計算機視覺chapter03二值圖像分析

計算機視覺chapter03二值圖像分析一幅數(shù)字圖像是一個二維陣列，陣列元素值稱為灰度值或強度值．實際上，圖像在量化成數(shù)字圖像前是一個連續(xù)強度函數(shù)的集合，場景信息就包含在這些強度值中．圖像強度通常被量化成256個不同灰度級，對某些應(yīng)用來說，也常有32、64、128或512個灰度級的情況，在醫(yī)療領(lǐng)域里甚至使用高達4096(12bits）個灰度級．很明顯，灰度級越高，圖像質(zhì)量越好，但所需的內(nèi)存也越大．。在機器視覺研究的早期，由于內(nèi)存和計算能力非常有限，而且十分昂貴，因此視覺研究人員把精力主要集中在研究輸入圖像僅包含兩個灰度值的二值視覺系統(tǒng)上．人們注意到，人類視覺在理解僅由兩個灰度級組成的線條、輪廓影像或其它圖像時沒有任何困難，而且應(yīng)用場合很多，這一點對研究二值視覺系統(tǒng)的研究人員是一個極大的鼓舞．。隨著計算機計算能力的不斷增強和計算成本的不斷下降，人們普遍開始研究基于灰度圖像、彩色圖像和深度圖像的視覺系統(tǒng)．盡管如此，二值視覺系統(tǒng)還是十分有用的，其原因如下：計算二值圖像特性的算法非常簡單，容易理解和實現(xiàn)，并且計算速度很快．二值視覺所需的內(nèi)存小，對計算設(shè)備要求低．工作在256個灰度級的視覺系統(tǒng)所需內(nèi)存是工作在相同大小二值圖像視覺系統(tǒng)所需內(nèi)存的八倍．如若利用游程長度編碼等技術(shù)（見3．4節(jié)）還可使所需內(nèi)存進一步減少．由于二值圖像中的許多運算是邏輯運算而不是算術(shù)運算，所以所需的處理時間很短．（3）許多二值視覺系統(tǒng)技術(shù)也可以用于灰度圖像視覺系統(tǒng)上．在灰度或彩色圖像中，表示一個目標(biāo)或物體的一種簡易方法就是使用物體模板(mask)，物體模板就是一幅二值圖像，其中1表示目標(biāo)上的點，0表示其它點．在物體從背景中分離出來后，為了進行決策，還需要求取物體的幾何和拓撲特性，這些特性可以從它的二值圖像計算出來．因此，盡管我們是在二值圖像上討論這些方法，但它們的應(yīng)用并不限于二值圖像．。一般來說，當(dāng)物體輪廓足以用來識別物體且周圍環(huán)境可以適當(dāng)?shù)乜刂茣r，二值視覺系統(tǒng)是非常有用的．當(dāng)使用特殊的照明技術(shù)和背景并且場景中只有少數(shù)物體時，物體可以很容易地從背景中分離出來，并可得到較好的輪廓，比如，許多工業(yè)場合都屬于這種情況．二值視覺系統(tǒng)的輸入一般是灰度圖像，通常使用閾值法首先將圖像變成二值圖像，以便把物體從背景中分離出來，其中的閾值取決于照明條件和物體的反射特性．二值圖像可用來計算特定任務(wù)中物體的幾何和拓撲特性，在許多應(yīng)用中，這種特性對識別物體來說是足夠的．二值視覺系統(tǒng)已經(jīng)在光學(xué)字符識別、染色體分析和工業(yè)零件的識別中得到了廣泛應(yīng)用．。在下面的討論中，假定二值圖像大小為，其中物體像素值為1，背景像素值為0．3．1閾值視覺系統(tǒng)中的一個重要問題是從圖像中識別代表物體的區(qū)域（或子圖像），這種對人來說是件非常容易的事，對計算機來說卻是令人吃驚的困難．為了將物體區(qū)域同圖像其它區(qū)域分離出來，需要首先對圖像進行分割．把圖像劃分成區(qū)域的過程稱為分割，即把圖像劃分成區(qū)域，使得每一個區(qū)域?qū)?yīng)一個候選的物體．