁(yè)，2023年，2月20日，星期三1.1灰度閾值法分割常用的圖像分割方法是把圖像灰度分成不同的等級(jí)，然后用設(shè)置灰度門限（閾值）的方法確定有意義的區(qū)域或分割物體的邊界。常用的閾值化處理就是圖像的二值化處理，即選擇一閾值，將圖像轉(zhuǎn)換為黑白二值圖像，用于圖像分割及邊緣跟蹤等預(yù)處理。圖像閾值化處理的變換函數(shù)表達(dá)式為：第5頁(yè)，共63頁(yè)，2023年，2月20日，星期三1.1灰度閾值法分割圖像閾值化處理其實(shí)質(zhì)是一種圖像灰度級(jí)的非線形運(yùn)算，它的功能是由用戶指定一個(gè)閾值，如果圖像中某個(gè)像素的灰度值小于該閾值，則將該像素的灰度值置為0，否則將其灰度值置為255。其變換函數(shù)的曲線為：第6頁(yè)，共63頁(yè)，2023年，2月20日，星期三1.1灰度閾值法分割在圖像的閾值化處理過程中，選用不同的閾值其處理結(jié)果差異很大。如下圖所示,閾值過大，會(huì)提取多余的部分；而閾值過小，又會(huì)丟失所需的部分（注意：當(dāng)前背景為黑色，對(duì)象為白色時(shí)剛好相反）。因此，閾值的選取非常重要。分析圖(a)原始圖像的直方圖可知，該直方圖具有雙峰特性，圖像中的目標(biāo)（細(xì)胞）分布在較暗的灰度級(jí)上形成一個(gè)波峰，圖像中的背景分布在較亮的灰度級(jí)上形成另一個(gè)波峰。此時(shí)，用其雙峰之間的谷低處灰度值作為閾值T進(jìn)行圖像的閾值化處理，便可將目標(biāo)和背景分割開來。第7頁(yè)，共63頁(yè)，2023年，2月20日，星期三1.1灰度閾值法分割不同閾值對(duì)閾值化結(jié)果的影響(a)原始圖像；(b)閾值T=91；(c)閾值T=130；(d)閾值T=43(a)(b)(c)(d)圖(a)的直方圖第8頁(yè)，共63頁(yè)，2023年，2月20日，星期三1.1灰度閾值法分割當(dāng)圖像中的目標(biāo)部分和背景之間亮度差較小，即灰度直方圖的雙峰特性不明顯時(shí)，直接用直方圖就不太容易確定一個(gè)合適的閾值。此時(shí)，可用以下幾種方法來確定閾值：（1）判別分析法

（2）p尾法第9頁(yè)，共63頁(yè)，2023年，2月20日，星期三1.1灰度閾值法分割-判別分析法判別分析法確定最佳閾值的準(zhǔn)則，是使進(jìn)行閾值處理后分離的像素類之間的類間方差最大。判別分析法只需計(jì)算直方圖的0階矩和1階矩，是圖像閾值化處理中常用的自動(dòng)確定閾值的方法。設(shè)圖像總像素?cái)?shù)為N，灰度值為i的像素?cái)?shù)為Ni，則至灰度級(jí)K的灰度分布的0階矩及1階矩分別定義為：

