《二值图像特征提取算法研究毕业论文》由会员分享，可在线阅读，更多相关《二值图像特征提取算法研究毕业论文（26页珍藏版）》请在金锄头文库上搜索。
1、 本科生毕业设计二值图像特征提取算法研究Binary Image Feature Extraction Algorithm of Study学院名称： 物理与通信电子学院专业名称： 通信工程姓 名： 学 号： 指导教师： 完成日期： 摘要本文先简单描述了数字图像及数字图像处理与我们日常生活的联系，接着介绍了二值图像的几何特征和图像特征提取的几种方法，重点以二值图像为例，讲述图像特征提取算法的研究。首先，文章简单介绍了二值图像的几何特征，详细讲述了二值图像操作中二值形态基本运算的膨胀、腐蚀、开启和闭合运算,并以实例实现了膨胀、腐蚀、开启、闭合等二值操作。其次，本文研究了膨胀与腐蚀的对偶性。归纳总
2、结了膨胀和腐蚀算法的原理。最后，通过示例:“对钢纹的区域标识”，进一步研究二值图像特征提取算法。关键词：特征提取,二值图像，膨胀，腐蚀。iiiAbstractThis article described the digital image and digital image processing which connect with our daily life, then introduced binary image geometry characteristic and several methods of image feature extraction and the narrati
3、ons image feature extraction algorithm research, by the example of the binary images. Firstly, the article introduces the binary images geometry characteristic then narrators the binary image operations that the binary shape fundamental operation such as the inflation, the corrosion, opening and the
4、 closed operation. Secondly, the paper studies the inflation and the corrosions duality. Finally, summarizing the inflation and the corrosion algorithm principle and going a demonstration:” to corrugate steel region marking”, I study the binary image feature extraction algorithm.Key words: The featu
5、re extraction, binary image, the inflation, corrodes. 目录 摘要IABSTRACTII1.引言11.1背景：数字图像及数字图像处理12.二值图像的几何特征33.图像特征提取操作33.1 图像面积33.2 欧拉数44.二值图像操作44.1二值形态学基本运算54.1.1.膨 胀61.膨胀运算的概念62.结构元素形状对膨胀运算结果的影响93.膨胀运算的应用94.1.2腐 蚀91.腐蚀运算的概念92.结构元素形状对腐蚀运算结果的影响113.腐蚀运算在物体识别中的应用114.1.3膨胀与腐蚀的对偶性111.概述112.膨胀与腐蚀实现方法（实例）134
6、.1.4开启和闭合运算151.开启和闭合运算的概念152.噪声滤除175.对钢纹的区域标识176.结束语21参考文献221.引言随着多媒体和Internet技术的快速发展，图像成为多媒体处理的重要内容。在图象处理与计算机视觉领域，图象识别是一项困难而又关键的技术，而其中关键的问题又在于特征提取。在某种意义上，对于目标任务而言，图像特征提取结果的好坏对识别结果将起至关重要的作用，对于后面检测和识别算法的运算量也有很大的影响。所以对图像特征提取方法的研究很有必要。1.1背景：数字图像及数字图像处理每天我们都是在报纸、杂志、书籍、电视、各种小册子等大量的图像信息包围中度过的。这些图像包括文字、照片、
7、图表、插图等，它使我们感到安适和生活情趣。视觉是人类从大自然获取信息的最主要的来源。据统计在人类获取的信息当中，视觉信息约占60，听觉信息约占20，其它的如味觉信息，触觉信息等加起来约占20。由此可见视觉信息对人们的重要性。而图像正是人类获取视觉信息的主要途径。图像是用各种观测系统以不同形式和手段观测客观世界而获得的,可以直接或者间接作用于人眼并进而产生视知觉的实体 .为了能严格地用数学来研究图像的边缘检测（我们只研究灰度图像的边缘检测），我们有必要对数字图像做理论假设： A. 图像是一个二元连续函。 函数的定义域设为D, 表示二维空间中某个点的坐标，表示点的灰度值，值域为V；B. 数字图像是
8、对函数的离散表示。在空间域D上进行抽样:用有限个像素(Pixel)来表示定义域D,每一个像素表示对应区域的平均灰度值)；在值域空间V进行量化：用有限个值代表V；C.由于机器设备等的原因这些像素值都是有误差的或者是带有随机噪声的；图1.1 数字图像及其矩阵表示D.显然我们得到的是一个矩阵,矩阵中每一个元代表一个像素,像素的取值代表这个像素的灰度值。因此在图像的离散模型中我们也常用M表示图像,使用代表图像的第元。所谓数字图像处理就是利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为。利用计算机进行图像处理有两目的：一是产生更适合人观察和识别的图像，二是希望计算机能自动识别和处理图像。
