【正文】 數(shù)字圖像處理 Digital Image Processing 作者：李白萍 起止頁碼： 42 頁 46 頁， 127 頁 132 頁 出版日期（期刊號(hào)）： ( 重印 ) 出版單位： 西安電子科技大學(xué)出版社 數(shù)字圖像處理 1 引言 許多研究者已提議提出了在數(shù)字圖像里的連接組件是由一個(gè)減少的數(shù)據(jù)量或簡(jiǎn)化的形狀。一般我們不得不陳訴在實(shí)際應(yīng)用中的運(yùn)算法則的發(fā)展，選擇和更改，它是依賴于鄰域和任務(wù)的，除此之外沒有更好的辦法了。不過，有趣的是，請(qǐng)注意 ， 有幾個(gè)等價(jià)之間出版的方法和觀念，和表征這種等價(jià)應(yīng)該是有用的分類的廣泛和多樣性，討論等價(jià)是這份報(bào)告一個(gè)主要的意圖。 分類方法 一類形狀減少算子是基于距離變換的。一個(gè)距離骨架是一個(gè)子集點(diǎn)，某一特定的組成部分，例如，每點(diǎn)子，這代表了該中心的一個(gè)最大光盤（標(biāo)記半徑這片光碟）載于特定的組成部分。作為一個(gè)例子，在這類算子，本報(bào)告討論了一個(gè)計(jì)算方法距離骨架使用的D4 距離函數(shù)，這是適當(dāng)?shù)臄?shù)字化圖片。 第二類算子產(chǎn)生的中位數(shù)或中心線數(shù)字對(duì)象在一個(gè)非迭代的方式。通常這樣的算子找到臨界點(diǎn)，并計(jì)算出特殊 路徑通過對(duì)象連接這些點(diǎn)。 第三類是算子的特點(diǎn)是迭代細(xì)化。從歷史上看， 用已經(jīng)在 1862 年任期線性骨架為結(jié)果連續(xù)變形的前一個(gè)連接子一歐氏空間沒有改變的連通原來的設(shè)置，直到只有一套線和點(diǎn)仍然存在。許多算法在圖像分析是在此基礎(chǔ)上的一般概念的細(xì)化。目標(biāo)是計(jì)算特性的數(shù)字對(duì)象，其中不相關(guān)的大小或數(shù)量。方法應(yīng)是獨(dú)立的立場(chǎng)從一組，在平面或空間，網(wǎng)格的決議（數(shù)字化這套）或形狀復(fù)雜該給定。在文獻(xiàn)中的任期間是沒有用在一個(gè)獨(dú)特的解釋，此外，它始終是指連接維護(hù)減少運(yùn)作，適用于數(shù)字圖像，所涉及的迭代變革的特殊輪廓點(diǎn)到背景點(diǎn)。一 個(gè)字集 Q_I 的對(duì)象點(diǎn)是減少了設(shè)置，在一迭代和 Q0 的結(jié)果 = Q N D 成為 Q 報(bào)表下次迭代。拓?fù)渚S護(hù)骨架是一個(gè)特殊的案件細(xì)化，導(dǎo)致連接的一套數(shù)碼化的圓弧或曲線。數(shù)字曲線的道路是一條在 P=p0 。P1 。 P2 的 。qn= q 等 ,pi 是 pi 1 的近鄰， ， 1 _ i _N 和 P =q,數(shù)字曲線是所謂的簡(jiǎn)單元素，如果每點(diǎn) pi 有準(zhǔn)確的兩個(gè)鄰域在這曲線。數(shù)碼弧是一個(gè)子集數(shù)字曲線，如 p6 =，正是一鄰居是所謂的一歸宿，這電弧。在這第三類算子（細(xì)化算法） ，我們可能分類方面的算法策略：個(gè)別像素要么拆除 在一個(gè)順序或平行進(jìn)行。舉例來說，經(jīng)常提到的算法 hilditch 是一個(gè)迭代的過程中的測(cè)試和刪去的輪廓像素，按順序在標(biāo)準(zhǔn)光柵掃描秩序。另一種序貫算法 pavlidis 使用的多點(diǎn)和收益由輪廓下列的的例子，并行算法在這第三類是減少算子，其中變換輪廓點(diǎn)到背景點(diǎn)。這些并行算法通常是測(cè)試實(shí)施連通性，以確保在目標(biāo)連接和內(nèi)部數(shù)據(jù)沒有改變。