【文章內(nèi)容簡(jiǎn)介】 ，用以上的形狀描述參數(shù)物體比較合適。如果圖像的邊界特征復(fù)雜，用以上的參數(shù)來描述物體的形狀比較困難。對(duì)于復(fù)雜的物體，我們可以通過矩和輪廓描述符來描述復(fù)雜物體。矩特征是建立在對(duì)一個(gè)區(qū)域內(nèi)部灰度值分布的統(tǒng)計(jì)分析基礎(chǔ)上的，是一種統(tǒng)計(jì)平均的描述，可以從全局觀點(diǎn)描述對(duì)象的整體特征。矩是一種線性特征，矩特征對(duì)于圖像的旋轉(zhuǎn)、比例尺度、平移具有不變性，因此可以用來描述圖像中區(qū)域的形狀特性。 不變矩二維矩不變量理論是在1962年由美籍華人學(xué)者胡貴明提出的，并將矩用于形狀識(shí)別。對(duì)于連續(xù)圖像二維函數(shù)f(x,y)，其(p+q)階矩定義為如下黎曼積分形式： (35)式中p,q=0,1,2,L。根據(jù)唯一性定理（Papoulis,1965），若f(x,y)是分段連續(xù)的，即只要在xy平面區(qū)域有非零值，則所有的各階矩均存在，且矩序列{}唯一的被f(x,y)所確定。反之，{}也唯一的確定了f(x,y)。將上述矩特征量進(jìn)行位置歸一化，得到圖像f(x,y)的中心矩：對(duì)于數(shù)字圖像f(x,y)，用雙重求和的形式代替上述積分，點(diǎn)(x,y)處的(p+q)階矩定義為： (36)由此可見該中心幾何矩也符合尺度不變性的特性。 基于不變矩的形狀特征提取 特征提取步驟連續(xù)外輪廓邊緣圖像圖像外輪廓圖像庫(kù)特征庫(kù)不變矩特征目標(biāo)區(qū)域連續(xù)、單值、二值化輪廓圖31 形狀特征提取系統(tǒng)流程，得到邊緣圖像；，得到外輪廓圖像；：首先平滑輪廓線得到連續(xù)的輪廓線，采用自適應(yīng)二值化的方法二值化該輪廓線，再細(xì)化輪廓線。最后得到清晰的連續(xù)平滑、單像素、二值化的外輪廓圖像；，得到圖像的外輪廓線所包圍的目標(biāo)區(qū)域；，構(gòu)成這幅圖像的形狀特征向量；，將特征值存入圖像特征庫(kù)。 邊緣提取算子的確定圖像邊緣蘊(yùn)含了豐富的信息，是抽取圖像形狀特征的重要屬性。因此，邊緣算子必須能做到清晰，準(zhǔn)確。 邊緣提取常用算子邊緣提取的主要計(jì)算方法是基于方向?qū)?shù)掩模求卷積的方法，得到橫向縱向的梯度圖像和模值圖像，然后根據(jù)梯度方向來進(jìn)行模的極大值提取，獲得需要的物體邊緣。它是對(duì)目標(biāo)輪廓線或邊界的檢出。常用的有Roberts算子、Prewitt算子、Sobel算子和Laplacian算子。在實(shí)際應(yīng)用中，因?yàn)橐恍?shí)際的因素，如光照、隨機(jī)噪聲的影響，往往會(huì)使圖像模糊或出現(xiàn)孤立的邊緣點(diǎn)，使邊緣檢測(cè)遇到很多難題。前面的幾種方法在不同程度上存在著對(duì)噪聲敏感的缺點(diǎn)。我們需要精確的檢測(cè)出圖像的邊緣點(diǎn)，意味著以下三點(diǎn)：低失誤率，既要少將真正的邊緣丟失，也要少將非邊緣判為邊緣；高定位精度，檢測(cè)出的邊緣應(yīng)在真正的邊緣位置上；對(duì)每個(gè)邊緣有唯一的響應(yīng)，得到的邊緣為單邊緣。 Canny算子Canny算子是一類具有優(yōu)良性能的邊緣檢測(cè)算子，它在許多圖像處理領(lǐng)域得到廣泛應(yīng)用。從本質(zhì)上講，它并不只是簡(jiǎn)單的進(jìn)行梯度運(yùn)算來決定像素是否為邊緣點(diǎn)，在決定一個(gè)像素是否為當(dāng)前邊緣點(diǎn)時(shí)，需要考慮其它像素的影響；也不是簡(jiǎn)單的邊界跟蹤，在尋找邊緣點(diǎn)時(shí)，需要根據(jù)當(dāng)前像素及前面處理過的像素來進(jìn)行判斷。它把邊緣檢測(cè)的問題轉(zhuǎn)換為檢測(cè)函數(shù)極大值的問題。其基本思想是：先對(duì)處理的圖像選擇一定的Gauss濾波器進(jìn)行平滑濾波，然后采用一種稱之為“非最大值抑制”(NonmaxSuppression)的技術(shù)，對(duì)平滑后的圖像處理后，得到最后的邊緣圖像。Canny提出了判斷邊緣檢測(cè)算子好壞的三個(gè)標(biāo)準(zhǔn)：（1）信噪比準(zhǔn)則盡量做到不漏檢又不誤檢使輸出的信噪比最大。