0階矩：

1階矩：第10頁(yè)，共63頁(yè)，2023年，2月20日，星期三1.1灰度閾值法分割-判別分析法

當(dāng)K=L-1時(shí)，ω(L-1)=1；μ(L-1)＝μT，μT稱為圖像的平均灰度。設(shè)有M-1個(gè)閾值：0≤k1＜k2＜…＜KM-1≤L-1。將圖像分割成M個(gè)灰度值的類Cj（Cj∈［kj-1+1,…,kj］;j=1,2,…,M;k0=0,kM=L），則各類Cj的發(fā)生概率ωj和平均值μj為第11頁(yè)，共63頁(yè)，2023年，2月20日，星期三1.1灰度閾值法分割-判別分析法由此可得各類的類間方差為：將使上式的σ2值為最大的閾值組(k1,k2，…,kM－1)，作為M值化的最佳閾值組。若取M為2，即分割成2類，則可用上述方法求出二值化的閾值。第12頁(yè)，共63頁(yè)，2023年，2月20日，星期三1.1灰度閾值法分割-p尾法p尾法僅適用于事先已知目標(biāo)所占全圖像百分比的場(chǎng)合。若一幅圖像由亮背景和黑目標(biāo)組成，已知目標(biāo)占圖像的(100－p)%面積，則使得至少(100－p)%的像素閾值化后匹配為目標(biāo)的最高灰度，將選作用于二值化處理的閾值。第13頁(yè)，共63頁(yè)，2023年，2月20日，星期三1.2區(qū)域生長(zhǎng)分割區(qū)域的一種方法叫區(qū)域生長(zhǎng)或區(qū)域生成假定區(qū)域的數(shù)目以及在每個(gè)區(qū)域中單個(gè)點(diǎn)的位置已知，則從一個(gè)點(diǎn)開始，加上與已知點(diǎn)相似的鄰近點(diǎn)形成一個(gè)區(qū)域。相似性準(zhǔn)則可以是灰度級(jí)、彩色、組織、梯度或其他特性，相似性的測(cè)度可以由所確定的閾值來判定。方法是從滿足檢測(cè)準(zhǔn)則的點(diǎn)開始，在各個(gè)方向上生長(zhǎng)區(qū)域，當(dāng)其鄰近點(diǎn)滿足檢測(cè)準(zhǔn)則就并入小塊區(qū)域中。當(dāng)新的點(diǎn)被合并后再用新的區(qū)域重復(fù)這一過程，直到?jīng)]有可接受的鄰近點(diǎn)時(shí)生成過程終止。第14頁(yè)，共63頁(yè)，2023年，2月20日，星期三1.2區(qū)域生長(zhǎng)在實(shí)際應(yīng)用區(qū)域生長(zhǎng)法時(shí)需要解決3個(gè)問題：