概念一簡(jiǎn)單點(diǎn)是基本的重要性細(xì)化且它將會(huì)顯示在這報(bào)告說，簡(jiǎn)單點(diǎn)，其實(shí)是相等的。 若干出版物的特點(diǎn)性能是一套署點(diǎn)（可從對(duì)象點(diǎn)到背景點(diǎn)轉(zhuǎn)變）去確定目標(biāo)和背景的連貫性仍然沒變 .報(bào)告討論了一些性質(zhì)是 為了證明平行細(xì)算法的正確性 . 基礎(chǔ) 所用符號(hào)如下 [ 17 ] 。數(shù)字圖像 I 是一個(gè)功能離散集 C ，即所謂的載體的形象。要素的 C 是網(wǎng)格點(diǎn)或網(wǎng)格細(xì)胞和分子性（ P 。I（ p ）） 一個(gè)圖像像素（ 2 維）或體素（三維案件）。范圍的形象是 f0 。 gmaxg 與 gmax _ 1 。范圍二進(jìn)制的形象是 f0 ，我們只使用在此報(bào)告的二進(jìn)制圖像。讓它成為一套所有像素的位置與價(jià)值 1 。 形象載體是對(duì)一正交網(wǎng)格在二維或三維空間。 有兩種選擇：使用網(wǎng)格細(xì)胞模型的二維像素位置， P 是一個(gè)封閉的廣場(chǎng)（ 2 細(xì)胞）在歐氏平面和三 維像素的位置是封閉立方體（ 3 細(xì)胞） ，在歐氏空間，那里邊的長(zhǎng)度為 1 和平行于坐標(biāo)軸，中心有整數(shù)坐標(biāo)。作為一個(gè)第二個(gè)選項(xiàng)，使用網(wǎng)格點(diǎn)模型一二維或三維像素的位置是一個(gè)網(wǎng)格點(diǎn)。 兩個(gè)像素的位置 P 和 Q在網(wǎng)格中的細(xì)胞模型是所謂的 0 毗鄰 i_ p 6 = Q 和他們分享至少有一個(gè)頂點(diǎn)（這是一個(gè)零細(xì)胞） 。 兩個(gè)三維像素的位置 P 和 Q 在網(wǎng)格中的細(xì)胞模型是所謂的毗鄰 i_ p 6 = Q和他們分享至少有一個(gè)優(yōu)勢(shì)（這是一細(xì)胞） 。注意：如果格點(diǎn)模型是用這鄰接在二維或鄰接在三維。最后，兩個(gè)像素的三維位置 P 和 Q 在網(wǎng)格中的細(xì)胞模型被稱 為 2 毗鄰 i_ p 6 = Q 和他們分享至少有一個(gè)面對(duì)的（這是一個(gè) 2 細(xì)胞） 。請(qǐng)注意，如果格點(diǎn)模型是用這鄰接的。 任何這些鄰接關(guān)系 。 1 。 2 。 4 。 6 。 18。 26 是和對(duì)稱對(duì)一的形象， n_ （ p ）條像素位置 p 包括 P 和其 _ 相鄰像素的位置。 坐標(biāo)的二維網(wǎng)格點(diǎn)是指由（ i。 j ）中，與 1_i n 和 1_j_m。 j 是整數(shù)和 N 。M 是多少行和列正在 3 維中使用整數(shù)坐標(biāo)（ i。 j 。 k ）段。 基于鄰域的關(guān)系，我們連通如常： 2 點(diǎn) p。 q 2 C 是有關(guān) n_ i_有一個(gè)序列點(diǎn)， p = p0。 p1。 p2。 pn = q 近鄰，在此序列無論是在 M 或全部在補(bǔ) M 的一個(gè)子集 M_ C 的形象承運(yùn)人是所謂的 _連接 i_M，是不是空洞和所有點(diǎn)，在 M 都成對(duì)設(shè)置 M 組成的一個(gè)子集 S 的 C 是一個(gè)極大值 ,連接子 S 的研究連通性數(shù)碼影像已在 [ 15 ]介紹了。 因此，任何一套集合組成了若干組件。在案件該網(wǎng)格的細(xì)胞模型，一個(gè)組成部分，是聯(lián)接的封閉空間（二維情況下） 或關(guān)閉的立方體（三維案件） 。邊界 2細(xì)胞是聯(lián) 接在其 4 細(xì)胞和 5 細(xì)胞的。 