形狀識別

1、專題專題2：基于形狀特征的目標(biāo)識別：基于形狀特征的目標(biāo)識別形狀識別的一般流程:形狀提取、形狀特征提取和分類識別。一、形狀提取一、形狀提取形狀提取的處理流程：1、預(yù)處理預(yù)處理：A、圖像的灰度變換圖像的灰度變換是圖像增強處理技術(shù)中一種非?；尽⒅苯拥姆椒ㄋ饕槍Κ毩⒌南袼攸c進(jìn)行變換處理而無須考慮其它因素在處理時通過改變原始圖像數(shù)據(jù)所占據(jù)的灰度范圍而使其灰度分布滿足一定的要求并且絲毫不會改變圖像像素點之間的相互空間關(guān)系。常用的方法主要有三種

2、：1）灰度級修正針對圖像成像不均勻（如曝光不均勻，使圖像半邊暗半邊亮），對圖像逐點進(jìn)行不同程度的灰度級校正，目的是使整幅圖像灰度均勻。2）灰度變換針對圖像某一部分或整幅圖像曝光不足而使用的灰度級變換，其目的是增加圖像灰度對比度。常用的灰度變換方法有圖像反轉(zhuǎn)、線性灰度變換、分段線性灰度變換、灰度窗口變換等，如圖：邊緣檢測的原理是：由于微分算子具有突出灰度變化的作用，對圖像進(jìn)行微分運算，在圖像邊緣處其灰度變化較大，故該處微分計算值較高，可將

3、這些微分值作為相應(yīng)點的邊緣強度，通過閾值判別來提取邊緣點，即如果微分值大于閾值，則為邊緣點。2）基于閾值選取的方法閾值法是一種傳統(tǒng)的圖像分割方法，因其實現(xiàn)簡單、計算量小、性能較穩(wěn)定而成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)。圖像閾值分割利用了圖像中要提取的目標(biāo)物與其背景在灰度特性上的差異，把圖像視為具有不同灰度級的兩類區(qū)域（目標(biāo)和背景）的組合，選取一個合適的閾值，以確定圖像中每一個像素點應(yīng)屬于目標(biāo)還是背景區(qū)域，從而產(chǎn)生相應(yīng)的二值圖像。

4、1.整體閾值法：它是用一個全局閾值來實現(xiàn)圖像二值化。該方法對質(zhì)量較好的圖像（如雙峰直方圖）有效。這種方法運算簡單，易于理解，但適應(yīng)性不強。2.局部閾值法：由當(dāng)前象素灰度值與該象素周圍點的局部灰度特征來確定圖像的閾值。常把原圖像劃分為不相交的小塊，將各塊圖像的灰度值作為該部分圖像的閾值。這種方法可處理質(zhì)量較差的圖像。3.動態(tài)閾值法：它是局部閾值法的改進(jìn)方法。它的閾值不僅僅取決于該象素及其周圍象素的灰度值，還和該象素的位置有關(guān)。這種方法適應(yīng)

5、于圖像質(zhì)量不好的圖像的二值化，但它運算量大，運算速度慢。3）基于區(qū)域生成的方法閾值分割可以認(rèn)為是將圖像由大到小進(jìn)行拆分，而區(qū)域生長則相當(dāng)于有小到大對像素進(jìn)行合并。區(qū)域生長的基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成一個區(qū)域。實質(zhì)就是將具有“相似”特性的像素元連接成區(qū)域。這些區(qū)域是互不相交的，每一個區(qū)域都滿足特定區(qū)域的一致性。具體實現(xiàn)時，先在每個分割的區(qū)域找一個種子像素作為生長的起始點，再將種子像素周圍鄰域中與種子像素相同或相似性質(zhì)的像素

6、（根據(jù)某種事先確定的準(zhǔn)則來判定）合并到種子像素所在的區(qū)域中。直到所有滿足條件的像素都包括進(jìn)來了，一個區(qū)域就長成了。實際應(yīng)用區(qū)域生長法時，需要有以下3個步驟：（1）確定選擇一組能正確代表所需區(qū)域的起始點種子像素。（2）確定在生長過程中將相鄰像素包括進(jìn)來的準(zhǔn)則。（3）確定區(qū)域生長過程停止的條件或準(zhǔn)則。3、提取后處理：、提取后處理：形態(tài)學(xué)運算是針對二值圖像而依據(jù)數(shù)學(xué)形態(tài)學(xué)(MathematcialMpholgoy)的集合論發(fā)展起來的圖像處理方

7、法。二、形狀特征提取二、形狀特征提取過圖像的前期處理，我們獲得了目標(biāo)的形狀，為了進(jìn)一步對目標(biāo)做分析和識別，必須通過對目標(biāo)的形狀作定量和定性的分析來得出正確的結(jié)論，這些結(jié)論是建立在目標(biāo)形狀的某些特征描述的基礎(chǔ)上的。為了識別某一目標(biāo)，我們必須對目標(biāo)的形狀進(jìn)行描述，即提取形狀的某些特征來表示該目標(biāo)。為了能區(qū)分不同形狀的物體保證識別的正確性我們希望這些特征相對不同的形狀有較大的差異而對同一物體對其在圖像中的不同位置、大小和方向的變化保持不變即具