9、无论为了那一种目的，图像处理中关键的一步就是对含有大量各式各样景物信息的图像进行分解，分解的最终结果是图像被分解成一些具有某种特征的最小成分：称为图像的基元。相对于整幅图像来说，这种基元更容易被快速处理。图像的特征指图像场中可用做标志的属性，他可以分为图像的统计特征和图像的视觉特征，图像的统计特征指的是一些人为定义的特征,通过变换才能得到，如图像的直方图、距、频谱等等；图像的视觉特征指的是人的视觉可以直接感受到的自然特征，如区域的亮度、纹理或轮廓等。利用这两类特征把图像分解为一系列有意义的目标或区域的过程称为图像的分割。2.二值图像的几何特征对灰度图像而言，若一幅图像所有的像素只含有两个灰度值
10、，则为二值图像。二值图像的优点不仅体现在它比灰度图像存储容量小，计算速度快，便于进行图像的布尔逻辑运算来组合图像等，而且更主要的是通过二值图像可计算出图像中目标物的几何特性，如目标物的大小、位置等。如果不止一个目标物，则可以对应于这些不同目标物进行标记，以及定出对象物间的差别，从而可以进一步进行图像分析和识别。A.简单的几何特性：面积、周长、位置、方向、投影和距离。B.拓扑特性：邻接与连通、背景与孔包围与边界和目标物体的标记。3.图像特征提取操作在与图像技术领域有关的许多应用中，图像处理和分析的最终目的并不是简单地把图像分割成不同的区域，而是希望进一步分辨出分割成的各个区域的地物类别，例如分辨
11、农田、森林、湖泊和沙滩等；或是希望进一步从分割成的区域中识别出某种物体（目标），例如在河流中识别舰船等。而进行地物分类和物体识别的第一步就是物体特征的提取和检测，然后才能根据检测和提取的图像特征对图像中可能的物体进行识别。而良好的特征应该具有以下四个特点： A可区别性：所选特征对属于不同类别的对象具有明显的差异。B可靠性：所选特征对同一类对象应尽可能一致。C独立性：所选的各特征之间应彼此无关。D数量少：所选特征数目应尽量少，也就是“最佳特征集”。3.1 图像面积 bwarea函数可以获得二值图像的面积，这里的面积简单地可以理解为图像前景中为1的像素的个数。bwarea函数的语法格式为：tota
12、l=bwarea(BW)不着 %返回二值图像BW的面积。bwarea函数并不简单地计算非0像素的数目，它对不同的像素赋予不同的权值，以补偿用离散图像代表连续图像的误差。3.2 欧拉数在结合理论中，闭区域的宏观形态可以用他的拓扑性质来度量。除撕裂或扭接外，在任何变形下都不改变的图像性质称为拓扑性质。显然两点间的距离不是拓扑性质，因为图像拉伸或压缩时它都改变。图像的连通性拓扑性质，当评移、旋转、拉伸、压缩、扭变之后，连通性是不变的。因此，区域的空洞数H和连通区域数C是拓扑性质。可用欧拉数来度量。欧拉数是图像的一种拓扑度量。欧拉数等于图像中所有对象的总数减去这些对象中的空洞的数目，即：E=C-H当然
13、，这里的连接也取决于所定义的邻接类型，即4邻接或8邻接。MATLAB图像处理工具箱中的bweuler函数用来计算二值图像的欧拉数，它的语法格式为：eul= =bweuler(BW,n)eul= =bweuler(BW,n)：计算二值图像BW的欧拉数,n为连通数，n=4表示采用4邻域定义，n=8代表采用4邻域定义，n的默认值为8。4.二值图像操作二值图像中所有的像素只能从0和1这两个值中取，因此在MATLAB中，二值图像用一个由0和1组成的二维矩阵表示。这两个可取的值分别对应于关闭和打开，关闭表征该像素处于背景，而打开表征该像素处于前景。以这种方式来操作图像可以更容易识别出图像的结构特征。二值图
14、像操作只返回与二值图像的形式或结构有关的信息，如果希望对其他类型的图像进行同样的操作，则首先要将其转换为二进制的图像格式，可以通过调用MATLAB提供的函数im2bw来实现，方法如下： I=imread(E:imageLENA.BMP);figure,imshow(I)J=im2bw(I);figure,imshow(J)原始图像如图4.1所示。图4.1 LENA.BMP原始图像二值化处理后的图像如图4.2所示。图4.2 LENA.BMP图二值化的结果4.1二值形态学基本运算二值形态学运算是数学形态学的基础，是一种针对图像集合的处理过程。在二值形态学中，被考察或被处理的二值图像称为目标图像，在
15、本文中用集合A来表示；用于收集信息的“探针”称为结构元素，一般用集合B来表示。为了清晰地表示出图像中物体与背景的区别，本文并约定用“1”和灰色表示二值图像中的前景（物体）像素，用“0”和白色表示背景像素；且为了表述上的方便，一般将不影响理解的“0”标识略去。二值形态学运算中结构元素的尺寸通常明显小与图像的尺寸，是比较小的图像像素的集合。二值形态学运算的过程就是在图像中移动结构元素，将结构元素与其下面重叠部分的图像进行交、并等集合运算。为了确定运算中的参照位置，一般把进行形态学运算的结构元素的参考点称为原点，且原点可以选择在结构元素之中，也可以选择在结构元素之外。二值形态学中的运算对象是集合，也就是二值矩阵，但实际上当涉及两个二值矩阵时不把它们看作是对等的，通常设A为图像矩阵，B为结构元素矩阵。数学形态学运算是用B对A进行操作。实际上，结构元素本身也是一个图像矩阵。我们对每个结构元素矩阵通常表示用户期望的像素，在MATLAB中，中心像素的定义如下：floor(size(SE)+1)/2)其中，SE是结构要素矩阵。例如