1.選擇或確定一組能正確代表所需區(qū)域的種子像素

2.確定在生長(zhǎng)過程中能將相鄰像素包括進(jìn)來的準(zhǔn)則

3.制定讓生長(zhǎng)停止的條件或規(guī)則

種子像素的選取?？山柚唧w問題的特點(diǎn)。例如：在軍用紅外圖像中檢測(cè)目標(biāo)時(shí)，由于一般情況下目標(biāo)輻射較大，所以可選用圖中最亮的像素作為種子像素。如果對(duì)具體問題沒有先驗(yàn)知識(shí)，則?？山柚L(zhǎng)所用準(zhǔn)則對(duì)每個(gè)像素進(jìn)行相應(yīng)計(jì)算。第15頁(yè)，共63頁(yè)，2023年，2月20日，星期三1.2區(qū)域生長(zhǎng)下圖給出一個(gè)簡(jiǎn)單的例子。此例的相似性準(zhǔn)則是鄰近點(diǎn)的灰度級(jí)與物體的平均灰度級(jí)的差小于2。圖中被接受的點(diǎn)和起始點(diǎn)均用下劃線標(biāo)出，其中（a）圖是輸入圖像；（b）圖是第一步接受的鄰近點(diǎn)；（c）圖是第二步接受的鄰近點(diǎn)；（d）圖是從6開始生成的結(jié)果。第16頁(yè)，共63頁(yè)，2023年，2月20日，星期三1.3區(qū)域聚合區(qū)域聚合可直接用于圖像分割，它要求聚合中的各個(gè)點(diǎn)必須在平面上相鄰接而且特性相似。區(qū)域聚合的步驟是：（1）首先檢查圖像的測(cè)度集，以確定在測(cè)度空間中聚合的位置和數(shù)目；（2）然后把這些聚合的定義用于圖像，以得到區(qū)域聚合。第17頁(yè)，共63頁(yè)，2023年，2月20日，星期三1.3區(qū)域聚合首先，在圖片上定義某個(gè)等價(jià)關(guān)系。例如，最簡(jiǎn)單的等價(jià)關(guān)系可定義為p(i,j)＝p(k,l)。也就是說，如果p(i,j)＝p(k,l)，就說明p(i,j)與p(k,l)等價(jià)。任何在點(diǎn)的格子上的等價(jià)關(guān)系又可劃分為等價(jià)類。例如，p(i,j)的取值范圍為0到63，就可以產(chǎn)生64個(gè)等價(jià)類的模板。如果關(guān)系滿足，它的值等于1，否則為0。利用等價(jià)模板可分成最大的連接區(qū)域，然后，這些最大的連接區(qū)域又可以像搭積木一樣形成有意義的分割。第18頁(yè)，共63頁(yè)，2023年，2月20日，星期三1.3區(qū)域聚合1970年布萊斯和芬尼瑪提出一種分割方法，如下圖所示。圖（a）是具有灰度級(jí)的3×3的G陣列，圖（b）是對(duì)G的分割結(jié)果。其中，圖像格子為G，它是大格子S的子格子。G為n×m的格子，S是（2n＋1）×（2m＋1）的大格子。在大格子中，G(i,j)點(diǎn)位于S的(2i+1,2j+1)點(diǎn)上。G中的點(diǎn)與S中的點(diǎn)相對(duì)應(yīng)，其中每一下標(biāo)都是奇數(shù)，其余的點(diǎn)用來代表區(qū)域的邊界。以這種形式表現(xiàn)的區(qū)域，產(chǎn)生一種尋找最大連接區(qū)域的方法。G中的點(diǎn)與它上邊和右邊的點(diǎn)相比較，灰度級(jí)相同就合并，灰度級(jí)不同就插入邊界線。把圖像中的每個(gè)點(diǎn)都處理過之后，整個(gè)圖像就被分割成區(qū)域。在這個(gè)例子中，由于采用了4連通等價(jià)關(guān)系，因此，由圖可見，在對(duì)角線方向上的等灰度級(jí)產(chǎn)生了隔開的區(qū)域。第19頁(yè)，共63頁(yè)，2023年，2月20日，星期三1.3區(qū)域聚合布萊斯和芬尼瑪分割方法第20頁(yè)，共63頁(yè)，2023年，2月20日，星期三2、邊緣檢測(cè)在Marr的視覺計(jì)算理論框架中，抽取二維圖像上的邊緣、角點(diǎn)、紋理等基本特征，是整個(gè)系統(tǒng)框架中的第一步。這些特征所組成的圖稱為基元圖。下圖畫出了一幅圖像中的邊緣點(diǎn)，僅僅根據(jù)這些邊緣點(diǎn)，就能識(shí)別出三維物體，可見邊緣點(diǎn)確實(shí)包含了圖像中的大量信息。第21頁(yè)，共63頁(yè)，2023年，2月20日，星期三2、邊緣檢測(cè)圖像上的邊緣點(diǎn)可能對(duì)應(yīng)不同的物理意義，上圖中圖像上的邊緣點(diǎn)可能對(duì)應(yīng)以下一種情況:

（1）空間曲面上的不連續(xù)點(diǎn)。如標(biāo)為A的邊緣線，這些邊緣線為兩個(gè)不同曲面的或平面的交線，該點(diǎn)處物體表面的法線方向不連續(xù)，在A類邊緣線的兩邊，圖像的灰度值有明顯的不同。（2）B類邊緣線。B類邊緣線是由不同材料或相同材料不同顏色產(chǎn)生的。圖中桌面由兩種不同材料組成，由于它們對(duì)光的反射系數(shù)不同，使B邊緣線的兩側(cè)灰度有明顯不同。第22頁(yè)，共63頁(yè)，2023年，2月20日，星期三2、邊緣檢測(cè)

