【文章內容簡介】 大多數(shù)應用場合，謂詞十分復雜．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?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，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．設一幅灰度圖像中物體的灰度分布在區(qū)間內，經過閾值運算后的圖像為二值圖像，即： 　　如果物體灰度值分布在幾個不相鄰區(qū)間內時，閾值化方案可表示為： 其中Z是組成物體各部分灰度值的集合．圖3．1是對一幅灰度圖像使用不同閾值得到的二值圖像輸出結果．閾值算法與應用領域密切相關．事實上，某一閾值運算常常是為某一應用專門設計的，在其它應用領域可能無法工作．閾值選擇常常是基于在某一應用領域獲取的先驗知識，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)在已經研究出許多利用圖像灰度分布和有關的物體知識來自動選擇適當閾值的技術． 圖像區(qū)域分析圖像中的區(qū)域是指相互連結的具有相似特性的一組像素．由于區(qū)域可能對應場景中的物體，因此，區(qū)域的檢測對于圖像解釋十分重要．一幅圖像可能包含若干個物體，而每一個物體又可能包含對應于物體不同部位的若干個區(qū)域．為了精確解釋一幅圖像，首先要把一幅圖像劃分成對應于不同物體或物體不同部位的區(qū)域．　區(qū)域與邊緣圖像區(qū)域劃分有兩種方法：一種是基于區(qū)域的方法，另一種是使用邊緣檢測的輪廓預估方法．在基于區(qū)域的方法中，把所有對應于一個物體的像素組合在一起，并進行標記，以表示它們屬于一個區(qū)域，這一處理過程稱為分割．在某一評判標準下，把像素分配給某一區(qū)域，就可以把這些像素同圖像其余部分分開．圖像分割中的兩個最基本的原則是數(shù)值相似性和空間接近性．如果兩個像素具有相似的強度特性，或它們之間十分靠近，則可以把它們分配到同一區(qū)域，例如，兩個像素之間的數(shù)值相似性度量可以是它們的灰度值之差，也可以是區(qū)域灰度值分布；它們的空間接近性度量可以是歐幾里德距離，也可以是區(qū)域致密度． 相似性和接近性原則來源于如下假設：同一物體上的點投影到圖像上得到的像素點在空間上十分靠近，且具有相似的灰度值．很顯然，這一假設并不是在任何情況下都成立．然而可以使用這一假設來組合圖像中的像素，然后利用相關域知識來匹配物體模型和區(qū)域．在簡單的情況下，可以通過閾值法和連通成份標記法來進行圖像分割．對于復雜的圖像，可以使用更高級的方法實現(xiàn)圖像分割． 分割也可以通過求取區(qū)域邊界上的像素來進行．這些像素點（也稱為邊緣）可以通過搜尋鄰近像素的方法來得到．由于邊緣像素是在邊界上，在邊界兩邊的區(qū)域具有不同的灰度值，這樣，區(qū)域的邊界可以通過測量鄰近像素差值來求取．盡管邊緣檢測可能使用誘導特性（如紋理和運動）來檢測邊緣．但大多數(shù)邊緣檢測器僅使用強度特性作為邊緣檢測的基礎．在理想的圖像中，一個區(qū)域是由一條封閉輪廓線包圍著．原則上，區(qū)域分割和邊緣檢測應該產生相同的結果，即使用邊界跟蹤算法可以得到區(qū)域的邊緣（或封閉的輪廓線）；反過來，使用區(qū)域填充算法也可以得到邊緣所包圍的區(qū)域．但在實際的圖像中，很少能夠從區(qū)域中得到正確的邊緣，反之亦然．由于噪聲和其它因素的影響，不論是區(qū)域分割還是邊緣檢測，都無法提供完整的信息． 