信噪比數(shù)值越大，提取的邊緣質(zhì)量越高；（2）定位精度準(zhǔn)則檢測(cè)出的邊緣點(diǎn)位置距實(shí)際邊緣點(diǎn)的位置最近，使得輸出的圖像定位精度高；（3）單邊緣響應(yīng)準(zhǔn)則每個(gè)邊緣點(diǎn)的響應(yīng)是唯一的。每一個(gè)實(shí)際存在的邊緣點(diǎn)和檢測(cè)到的邊緣點(diǎn)是一一對(duì)應(yīng)的，得到的邊緣寬度為單像素。以上面的準(zhǔn)則為基礎(chǔ)，利用泛函求導(dǎo)的方法導(dǎo)出一個(gè)由邊緣定位精度和信噪比乘積組成的表達(dá)式，這個(gè)表達(dá)式近似于Gauss函數(shù)的一階導(dǎo)數(shù)，此即為該函數(shù)的最好近似。Canny算子的算法實(shí)現(xiàn)主要包括5個(gè)部分：圖像濾波、計(jì)算圖像梯度、抑制梯度非最大點(diǎn)、搜索邊界的起點(diǎn)、跟蹤邊界。平滑圖像時(shí)也用到高斯濾波器，用到的高斯函數(shù)為： （37）原始圖片平滑濾波選擇Gauss濾波器非極值抑制處理選擇極值點(diǎn)的鄰域結(jié)構(gòu)獲得圖像邊界圖32 canny算子的基本流程采用高斯濾波對(duì)圖像進(jìn)行濾波，濾波先對(duì)x方向進(jìn)行，然后對(duì)y方向進(jìn)行，主要是用于去除圖像中的噪聲；產(chǎn)生一個(gè)一維高斯分布函數(shù)，用來生成高斯濾波系數(shù)。理論上高斯數(shù)據(jù)的長(zhǎng)度應(yīng)該是無限長(zhǎng)的，但是實(shí)際的高斯數(shù)據(jù)只能是有限長(zhǎng)的數(shù)據(jù)長(zhǎng)度。根據(jù)概率論的知識(shí)，選取[3σ,3σ]之間的數(shù)據(jù)長(zhǎng)度；計(jì)算方向?qū)?shù)，利用原圖像計(jì)算圖像像素的方向?qū)?shù)；計(jì)算梯度，利用方向?qū)?shù)的計(jì)算結(jié)果，采用二階范數(shù)計(jì)算梯度；抑制局部像素非最大梯度點(diǎn)，這個(gè)函數(shù)是Canny算子的重要部分，Canny算子認(rèn)為梯度圖中只有某些點(diǎn)才有可能成為邊界點(diǎn)或者是邊界的起點(diǎn)；根據(jù)梯度計(jì)算及經(jīng)過非最大抑制后的結(jié)果設(shè)定閾值，這個(gè)函數(shù)也是Canny算子的重要部分，閾值的設(shè)定直接涉及到哪些像素點(diǎn)可能成為邊界點(diǎn)。參數(shù)設(shè)置的值越高，檢測(cè)出來的邊緣點(diǎn)數(shù)目會(huì)越少；利用函數(shù)尋找邊界的起始點(diǎn)；根據(jù)以上步驟的執(zhí)行結(jié)果，從一個(gè)像素點(diǎn)開始進(jìn)行搜索，搜索以該像素點(diǎn)為邊界起點(diǎn)的一條邊界的所有邊界點(diǎn)，函數(shù)采用了遞歸算法。 邊緣提取實(shí)驗(yàn)結(jié)果及分析 邊緣提取算法分析相對(duì)來說，用Sobel算子進(jìn)行邊緣檢測(cè)得到的圖像效果較好，因?yàn)镾obel算子提供了精確的邊緣方向估計(jì)。但是，應(yīng)用Sobel算子得到的邊緣圖像存在著不連續(xù)、定位精度低、對(duì)噪聲敏感、以及邊緣是多像素點(diǎn)的問題。而Canny算子提取的邊緣很好的克服了以上的缺點(diǎn)，不僅能很好的檢測(cè)邊緣，而且能抑制點(diǎn)狀噪聲。 圖像形狀識(shí)別結(jié)果 圖33 原始圖像的邊緣提取結(jié)果采用canny邊緣提取算法隊(duì)員圖像進(jìn)行邊緣提取。所用基本程序代碼如下：format longi=imread(39。39。)。imshow(i)。a=rgb2gray(i)。bw=edge(a,39。canny39。)。imshow(bw)。圖34 基于上圖邊緣提取及識(shí)別分類的結(jié)果基于canny算法的邊緣提取結(jié)果圖，根據(jù)其圓形度及矩進(jìn)行分類的結(jié)果，原圖像的各種特征都不變，只是多出了形狀的標(biāo)注。識(shí)別程序所用的核心程序代碼如下：a=max(khoangcach{k})。 b=min(khoangcach{k})。 