（3）C類邊緣線。C類邊緣線是物體與背景的分界線。如圖中圓柱上有兩條C類邊緣線，這類邊緣線一般稱為外輪廓線。在C類邊緣點(diǎn)上，三維物體表面的法線方向是連續(xù)的，出現(xiàn)邊緣點(diǎn)是由于從一定視角看物體時(shí)，C類邊界點(diǎn)是物體與背景的交界處。（4）D邊緣。D是陰影引起的邊緣。由于物體表面某一部分被另一物體遮擋，使它得不到光源的照射，從而引起邊緣點(diǎn)兩側(cè)灰度值有較大的差異。第23頁(yè)，共63頁(yè)，2023年，2月20日，星期三2.1邊緣檢測(cè)與微分運(yùn)算前面說邊緣點(diǎn)是信號(hào)“變化劇烈”的地方，但這么說并不準(zhǔn)確，需要定義一個(gè)準(zhǔn)確的邊緣數(shù)學(xué)模型。以一維信號(hào)為例，下圖（a）是一種階躍信號(hào)，我們當(dāng)然認(rèn)為A點(diǎn)處為邊緣點(diǎn)。在實(shí)際情況中，物理信號(hào)不可能有理想的突變，而是如圖（b）所示的逐漸增大的信號(hào)，對(duì)圖（b）中所示A、B、C三點(diǎn)，一般稱B點(diǎn)為邊緣點(diǎn)。在圖（c）和（d）中，如果臺(tái)階比較窄，即可以認(rèn)為B點(diǎn)為邊緣點(diǎn)，也可以認(rèn)為該信號(hào)有兩個(gè)邊緣點(diǎn)A與C。第24頁(yè)，共63頁(yè)，2023年，2月20日，星期三2.1邊緣檢測(cè)與微分運(yùn)算

不同的邊緣信號(hào)第25頁(yè)，共63頁(yè)，2023年，2月20日，星期三2.1邊緣檢測(cè)與微分運(yùn)算圖像中不同類型的邊界（a）邊界；（b）線；（c）折線變化；（d）緩慢的平滑變化(a)(b)(d)(c)第26頁(yè)，共63頁(yè)，2023年，2月20日，星期三2.1邊緣檢測(cè)與微分運(yùn)算用Prewitt算子進(jìn)行邊緣檢測(cè)的結(jié)果圖5-10第27頁(yè)，共63頁(yè)，2023年，2月20日，星期三2.2高斯-拉普拉斯(LOG)算子噪聲點(diǎn)對(duì)邊緣檢測(cè)有較大的影響，效果更好的邊緣檢測(cè)器是高斯-拉普拉斯(LOG)算子。它把高斯平滑濾波器和拉普拉斯銳化濾波器結(jié)合起來，先平滑掉噪聲，再進(jìn)行邊緣檢測(cè)，所以效果更好。常用的LOG算子是5×5的模板：第28頁(yè)，共63頁(yè)，2023年，2月20日，星期三2.2高斯-拉普拉斯(LOG)算子LOG算子中心點(diǎn)的距離與位置加權(quán)系數(shù)的關(guān)系若將上圖繞y軸作旋轉(zhuǎn)一周后，LOG算子很像一頂墨西哥草帽，所以，LOG又叫墨西哥草帽濾波器。第29頁(yè)，共63頁(yè)，2023年，2月20日，星期三2.3其它邊緣檢測(cè)方法Wallis算子過零點(diǎn)檢測(cè)（Marr-Hildreth算子）Canny邊緣檢測(cè)方法SUSAN（SmallestUnivalueSegmentAssimilatingNucleus）邊緣檢測(cè)第30頁(yè)，共63頁(yè)，2023年，2月20日，星期三3、輪廓跟蹤與提取輪廓跟蹤與輪廓提取的目的都是為了獲得圖像的外部輪廓特征，為圖像的形狀分析做準(zhǔn)備。輪廓跟蹤輪廓提取第31頁(yè)，共63頁(yè)，2023年，2月20日，星期三3.1輪廓跟蹤在識(shí)別圖像中的目標(biāo)時(shí)，往往需要對(duì)目標(biāo)邊緣作跟蹤處理，也叫輪廓跟蹤。顧名思義，輪廓跟蹤就是通過順序找出邊緣點(diǎn)來跟蹤邊界的。若圖像是二值圖像或圖像中不同區(qū)域具有不同的像素值，但每個(gè)區(qū)域內(nèi)的像素值是相同的，則通過一些算法可完成基于4連通或8連通區(qū)域的輪廓跟蹤。第32頁(yè)，共63頁(yè)，2023年，2月20日，星期三3.1輪廓跟蹤步驟1：首先按從上到下，從左到右的順序掃描圖像，尋找沒有標(biāo)記跟蹤結(jié)束記號(hào)的第一個(gè)邊界起始點(diǎn)A0，A0是具有最小行和列值的邊界點(diǎn)。定義一個(gè)掃描方向變量dir，該變量用于記錄上一步中沿著前一個(gè)邊界點(diǎn)到當(dāng)前邊界點(diǎn)的移動(dòng)方向，其初始化取值為：