圖像處理與識別及圖像理解所研究的內容 圖像處理技術1．圖像數(shù)字化其目的是將模擬形式的數(shù)字圖像通過數(shù)字化設備變?yōu)閿?shù)字計算機可用的離散的圖像數(shù)據(jù)。2．圖像變換為了達到某種目的（通常是從圖像中獲得某種重要的信息）而對圖像使用一種數(shù)學技巧，經過變換后的圖像更為方便、容易地處理和操作。3．圖像增強圖像增強的主要目標是改善圖像的質量。采用某種特殊的技術來突出圖像中的某些信息，削弱或消除某些無關信息，從而有目的地強調圖像的整體或局部特征。常常用來改善人對圖像的視覺效果，讓觀察者能看到更加直接、清晰、適于分析的信息。直方圖修正、灰度變換、強化圖像輪廓等都是常用的手段。4．圖像分割在圖像的研究和應用中，人們往往僅對圖像的某些部分感興趣。它們一般對應圖像中特定的、具有獨特性質的區(qū)域。圖像分割就是把圖像分割成各具特性的區(qū)域并提取出感興趣的目標。5．圖像分析圖像分析也可稱為圖像理解，主要研究從圖像中提取有用的數(shù)據(jù)或信息，生成非圖像的描述或表示。圖像分析的內容分為特征提取、圖像分割、符號描述、紋理分析、運動圖像分析和圖像的檢測和配準。 圖像識別技術圖像識別是近20年來發(fā)展起來的一門新型技術科學，它以研究某些對象或過程的分類與描述為主要內容。圖像識別所研究的領域十分廣泛，它可以是醫(yī)學圖像中的癌細胞識別；機械加工中的零部件的識別、分類；可以是從遙感圖片中辨別農作物、森林、湖泊與軍事設施；可以是自導引小車中的路徑識別；郵政系統(tǒng)中自動分煉信函；交通管制、識別違章行使的汽車牌照；銀行的支票識別、身份證識別等。上述都是圖像識別研究的課題?？偟脕碚f所研究的問題，主要是分類問題。1． 圖像識別系統(tǒng)的組成一個圖像識別系統(tǒng)主要包括3部分：圖像信息獲??；信息加工和處理、抽取特征；判斷和分類。如圖2－2所示。被識別圖像圖像信息獲取處理、特征抽取識別判斷　　　　　　　　圖2－2　圖像識別系統(tǒng)框圖2． 圖像識別方法圖像識別的方法較多，大體上可以歸納為兩類方法：統(tǒng)計方法（數(shù)學方法）和語言（或結構）學方法，后者亦稱句法結構識別方法。統(tǒng)計方法以數(shù)學上決策理論為基礎，根據(jù)這種理論建立了統(tǒng)計學識別模型。其基本模型是在對研究的圖像進行大量統(tǒng)計分析，找出規(guī)律性認識，抽出反映圖像本質特征進行識別。在這種方法中，大量工作在于如何抽取圖像的特征或決定統(tǒng)計參數(shù)，即所謂參數(shù)法。另外，還有非參數(shù)決策法，如鄰近法則，它是一種跳過概率的估計而直接進行決策的方法。對于特征抽取，必須把圖像的大量原始信息縮減為少數(shù)的特征，例如采用分差分布、特征向量法。對文字、符號等可只抽取幾何圖形特征，對聲波信號可抽取頻普特征。為了抽取特征，有時要對原始圖像信息進行各種變換，空間投影，把多維的圖像點簡化到幾個坐標分量上。句法結構識別法立足于分析圖像的結構，一幅圖像可以模仿語言構造，用一些語句來表達。語句的結構是由詞、短語等組成，并按照一定的語法表達出來。也就是說，語句由短語組成，而短語由單詞組成，其中最基本的元素就是單詞。那么一些語句又怎么樣和圖像發(fā)生聯(lián)系呢？這可從圖像的形成說起，任何一幅圖像，總是由一些點、直線、斜線、弧線及環(huán)組成，分析圖像的這些基本元素，看它們按怎樣的規(guī)則構成圖像，這就是結構分析的課題。