《数字图像处理 图像特征提取教学提纲.ppt》由会员分享，可在线阅读，更多相关《数字图像处理 图像特征提取教学提纲.ppt（75页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、数字图像处理图像特征提取1数字图像处理图像特征提取像特征提取图像特征提取，主要可以分为两个层次，一层是底层特征提取，另一层是高层特征提取。高层特征提取，往往是基于语义层次的高度，如人脸识别、人的行为分析等等，这些都必须根据底层特征的提取结果并通过机器学习才能得到。底层特征提取，是一切图像分析的基础，已经得到了广泛的研究和相对成熟的成果。颜色形状纹理2数字图像处理图像色彩与灰度像色彩与灰度颜色是一种重要的视觉信息属性，在数字图像处理中是一种很有用的特征。相对于其它特征，颜色特征非常稳定，对于旋转、平移、尺度变化，甚至各种变形都不敏感，表现出相当强的鲁棒性，而且颜色特征计算简单，因此成为现有图像处
2、理系统中应用最广泛的特征。对于颜色特征，分两个部分进行讲述，包括彩色和灰度信息处理。对于彩色信息处理，主要讲述几种常见的色彩空间；而对于灰度信息处理，主要讲述直方图技术。3数字图像处理彩色信息彩色信息处理理HSV色彩空间YUV色彩空间RGB色彩空间Lab色彩空间XYZ色彩空间4数字图像处理RGB色彩空色彩空间根据人眼结构，所有颜色都可看作是3个基本颜色红（Red），绿（Green）和蓝（Blue）的不同组合。在RGB颜色空间的原点上，任一基色均没有亮度，即原点为黑色。三基色都达到最高亮度时表现为白色。亮度较低的等量的三种基色产生灰色的影调。所有这些点均落在彩色立方体的对角线上，该对角线被称为灰
3、色线。彩色立方体中有三个角对应于三基色，红色、绿色和蓝色。剩下的三个角对应于二次色，黄色、青色（蓝绿色）和品红（紫色）。5数字图像处理RGB色彩空色彩空间6数字图像处理RGB色彩空色彩空间原始彩色图像红色分量图像绿色分量图像蓝色分量图像7数字图像处理HSV色彩空色彩空间8数字图像处理从从RGB到到HSV颜色空色空间的的转换9数字图像处理从从RGB到到HSV颜色空色空间的的转换10数字图像处理从从HSV到到RGB颜色空色空间的的转换11数字图像处理HSV色彩空色彩空间原始彩色图像色调分量图像饱和度分量图像亮度分量图像12数字图像处理YUV色彩空色彩空间YUV是一种真彩色颜色空间的表示，其中Y表示
4、亮度，U和V表示色度和浓度。YUV经常与YCbCr等术语进行混用，其中YUV主要是用来描述模拟信号，而YCbCr则是用来描述离散的视频信号。在常用的压缩格式MPEG和JPEG中，YCbCr得到了很好的应用，但是如今，YUV在电脑系统中也得到了广泛的应用。YUV格式可以分为两种：紧缩格式：将Y、U、V值存储为宏像素阵列，和RGB的存储方式类似；平面格式：将Y、U、V三个分量分别存储在不同的矩阵中。13数字图像处理YUV色彩空色彩空间14数字图像处理YUV色彩空色彩空间原始彩色图像Y（亮度）分量图像U（色度）分量图像V（浓度）分量图像15数字图像处理XYZ色彩空色彩空间16数字图像处理XYZ色彩空
5、色彩空间原始彩色图像X分量图像Y分量图像Z分量图像17数字图像处理Lab色彩空色彩空间18数字图像处理Lab色彩空色彩空间19数字图像处理Lab色彩空色彩空间原始彩色图像L分量图像a分量图像b分量图像20数字图像处理直方直方图处理理21数字图像处理从灰度从灰度图像像统计直方直方图CTArray CImageProcessing:Histogram_of_gray_image(const CTMatrix&gray_image)const long dimension=256;/直方图维数CTArray histogram(dimension);/构造直方图for(int index=0;ind
6、ex dimension;index+)/直方图遍历histogram index =0;long image_height=gray_image.Get_height();/图像高度long image_width =gray_image.Get_width();/图像宽度for(int row=0;row image_height;row+)for(int column=0;column image_width;column+)histogram gray_imagerowcolumn +;return histogram;/返回直方图22数字图像处理直方直方图相似性度量相似性度量23数字
7、图像处理直方直方图相似性度量相似性度量24数字图像处理Bin-by-bin相似性度量相似性度量25数字图像处理Cross-bin相似性度量相似性度量26数字图像处理直方直方图均衡化均衡化27数字图像处理CTMatrix CImageProcessing:Histogram_equalization(const CTMatrix&gray_image,long equal_scale)long image_height=gray_image.Get_height();long image_width =gray_image.Get_width();CTMatrix result_image(im