(1)對(duì)4連通區(qū)域取dir=3，如下圖(a)所示；

(2)對(duì)8連通區(qū)域取dir=7，如下圖(b)所示。第33頁(yè)，共63頁(yè)，2023年，2月20日，星期三3.1輪廓跟蹤方向變量的初始化第34頁(yè)，共63頁(yè)，2023年，2月20日，星期三3.1輪廓跟蹤步驟2：按逆時(shí)針方向搜索當(dāng)前像素的3×3鄰域，其起始搜索方向設(shè)定如下：

(1)對(duì)4連通區(qū)域取(dir+3)mod4，如下圖(a)所示；

(2)對(duì)8連通區(qū)域若dir為奇數(shù)取(dir+7)mod8，如下圖(b)所示；若dir為偶數(shù)取(dir+6)mod8，如下圖(c)所示。第35頁(yè)，共63頁(yè)，2023年，2月20日，星期三3.1輪廓跟蹤3×3鄰域起始搜索方向第36頁(yè)，共63頁(yè)，2023年，2月20日，星期三3.1輪廓跟蹤

在3×3鄰域中搜索到的第一個(gè)與當(dāng)前像素值相同的像素便為新的邊界點(diǎn)An，同時(shí)更新變量dir為新的方向值。步驟3：如果An等于第二個(gè)邊界點(diǎn)A1且前一個(gè)邊界點(diǎn)An-1等于第一個(gè)邊界點(diǎn)A0，則停止搜索，結(jié)束跟蹤，否則重復(fù)步驟2繼續(xù)搜索。步驟4：由邊界點(diǎn)A0、A1、A2、…、An-2構(gòu)成的邊界便為要跟蹤的邊界。算法中步驟1中所采用的準(zhǔn)則稱為“探測(cè)準(zhǔn)則”，其作用是找出第一個(gè)邊界點(diǎn)；步驟3中所采用的準(zhǔn)則稱為“跟蹤準(zhǔn)則”，其作用是找出所有邊界點(diǎn)。第37頁(yè)，共63頁(yè)，2023年，2月20日，星期三3.1輪廓跟蹤輪廓跟蹤示例第38頁(yè)，共63頁(yè)，2023年，2月20日，星期三3.2輪廓提取二值圖像輪廓提取的算法非常簡(jiǎn)單，就是掏空內(nèi)部點(diǎn)：如果原圖像中有一點(diǎn)為黑，且它的8個(gè)鄰點(diǎn)都是黑色時(shí)，說明該點(diǎn)是內(nèi)部點(diǎn)，將該點(diǎn)刪除（置為白色像素值255）。對(duì)圖像中所有像素點(diǎn)執(zhí)行該操作便可完成圖像輪廓的提取。第39頁(yè)，共63頁(yè)，2023年，2月20日，星期三4、圖像匹配在機(jī)器識(shí)別過程中，常需把不同傳感器或通一傳感器在不同時(shí)間、不同成像條件下對(duì)同一景物獲取的兩幅或多幅圖像在空間上對(duì)準(zhǔn)，或根據(jù)已知模式到另一幅圖中尋找相對(duì)應(yīng)的模式，這就叫圖像匹配。第40頁(yè)，共63頁(yè)，2023年，2月20日，星期三4.1模板匹配模板匹配是指用一個(gè)較小的圖像，即模板與源圖像進(jìn)行比較，以確定在源圖像中是否存在與該模板相同或相似的區(qū)域，若該區(qū)域存在，還可確定其位置并提取該區(qū)域。模板匹配常用的一種測(cè)度為模板與原圖像對(duì)應(yīng)區(qū)域的誤差平方和。設(shè)f(x,y)為M×N的原圖像，t(j,k)為J×K(J≤M，K≤N)的模板圖像，則誤差平方和測(cè)度定義為：第41頁(yè)，共63頁(yè)，2023年，2月20日，星期三4.1模板匹配將上式展開可得：令：第42頁(yè)，共63頁(yè)，2023年，2月20日，星期三4.1模板匹配DS(x,y)稱為原圖像中與模板對(duì)應(yīng)區(qū)域的能量，它與像素位置(x,y)有關(guān)，但隨像素位置(x,y)的變化，DS(x,y)變化緩慢。DST(x,y)稱為模板與原圖像對(duì)應(yīng)區(qū)域的互相關(guān)，它隨像素位置(x,y)的變化而變化，當(dāng)模板t(j,k)和原圖像中對(duì)應(yīng)區(qū)域相匹配時(shí)取得最大值。