下面給出分割的嚴格定義．。定義分割是把像素聚合成區(qū)域的過程，使得：●整幅圖像(是一個完備分割)．●，(是一個完備分割)．●每個區(qū)域滿足一個謂詞，即區(qū)域內(nèi)的所有點有某種共同的性質(zhì)．●不同區(qū)域的圖像，不滿足這一謂詞．正如上面所表明的，分割滿足一個謂詞，這一謂詞可能是簡單的，如分割灰度圖像時用的均勻灰度分布、相同紋理等謂詞，但在大多數(shù)應(yīng)用場合，謂詞十分復(fù)雜．在圖像理解過程中，分割是一個非常重要的步驟．二值圖像可以通過適當(dāng)?shù)胤指罨叶葓D像得到．如果物體的灰度值落在某一區(qū)間內(nèi)，并且背景的灰度值在這一區(qū)間之外，則可以通過閾值運算得到物體的二值圖像，即把區(qū)間內(nèi)的點置成1，區(qū)間外的點置成0．對于二值視覺，分割和閾值化是同義的．閾值化可以通過軟件來實現(xiàn)，也可以通過硬件直接完成．。通過閾值運算是否可以有效地進行圖像分割，取決于物體和背景之間是否有足夠的對比度．設(shè)一幅灰度圖像中物體的灰度分布在區(qū)間內(nèi)，經(jīng)過閾值運算后的圖像為二值圖像，即：(3．1)如果物體灰度值分布在幾個不相鄰區(qū)間內(nèi)時，閾值化方案可表示為：(3．2)閾值算法與應(yīng)用領(lǐng)域密切相關(guān)．事實上，某一閾值運算常常是為某一應(yīng)用專門設(shè)計的，在其它應(yīng)用領(lǐng)域可能無法工作．閾值選擇常常是基于在某一應(yīng)用領(lǐng)域獲取的先驗知識，因此在某些場合下，前幾輪運算通常采用交互式方式來分析圖像，以便確定合適的閾值．但是，在機器視覺系統(tǒng)中，由于視覺系統(tǒng)的自主性能（autonomy）要求，必須進行自動閾值選擇．現(xiàn)在已經(jīng)研究出許多利用圖像灰度分布和有關(guān)的物體知識來自動選擇適當(dāng)閾值的技術(shù)．其中的一些方法將在3．2節(jié)介紹．。3．2幾何特性通過閾值化方法從圖像中檢測出物體后，下一步就要對物體進行識別和定位．在大多數(shù)工業(yè)應(yīng)用中，攝像機的位置和環(huán)境是已知的，因此通過簡單的幾何知識就可以從物體的二維圖像確定出物體的三維位置．在大多數(shù)應(yīng)用中，物體的數(shù)量不是很多，如果物體的尺寸和形狀完全不同，則可以利用尺度和形狀特征來識別這些物體．實際上在許多工業(yè)應(yīng)用中，經(jīng)常使用區(qū)域的一些簡單特征，如大小、位置和方向，來確定物體的位置并識別它們．。3．2．1尺寸和位置一幅二值圖像區(qū)域的面積（或零階矩）由下式給出：（3．3）在許多應(yīng)用中，物體的位置起著十分重要的作用．工業(yè)應(yīng)用中，物體通常出現(xiàn)在已知表面（如工作臺面）上，而且攝像機相對臺面的位置也是已知的．在這種情況下，圖像中的物體位置決定了它的空間位置．確定物體位置的方法有許多，比如用物體的外接矩形、物體矩心（區(qū)域中心）等來表示物體的位置．區(qū)域中心是通過對圖像進行“全局”運算得到的一個點，因此它對圖像中的噪聲相對來說是不敏感的．對于二值圖像，物體的中心位置與物體的質(zhì)心相同，因此可以使用下式求物體的中心位置：(3．4)其中和是區(qū)域相對于左上角圖像的中心坐標(biāo)．物體的位置為：(3．5)這些是一階矩．注意，由于約定y軸向上，因此方程3．4和3．5