8、age_height,image_width);CTArray histogram=Normalize_histogram(Histogram_of_gray_image(gray_image);for(int index=1;index histogram.GetDimension();index+)histogram index +=histogram index-1;for(int index=0;index histogram.GetDimension();index+)histogram index =long(long(histogram index *equal_scale)*(
9、256.0/double(equal_scale);histogram index =max(0,histogram index );histogram index =min(255,histogram index );for(int row=0;row image_height;row+)for(int column=0;column image_width;column+)result_image row column =BYTE(histogram gray_image row column );return result_image;28数字图像处理直方直方图均衡化均衡化原始图像29数
10、字图像处理直方直方图高斯模型高斯模型30数字图像处理直方直方图高斯模型高斯模型31数字图像处理直方直方图高斯模型高斯模型32数字图像处理直方直方图高斯模型高斯模型33数字图像处理投影直方投影直方图34数字图像处理形状特征提取形状特征提取基于图像内物体形状的检索是基于内容检索当中一个最具挑战性的问题之一，因为寻找符合人眼感知特性的形状特征不是一件简单的工作。首要的困难是要将不同物体从图像中分割出来，这是计算机视觉的困难问题之一。形状的描述也是困难的问题，常用的方法有傅立叶描述子、矩不变量、各种简单的形状因子（如面积、圆度、偏心度、主轴方向）等。除了这些全局特征以外，有时也用一些局部特征（如直线段
11、、圆弧、角点、高曲率点等），以解决遮挡问题。35数字图像处理形状特征提取形状特征提取Hu不变矩傅里叶描述子Hough变换Zernike不变矩Radon变换36数字图像处理Hu不不变矩矩矩是一种完备的数学表示，其优点是能够直接用于包含感兴趣目标的区域而不需事先把目标分离出来。区域的矩是用所有属于区域内的点计算出来的，因而不太受噪声等的影响。由于低阶矩对噪声和量化误差不敏感，所以矩为描述区域提供了一种虽不完备但却有用的总体表示。矩在图像检索中，特别是在商标图像检索中，得到了广泛的应用。Hu不变矩具有良好的尺度、平移和旋转不变性，在基于形状的商标图像检索中取得了非常好的检索性能。37数字图像处理Hu
12、不不变矩矩38数字图像处理Hu不不变矩矩39数字图像处理Hu不不变矩矩40数字图像处理Zernike不不变矩矩41数字图像处理Zernike不不变矩矩42数字图像处理伪Zernike不不变矩矩计算算43数字图像处理Hough变换44数字图像处理Hough变换45数字图像处理Hough变换46数字图像处理Hough变换47数字图像处理Radon变换48数字图像处理Radon变换49数字图像处理Radon变换Radon变换的具体实现，大致可以分为四个步骤将坐标原点移至图像中心直线参数计算直线坐标的最大最小值计算根据角度进行分区讨论50数字图像处理Radon变换51数字图像处理傅里叶描述子傅里叶描述
13、子52数字图像处理傅里叶描述子傅里叶描述子为了验证所得到的傅里叶描述子是否正确，可以对傅里叶描述子进行傅里叶逆变换，然后从所得到的一维复数数组中恢复二值图像，通过比较新旧图像就可以看出所得到的傅里叶描述子是否正确。53数字图像处理从二从二值图像得到一像得到一维傅里叶正傅里叶正变换输入的源入的源码实现CTArray CImageProcessing:Position_from_binary_image(const CTMatrix&binary_image,BlackWhite object_color)long number_of_objects=0;long image_height=bin
14、ary_image.Get_height();long image_width =binary_image.Get_width();for(int row=0;row image_height;row+)for(int column=0;column image_width;column+)if(binary_image row column =object_color)number_of_objects+;CTArray array_of_positions(number_of_objects);number_of_objects=0;for(int row=0;row image_heig