c=dt(k).Area。 dolech=ab。 vuong = c/(4*b^2) chunhat=c/(4*b*(a^2b^2)^)。 tamgiacdeu=(c*3^)/((a+b)^2)。 elip =c/(a*b*pi)。 thoi= (c*( a^2 b^2 )^) / (2*a^2*b) if dolech 10 text(s(k).Centroid(1)20,s(k).Centroid(2),39。圓39。) elseif (vuong ) amp。 (vuong ) text(s(k).Centroid(1)20,s(k).Centroid(2),39。正方形39。) elseif (elip ) amp。 (elip ) text(s(k).Centroid(1)20,s(k).Centroid(2),39。橢圓39。) elseif (thoi ) amp。 (thoi ) text(s(k).Centroid(1)20,s(k).Centroid(2),39。菱形39。) elseif ((chunhat ) amp。 (chunhat )) text(s(k).Centroid(1)20,s(k).Centroid(2),39。長(zhǎng)方形39。) elseif (tamgiacdeu ) amp。 (tamgiacdeu ) text(s(k).Centroid(1)20,s(k).Centroid(2),39。三角形39。)其中a為圖像中心到邊緣的最大距離，b為圖像中心到邊緣的最小距離。如果圖像為標(biāo)準(zhǔn)的話，各公式算出的結(jié)果應(yīng)均為1。本程序允許有5%的誤差。程序中各個(gè)公式都是根據(jù)各種形狀的面積計(jì)算的特征來確定的。如橢圓的面積為。程序先把圖像的邊緣提取出來，然后分別計(jì)算這幾個(gè)參數(shù)，然后和預(yù)設(shè)的值逐個(gè)進(jìn)行比較，直到判斷出圖像是什么形狀。圖35 基于sobel算法邊緣提取及識(shí)別分類的結(jié)果對(duì)橢圓進(jìn)行邊緣提取，并根據(jù)求出的圓形度判斷出該圖形為橢圓。判斷程序代碼如下：a=max(khoangcach{k})。b=min(khoangcach{k})。c=dt(k).Area。elip =c/(a*b*pi)。elseif (elip ) amp。 (elip ) text(s(k).Centroid(1)20,s(k).Centroid(2),39。橢圓39。)圖36 基于sobel算法邊緣提取及識(shí)別分類的結(jié)果對(duì)三角形進(jìn)行邊緣提取，并根據(jù)求出的圓形度和矩判斷出該圖形為三角形。判斷程序代碼如下：a=max(khoangcach{k})。b=min(khoangcach{k})。c=dt(k).Area。tamgiacdeu=(c*3^)/((a+b)^2)。elseif (tamgiacdeu ) amp。 (tamgiacdeu ) text(s(k).Centroid(1)20,s(k).Centroid(2),39。三角形39。)圖37 基于sobel算法邊緣提取及識(shí)別分類的結(jié)果對(duì)圓進(jìn)行邊緣提取，并根據(jù)求出的圓形度和矩判斷出該圖形為圓。判斷程序代碼如下：a=max(khoangcach{k})。b=min(khoangcach{k})。dolech=ab。if dolech 10 text(s(k).Centroid(1)20,s(k).Centroid(2),39。圓39。)24天津職業(yè)技術(shù)師范大學(xué)2012屆本科生畢業(yè)設(shè)計(jì)圖38 基于sobel算法邊緣提取及識(shí)別分類的結(jié)果對(duì)菱形進(jìn)行邊緣提取，并根據(jù)求出的圓形度和矩判斷出該圖形為菱形。判斷程序代碼如下：a=max(khoangcach{k})。b=min(khoangcach{k})。c=dt(k).Area。thoi= (c*( a^2 b^2 )^) / (2*a^2*b)elseif (thoi ) amp。 (thoi ) text(s(k).Centroid(1)20,s(k).Centroid(2),39。菱形39。)圖39 基于sobel算法邊緣提取及識(shí)別分類的結(jié)果對(duì)正方形進(jìn)行邊緣提取，并根據(jù)求