這些基本元素就相當于言句中的單詞；那些直線、曲線可看成短語，它們的全體按怎樣的規(guī)則構成整個圖像，就相當于語法結構。而對圖像識別來說，就相當于檢查圖像所代表的某一類句型，是否符合事先規(guī)定的語法。若語法正確，則認為識別出結果。 圖像理解圖像理解的研究顯然要涉及或包含研究獲取圖像的方法、裝置和具體應用的實現(xiàn)，這就形成了所謂的計算機視覺。傳感器引起失真的補償人的圖像是用灰度的二維陣列表示的，通常由于傳感器的特性會引起幾何學上或者光學上的失真，因此需進行補償。圖像特征的提取圖像凡是亮度發(fā)生急劇變化的地方，都是對應于不同物體面與面之間的邊緣，這是一個重要特征，所以把圖像中亮度急劇變化的點提取出來并對其性質進行描述（如邊緣的方向、幅度、直方圖等），對這些特征點的統(tǒng)計分布狀況進行研究，可認識到物體的構造。如果把相鄰的特征點連接起來則可以構成輸入圖像的曲線。景物特征的提取在觀看物體時看到的不僅是亮度急劇變化的點，同時還有各個面的方向、距離、顏色反射率，這些特征與照明的情況和視點的位置無關，是物體所固有的特征。為了與圖像上特征相區(qū)別，一般稱為景物特征。景物的分割物體的發(fā)現(xiàn)利用景物的特征，把其性質大致相同的領域分割開來，這與圖像處理中把亮度相同的領域分割出來的領域法相同。物體的識別從景物所發(fā)現(xiàn)的各物體再參照物體的模型來識別物體，與此同時確定各物體的位置和方向。景物的識別研究各物體之間的連接關系，由這個連接關系和模型來認識更復雜的物體，從而可以對景物的全體進行描述。特征描述的一致性物體的模型景物的描述物體的描述分離的描述復雜物體的模型關于景物的先驗知識圖像顏色、形狀、紋理景物的特征圖像特征提取圖像景物傳感器的模型圖23 典型的圖像理解系統(tǒng) 圖像處理與識別及圖像理解的關系 在研究圖像理解時，往往要進行圖像的處理、識別及圖像理解的過程，三者關系非常密切，互相交錯。 圖像處理 在研究圖像首先要對獲得的圖像進行預處理以濾去影響的因素，作為幾何、彩色校正等。這樣可提高信噪比：有時由于信息微弱，無法辨識，還得進行增強處理。并且為了從圖像中找到需要識別的東西，還得對圖像進行分割，也就是進行定位和分離，以分出不同的物體。為了給觀察者以清晰的圖像，還要對圖像進行改善，即進行復原處理，它是把已經退化了的圖像加以重建或恢復的過程，以便改進圖像的保真度。在實際處理中，由于圖像信息量非常大，在存儲及傳送中，還要對圖像進行壓縮。上述工作必須用計算機來完成，因而要進行編碼等工作。之前等等都是圖像處理的工作，因此，圖像處理包括圖像增強，圖像編碼，圖像壓縮，圖像復原，圖像分割等。輸入的是圖像，輸出的也是圖像，過程如下所示：圖像處理（編碼、壓縮、增強、分割、復原）　　圖像輸入　　　　　　　　　　　　　　　圖像輸出24圖像處理示意圖圖像識別是在上述分割后的每個部分中，找出它的形狀及紋理等特征，即特征抽取（有時也包括圖像分割），以便對圖像進行分類并對整個圖像作結構上的分析。所以，對圖像識別來說，輸入的是圖像，輸出的是類別和圖像的結構分析，如下圖所示：圖像處理（編碼、壓縮、增強、分割、復原）　　　圖像　　　　　　　　　　　　　　類別＋　結構分析　　　　　　　　　25圖像識別示意圖 圖像理解所謂圖像理解是一個總稱。上述圖像處理及圖像識別的最終目的就在于對圖像作描述和解釋，以便最終理解它是什么圖像。所以它是在圖像處理及識別的基礎上，再根據(jù)分類作結構句法分析，去描述圖像和解釋圖像。圖像處理、識別、及理解之間的關系如圖：圖像處理（編碼、壓縮、增強、分割、復原）圖像　　　　　　　　　　　　　　　圖像描述＋解釋2