15、ht;row+)for(int column=0;column image_width;column+)if(binary_image row column =object_color)array_of_positions number_of_objects.m_re=row;array_of_positions number_of_objects.m_im=column;number_of_objects+;return array_of_positions;54数字图像处理从一从一维傅里叶逆傅里叶逆变换的的输出恢复出恢复二二值图像的源像的源码实现CTMatrix CImageProcess
16、ing:Binary_image_from_position(const CTArray&array_of_positions,long image_height,long image_width,BlackWhite object_color)CTMatrix binary_image(image_height,image_width);for(int row=0;row image_height;row+)for(int column=0;column image_width;column+)binary_image row column =(object_color=White?Blac
17、k:White);long dimension=array_of_positions.GetDimension();for(int index=0;index dimension;index+)long row=long(array_of_positions index.m_re);long column=long(array_of_positions index.m_im);if(binary_image.Is_point_valid(CImagePoint(row,column)binary_image row column =object_color;return binary_imag
18、e;55数字图像处理纹理特征提取理特征提取通常认为纹理是在图像上表现为灰度或颜色分布的某种规律性，这种规律性在不同类别的纹理中有其不同特点。纹理大致可分为两类：一类是规则纹理，它由明确的纹理基本元素（简称纹理基元）经有规则排列而成，常被称为人工纹理。另一类是准规则纹理，它们的纹理基元没有明确的形状，而是某种灰度或颜色的分布。常用的三种纹理分析方法是：统计分析方法例如使用直方图的各阶矩或区域灰度共生矩阵；结构分析方法例如利用纹理基元及其排列规律；频谱分析方法例如选取纹理模式的主方向和基本周期。56数字图像处理统计分析方法分析方法57数字图像处理用于用于纹理分析的理分析的频域域变换58数字图像处理
19、Gabor变换Gabor变换是根据模拟人类视觉系统而产生的。通过模拟人类视觉系统，可以将视网膜成像分解成一组滤波图像，每个分解的图像能够反映频率和方向在局部范围内的强度变化。通过一组多通道Gabor滤波器，可以获得纹理特征。Gabor变换的根本就是Gabor滤波器的设计，而滤波器的设计又是其频率函数和高斯函数参数的设计。通过频率参数和高斯函数参数的选取，Gabor变换可以选取很多纹理特征，但是Gabor是非正交的，不同特征分量之间有冗余，所以在对纹理图像的分析中效率不太高。59数字图像处理Gabor变换60数字图像处理Gabor变换61数字图像处理小波小波变换62数字图像处理离散小波离散小波变
20、换所使用的所使用的滤波器波器银行行离散小波变换系数分解（总分解层数为n=1,2,3）63数字图像处理离散小波离散小波变换系数分解（系数分解（总分解分解层数数为n=5）64数字图像处理对应于人眼于人眼视觉感受的感受的纹理特征理特征Tamura等人研究了一系列的对应于人眼视觉感受的纹理特征，分别为粗糙度（coarseness）对比度（contrast）方向性（directionality）线状性（line-likeness）规整度（regularity）平滑度（roughness）从人的感知经验可知，粗糙度、对比度和方向性是人们区分纹理时所用的三个最主要特征，其中粗糙度是最基本、最重要的纹理特征。
21、65数字图像处理粗糙度粗糙度66数字图像处理粗糙度粗糙度67数字图像处理对比度比度68数字图像处理对比度比度69数字图像处理方向性方向性70数字图像处理方向性方向性71数字图像处理方向性方向性72数字图像处理方向性方向性73数字图像处理本章小本章小结对于图像色彩与灰度信息统计，首先介绍了各种色彩空间，包括RGB、HSV、YUV、XYZ和Lab等色彩空间，然后讲述了基于灰度信息的直方图处理。关于直方图处理，主要涉及直方图相似性度量、直方图均衡化、直方图高斯模型和投影直方图。对于形状特征提取，给出了五种具体的计算方法，包括Hu不变矩、Zernike不变矩、Hough变换、Radon变换和傅里叶描述子，其中傅里叶描述子与傅里叶变换是紧密相连的。对于纹理特征提取，本章介绍了三种纹理分析方法，分别为统计分析方法、结构分析方法和频谱分析方法。进一步讨论了三种用于纹理分析的频域变换，包括傅里叶变换、Gabor变换和小波变换。介绍了对应于人眼视觉感受的纹理特征，包括粗糙度、对比度和方向性。74数字图像处理此此课件下件下载可自行可自行编辑修改，修改，仅供参考！供参考！感感谢您的支持，我您的支持，我们努力做得更好！努力做得更好！谢谢75数字图像处理