DT(x,y)稱為模板的能量，它與圖像像素位置(x,y)無關(guān)，只用一次計(jì)算便可。顯然，用展開式計(jì)算誤差平方和測(cè)度可以減少計(jì)算量。第43頁(yè)，共63頁(yè)，2023年，2月20日，星期三4.1模板匹配基于上述分析，若設(shè)DS(x,y)也為常數(shù)，則用DST(x,y)便可進(jìn)行圖像匹配，當(dāng)DST(x,y)取最大值時(shí)，便可認(rèn)為模板與圖像是匹配的。但假設(shè)DS(x,y)為常數(shù)會(huì)產(chǎn)生誤差，嚴(yán)重時(shí)將無法正確地完成匹配，因此可用歸一化互相關(guān)作為誤差平方和測(cè)度，其定義為：第44頁(yè)，共63頁(yè)，2023年，2月20日，星期三4.1模板匹配下圖給出了模板匹配的示意圖，其中假設(shè)原圖像f(x,y)和模板圖像t(k,l)的原點(diǎn)都在左上角。對(duì)任何一個(gè)f(x,y)中的(x,y)，根據(jù)歸一化式都可以算得一個(gè)R(x,y)值。當(dāng)x和y變化時(shí)，t(j,k)在原圖像區(qū)域中移動(dòng)并得出R(x,y)所有值。R(x,y)的最大值便指出了與t(j,k)匹配的最佳位置，若從該位置開始在原圖像中取出與模板大小相同的一個(gè)區(qū)域，便可得到匹配圖像。第45頁(yè)，共63頁(yè)，2023年，2月20日，星期三4.1模板匹配模板匹配示意圖第46頁(yè)，共63頁(yè)，2023年，2月20日，星期三4.1模板匹配模板匹配的主要局限性在于它只能進(jìn)行平行移動(dòng)，如原圖像中要匹配的目標(biāo)發(fā)生旋轉(zhuǎn)或大小變化，該算法無效。另外，如原圖像中要匹配的目標(biāo)只有部分可見，該算法也無法完成匹配。第47頁(yè)，共63頁(yè)，2023年，2月20日，星期三4.2直方圖匹配顏色是描述圖像內(nèi)容的一個(gè)重要特征。人們已經(jīng)提出了多種借助顏色特征對(duì)圖像進(jìn)行檢索的方法。常用的顏色空間有R、G、B和H、S、I。實(shí)際上，利用H、S、I顏色空間進(jìn)行檢索的效果更好一些，但以下討論主要以R、G、B空間為例。為利用圖像的顏色特征描述圖像，可借助圖像特征的統(tǒng)計(jì)直方圖。利用直方圖進(jìn)行圖像的匹配，這便是直方圖匹配。第48頁(yè)，共63頁(yè)，2023年，2月20日，星期三4.2直方圖匹配--直方圖相交法設(shè)HQ(k)和HD(k)分別為查詢圖像Q和數(shù)據(jù)庫(kù)圖像D的特征統(tǒng)計(jì)直方圖，則兩圖像之間的匹配值d(Q,D)為第49頁(yè)，共63頁(yè)，2023年，2月20日，星期三4.2直方圖匹配--歐幾里得距離法為減少計(jì)算量，可采用直方圖的均值來粗略地表達(dá)顏色信息，對(duì)圖像的R、G、B三個(gè)分量，匹配的特征矢量f是：式中,μR、μG、μB分別是R、G、B三個(gè)分量直方圖的0階距。此時(shí)查詢圖像Q和數(shù)據(jù)庫(kù)圖像D之間的匹配值為：第50頁(yè)，共63頁(yè)，2023年，2月20日，星期三4.2直方圖匹配--中心矩法對(duì)直方圖來說，均值為0階矩，更高階的矩也可使用。設(shè)用 分別表示查詢圖像Q的R、G、B三個(gè)分量直方圖的i(i≤3)階中心矩；用 分別表示數(shù)據(jù)庫(kù)圖像D的R、G、B三個(gè)分量直方圖的i(i≤3)階中心矩。它們之間的匹配值為：式中，WR，WG，WB為加權(quán)系數(shù)。第51頁(yè)，共63頁(yè)，2023年，2月20日，星期三4.2直方圖匹配—參考顏色法歐幾里得距離法太粗糙，直方圖相交法計(jì)算量太大，一種折衷的方法是將圖像顏色用一組參考色表示，這組參考色應(yīng)能覆蓋視覺上可感受到的各種顏色。參考色的數(shù)量要比原圖像少，這樣可計(jì)算簡(jiǎn)化的直方圖，所以匹配的特征矢量是：f=［r1,r2…rN］T