3 細(xì)胞是連接在其 6 接口。 為實(shí)際目的是易于對(duì)數(shù)字圖像中使用的臨近操作的（ 所謂的本地操作）。價(jià)值在 P 2架 C ，在轉(zhuǎn)化的形象是基于像素值在 I 在 P 2 C 和其立即鄰域在 N_(p)。 2 非迭代算法 非迭代算法提供子組件在特殊掃描命令測(cè)試連接保存在一個(gè)迭代次數(shù)。 在本節(jié)中，我們只用網(wǎng)格點(diǎn)模型。 距離算法 Blum[ 3 ]提出了骨骼的代表是一組對(duì)稱點(diǎn)。 在一個(gè)封閉的子歐氏平面一點(diǎn) P 是被稱為對(duì)稱 i_ 。至少有 2 點(diǎn)存在于邊界與平等的距離頁每對(duì)稱點(diǎn)，相關(guān)的最大光盤是在這一套世界上最大的光盤。 一套對(duì)稱點(diǎn)，每一個(gè)標(biāo)記半徑相關(guān)最大的光碟，構(gòu)成了骨架的一套。 這個(gè)想法提 交的一個(gè)組成部分，數(shù)字圖像作為一個(gè)距離骨架的基礎(chǔ)上，計(jì)算一個(gè)距離各點(diǎn)在一個(gè)連通子米 _ C 至補(bǔ)子。本地最高的子代表一距離骨架。在 [ 15 ] D4 類 距離是如下特殊的距離， D4（ p。 q ）的從點(diǎn) P 點(diǎn) q ， p6 =q 是最小的積極整數(shù) n ，如存在著一種序列具有鮮明的網(wǎng)格點(diǎn)， P 值 p0 ， P2。pn= q 是 4 近鄰， pi 1 ， 1_i_n. 如果 P 值 q 之間的距離是趨向于為零，則 D4 （ p。 q ）的距離為所有性能的一個(gè)指標(biāo)。由于二進(jìn)制數(shù)字形象。我們這個(gè)圖像變換到一個(gè)新的代表在每屆點(diǎn) P 2 hii D4 類 距離像素具有的價(jià)值為零。轉(zhuǎn)型包括兩個(gè)步驟。我們申請(qǐng)的職能，以 F1 的形象，我在標(biāo)準(zhǔn)掃描秩序，產(chǎn)生 i_ （ i。 j ）的 F1 = （ i。 j 。i（ i。 j ）） ，和 F2 在反向標(biāo)準(zhǔn)掃描秩序，產(chǎn)生（ i。 j ） = F2 的（ i。 j 。 i_ （ i。 j ）） ，詳情如下： F1 的（ i。 j 。i（ i。 j ）） = 8 ：if I（ i。 j ） = 0 ,minfi_ （ i? 1 。 j ） + 1 。 i_ （ i。 j ? 1 ） + 1,if I（ i。 j ） = 1 ， i6 = 1 或 j 6 = 1 M+n 否則 ,F2 的（ i。 j 。 i_ （ i。 j ）） = minf_i_ （ i。 j ） 。（ i+ 1 。 j ） + 1 。（ i。 j + 1 ） + 1 由此產(chǎn)生的圖像，是距離變換的形象，一，注意 T 是一個(gè)集 F 至 [ （ i 。 j ） 。T（ i。 j ） ] ： 1 _ i _ n ^1_ j _，讓 t_ _T,[ （ i。 j ） 。T（一 。 j ） ] 2 t_ i_沒有四點(diǎn)為 A4 （ （ i。 j ））有一個(gè)價(jià)值在 T 等于 T（ i。 j ） +1 。對(duì)所有其余各點(diǎn)（ i。 j ），讓 t_ （ i。 j ） = 0 。這個(gè)形象t_是所謂的距離骨架。 我們現(xiàn)在申請(qǐng)的職能的 G1 到距離骨架 t_在標(biāo)準(zhǔn)掃描秩序，產(chǎn)生 t__（ i。 j ）條的 G1 = （ i。 j 。 t_ （ i。 j ）），和 G2 到的結(jié)果，在 G1 期逆向掃描的標(biāo)準(zhǔn)秩序，產(chǎn)生 t__（ i。 j ）＝ G2（ i。 j 。 t__ （ i。 j ）） ， 詳情如下： g1(i。 