【正文】 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。 基于鄰域的關(guān)系，我們連通如常： 2 點(diǎn) p。 j 是整數(shù)和 N 。 18。 1 。注意：如果格點(diǎn)模型是用這鄰接在二維或鄰接在三維。 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)。 gmaxg 與 gmax _ 1 。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。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(lèi)是減少算子，其中變換輪廓點(diǎn)到背景點(diǎn)。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。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。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。通常這樣的算子找到臨界點(diǎn)，并計(jì)算出特殊 路徑通過(guò)對(duì)象連接這些點(diǎn)。 分類(lèi)方法 一類(lèi)形狀減少算子是基于距離變換的。 數(shù)字圖像處理 Digital Image Processing 作者：李白萍 起止頁(yè)碼： 42 頁(yè) 46 頁(yè)， 127 頁(yè) 132 頁(yè) 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(pán)（標(biāo)記半徑這片光碟）載于特定的組成部分。 第三類(lèi)是算子的特點(diǎn)是迭代細(xì)化。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。數(shù)字曲線的道路是一條在 P=p0 。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。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(méi)有改變。要素的 C 是網(wǎng)格點(diǎn)或網(wǎng)格細(xì)胞和分子性（ P 。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。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)。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(chēng) 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） 。 2 。 26 是和對(duì)稱(chēng)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。M 是多少行和列正在 3 維中使用整數(shù)坐標(biāo)（ i。 q 2 C 是有關(guān) n_ i_有一個(gè)序列點(diǎn)， p = p0。 因此，任何一套集合組成了若干組件。 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）。 距離算法 Blum[ 3 ]提出了骨骼的代表是一組對(duì)稱(chēng)點(diǎn)。 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。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。轉(zhuǎn)型包括兩個(gè)步驟。i（ i。 i_ （ i。 j ）） = 8 ：if I（ i。 j ? 1 ） + 1,if I（ i。 j ）） = minf_i_ （ i。（ i。 j ） ] ： 1 _ i _ n ^1_ j _，讓 t_ _T,[ （ i。 j ））有一個(gè)價(jià)值在 T 等于 T（ i。 j ） = 0 。 j 。 j 。 T_(i。 j)? 1。 T__(i。 j)? 1。 j ）在各個(gè)崗位上的 t_與非零值。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 ] 。 臨界點(diǎn)算法 最簡(jiǎn)單的一類(lèi)，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。 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。 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(wèn)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素灰度分布的梯度來(lái)反映 .根據(jù)這一特點(diǎn) ,我們提出了多種邊緣檢測(cè)算子 :如 Robert 算子 ,Sobel 算子 ,Prewitt 算子 , Laplace 算子等 .這些方法 多是以待處理像素為中心的鄰域作為進(jìn)行灰度分析的基礎(chǔ) ,實(shí)現(xiàn)對(duì)圖像 邊緣的提取并已經(jīng)取得了較好的處理效果 . 但這類(lèi)方法同時(shí)也存在有邊緣像素寬 , 噪聲干擾較嚴(yán)重 等缺點(diǎn) ,即使采用一些輔助的方法加以去噪 ,也相應(yīng)的會(huì)帶來(lái)邊緣模糊等難以克服的缺陷 .隨著小 波分析的出現(xiàn) , 其良好的時(shí)頻局部特性被廣泛的應(yīng)用在圖像處理和模式識(shí)別領(lǐng)域中 , 成為信號(hào)處理 中常用的手段和有力的工具 . 通過(guò)小波分析 , 可以 將交織在一起的各種混合信號(hào)分解成不同頻率的 塊信號(hào) ,而通過(guò)小波變換進(jìn)行邊緣檢測(cè) ,可以充分利用其多尺度和多分辨率的性質(zhì) ,真實(shí)有效的表 達(dá)圖像的邊緣特征 .當(dāng)小波變換的尺度減小時(shí) ,對(duì)圖像的細(xì)節(jié)更加敏感 。 p1。 I(p)) of an image are pixels (2D case) or voxels (3D case). The range of a (scalar) image is f0。 2。 26g, is irreexive and symmetric on an image carrier C. The _neighborhood N_(p) of a pixel location p includes p and its _adjacent pixel locations. Coordinates of 2D grid points are denoted by (i。m are the numbers of rows and columns of C. In 3Dwe use integer coordinates (i。 p1。 q) from point p to point q, p 6= q, is the smallest positive integer n such that there exists a sequence of distinct grid points p = p0,p1。 q) has all properties of a metric. Given a binary digital image. We transform this image into a new one which represents at each point p 2 hIi the d4distance to pixels having value zero. The transformation includes two steps. We apply functions f1 to the image I in standard scan order, producing I_(i。 j)), and f2 in reverse standard scan order, producing T(i。 j)), as follows: f1(i。 j) = 0 minfI_(i ? 1。 j) = 1 and i 6= 1 or j 6= 1 m+ n otherwise f2(i。 j)。 j + 1) + 1g The resulting image T is the distance transform image of I. Note that T is a set f[(i。 j)。 j)+1. For all remaining points (i。 j。 j。 T_(i。 j)? 1。 T__(i。 j)? 1。 j) at all positions of T_ with nonzero values. Informally, the theorem says that the distance transform image is reconstructible from the distance skeleton, and it is the smallest data set needed for such a reconstruction. The used distance d4 di_ers from the Euclidean metric. For instance, this d4distance skeleton is not invariant under rotation. For an approximation of the Euclidean distance, some authors suggested the use of di_erent weights for grid point neighborhoods [4]. Montanari [11] introduced a quasiEuclidean distance. In general, the d4distance skeleton is a subset of pixels (p。?1) = 0 ， oi(l) = _ j if this is the lth case I(i。mi(l)) of midpoints ， of the connected ponents in row i. The set of midpoints of all rows constitutes a critical point skeleton of an image I. This method is putationally e198。 But the roof shape edge is located the gradation increase and the reduced intersection portray the peripheral point in mathematics using the gradation derivative the change, to the step edge, the roof shape edge asks its step, the second time derivative separately. To an edge, has the possibility simultaneously to have the step and the line edge characteristic. For example on a surface, changes from a plane to the normal direction different another plane can produce the step edge。 Also because the edge examination all has in many aspects the extremely important use value, therefore how the people are devoting continuously in study and solve the structure to leave have the good nature and the good effect edge examination operator the usual situation, we may the signal in singular point and the point of discontinuity