式中：ri是第i種顏色出現(xiàn)的頻率，N是參考顏色表的尺寸。加權(quán)后的查詢圖像Q和數(shù)據(jù)庫(kù)圖像D之間的匹配值為：第52頁(yè)，共63頁(yè)，2023年，2月20日，星期三4.2直方圖匹配—其它方法

（1）閿可夫斯基距離法（2）X2直方圖匹配第53頁(yè)，共63頁(yè)，2023年，2月20日，星期三4.3形狀匹配形狀也是描述圖像內(nèi)容的一個(gè)重要特征，利用形狀進(jìn)行匹配需要考慮三個(gè)問題：首先，形狀常與目標(biāo)聯(lián)系在一起，所以相對(duì)于顏色，形狀特征可以看作是更高層次的圖像特征。要獲得有關(guān)目標(biāo)的形狀參數(shù)，常常要先對(duì)圖像進(jìn)行分割，所以形狀特征會(huì)受圖像分割效果的影響。其次，目標(biāo)形狀的描述是一個(gè)非常復(fù)雜的問題，至今還沒有找到能與人的感覺相一致的圖像形狀的確切數(shù)學(xué)定義。最后，從不同視角獲取的圖像中目標(biāo)形狀可能會(huì)有很大差別，為準(zhǔn)確進(jìn)行形狀匹配，需要解決平移、尺度、旋轉(zhuǎn)變換不變性的問題。第54頁(yè)，共63頁(yè)，2023年，2月20日，星期三4.3形狀匹配目前常