j。 T_(i。 j)) = maxfT_(i。 j)。 T__(i ? 1。 j)? 1。 T__(i。 j ? 1) 1g g2(i。 j。 T__(i。 j)) = maxfT__(i。 j)。 T___(i + 1。 j)? 1。 T___(i。 j + 1) ? 1 結(jié)果 t___是平等的向距離變換的圖像，兩種職能 G1 和 G2 ，與 G（ t_ ） = g2(g1(T_)) = T___,我們有[ 15 ] ： 定理 1G（ t_ ） =T，如果 t0 是任何子的形象 T（延長(zhǎng)至一個(gè)形象有值為 0 ，在所有剩余的持倉量）等認(rèn)為， G（ t0 ） =T， 然后 t0 （ i。 j ） = t_ （ i。 j ）在各個(gè)崗位上的 t_與非零值。 非正式的，定理指出，距離變換的圖像是可重構(gòu)從距離骨骼 ，它是迄今發(fā)現(xiàn)的最小的數(shù)據(jù)集需要這樣的重建工作。用過的距離， D4 從歐幾里德度量。舉例來說，這個(gè) D4 的遠(yuǎn)程骨架，是不是不變根據(jù)輪換。為一近似歐氏距離，一些作者建議使用 的權(quán)數(shù)，格點(diǎn)街道 [ 4 ] 。 [ 11 ]介紹了準(zhǔn)歐氏距離。 在一般， D4 的遠(yuǎn)程骨架是一個(gè)子像素（ p。T（ p ）項(xiàng)）的轉(zhuǎn)變形象，這是不一定的連接。 臨界點(diǎn)算法 最簡(jiǎn)單的一類，這些算法決定的中點(diǎn)子連接組件在標(biāo)準(zhǔn)掃描，以便每一行。讓升被 1指數(shù)為若干組件連接在一列原形象。我們的下列職能為 1 _ i _ n ： ei(l) = _ j if this is the lth case I(i。 j) = 1 ^ I(i。 j ? 1) = 0 in row i, counting from the left, with I(i。?1) = 0 oi(l) = _ j if this is the lth case I(i。 j) = 1 ^ I(i。 j+ 1) = 0 in row i, counting from the left, with I(i。m+ 1) = 0 mi(l) = int((oi(l) ? ei(l)=2)+ oi(l) 所連接的元件在連續(xù)中點(diǎn)所有行構(gòu)成了一個(gè)臨界點(diǎn)骨架的形象，這種方法的計(jì)算是精確的。 結(jié)果子像素的原始物體，而這些子像素不一定是連接的。他們可以形成噪音分枝，當(dāng)對(duì)象組件接近平行的形象行，他們可能的特殊應(yīng)用是有用的，而掃描方向大約是垂直方向的主要對(duì)象組。 3 圖像邊緣 圖像邊緣檢測(cè)概論 圖像邊緣是圖像最基本的特征之一 , 往往攜帶著一幅圖像的大部分信息 . 而邊緣存在于圖像的 不規(guī)則結(jié)構(gòu)和不平穩(wěn)現(xiàn)象中 ,也即存在于信號(hào)的突變點(diǎn)處 ,這些點(diǎn)給出了圖像輪廓的位置 ,這些輪 廓常常是我們?cè)趫D像處理時(shí)所需要的非常重要的一些特征條件 , 這就需要我們對(duì)一幅圖像檢測(cè)并提 取出它的邊緣 . 而邊緣檢測(cè)算法則是圖像處理問題中經(jīng)典技術(shù)難題之一 , 它的解決對(duì)于我們進(jìn)行高 層次的特征描述 , 識(shí)別和理解等有著重大的影響 。 又由于邊緣檢測(cè)在許多方面都有著非常重要的使 用價(jià)值 , 所以人們一直在致力于研究和解決如何構(gòu)造出具有良好性質(zhì)及好的效果的邊緣檢測(cè)算子的 問題 .在通常情況下 ,我們可以將信號(hào)中 的奇異點(diǎn)和突變點(diǎn)認(rèn)為是圖像中的邊緣點(diǎn) ,其附近灰度的 變化情況可從它相鄰像