• 图像处理--颜色变换

    2017-09-10 11:31:48
    图像处理 色盲患者的色觉系统的异常使他们无法区分某些不同的颜色,导致某些颜色无法分辨。电子产品中的图像是由不同颜色空间格式表示的颜色矩阵,通过对颜色矩阵处理可以实现颜色的替换。通过对患者容易混淆颜色的...

    图像处理
    色盲患者的色觉系统的异常使他们无法区分某些不同的颜色,导致某些颜色无法分辨。电子产品中的图像是由不同颜色空间格式表示的颜色矩阵,通过对颜色矩阵处理可以实现颜色的替换。通过对患者容易混淆颜色的替换使之可以区分出无法分辨的颜色,以达到矫正的目的。
    一,颜色替换策略算法
    利用matlab中的rgb2ind函数将真彩色图像转换为索引图像,RGB图像一个像素点由三个分量表示,分别存储RGB颜色空间中的R,G,B分量的值;而索引图是由单个索引值和对应的调色板组成,将图片的颜色空间由rgb真彩图转换成索引图的格式,调用图片索引矩阵的调色板,通过对调色板颜色和对应索引的对应关系或者索引对应rgb值的改变实现对颜色的替换。
    二,Matlab应用到android中
    matlab函数和java:将图像处理函数的.m文件转化成jar包,供android端调用。这种方法要求运行机器上必须有MATLAB Runtime共享库,用于在未安装matlab的机器上运行matlab应用程序。这种方法适用于在android应用的服务器上使用。

    function imgProc5(oriRGB,tarRGB,picUri,load)
    %传进来图片和色盲类型参数,返回处理后的色盲图
    %新思路:能否通过改变改变map中相应索引的所对应的值改变图像
       img=imread(picUri);     %将图片读入矩阵
    [imgindex,map]=rgb2ind(img,256);
    newmap=changeMap(oriRGB,tarRGB,map);
    targetImg=ind2rgb(imgindex,newmap);
    imwrite(targetImg,load,'quality',80);
    end
    
    function y=changeMap(oriRGB,tarRGB,map)
        %函数: 参数-需要替换的源RGB(oriRGB)和替换成目标RGB(tarRGB)以及图像矩阵的调色板map;
        %功能-实现调色板相应索引值得改变达到改变图像的目的;
    
    
         newtarRGB=roundn((double(tarRGB)/255),-1);
        [row,col]=size(oriRGB);
        for i=1:row
    
         arrIndex=getIndex(oriRGB(i,:),map);
         if arrIndex==0
    
         else
             l=length(arrIndex);
              for j=2:l
             map(arrIndex(j),:)=newtarRGB(i,:);
              end
         end
        end
    y=map;
    end
    %-------------------
    function index=getIndex(arrRGB,map)
    %函数:颜色RGB一维arrRGB和颜色表map。返回arrRGB对应的map二维数组的索引
         I=[0];%记录匹配的索引
        newArrRGB=roundn((double(arrRGB)/255),-1);
        for i=1:1:256
            map_i=roundn((map(i,:)),-1);     
           if  newArrRGB==map_i
              I=[I i];
           end
        end
        index=I;
    end

    实现图片中部分颜色的替换

    展开全文
  • 在实际处理图像时,经常需要对图像进行分割,然后提取ROI,本学习笔记记录怎么用Matlab实现基于颜色图像分割。 基于颜色图像分割实现简单,算法简洁,具有很好的实时性。 实现代码的过程中,我参考了Kyle ...

    在实际处理图像时,经常需要对图像进行分割,然后提取ROI,本学习笔记记录怎么用Matlab实现基于颜色的图像分割。

    基于颜色的图像分割实现简单,算法简洁,具有很好的实时性。

    实现代码的过程中,我参考了Kyle Hounslow的objectTrackingTutorial.cpp,链接:https://www.youtube.com/watch?v=bSeFrPrqZ2A点击打开链接。颜色分割的数据范围及寻找最大连通区域的思想由师兄提供。

    转载请注明出处:http://blog.csdn.net/u010278305。

    本文涉及到的知识点如下:

    1、RGB到YCBCR的色彩空间转换。

    2、用各个通道的阈值对图像进行二值化。

    3、形态学处理:腐蚀、膨胀、孔洞填充。

    4、连通区域提取。

    主要涉及到的Matla图形处理函数如下:rgb2ycbcr(色彩空间转换),roicolor(ROI二值化),imerode(腐蚀),imdilate(膨胀),imfill(孔洞填充),regionprops(区域属性)。这些函数的具体实现还是参考冈萨雷斯的《数字图像处理》,及matlab帮助文档,及论文引用。

    不多说了,具体看代码,每一步都有注释.

    %function:
    %       基于颜色的图像分割
    %       定位图片中的脸部区域
    %referrence:
    %       思路借鉴Kyle Hounslow写的objectTrackingTutorial.cpp。
    %       Kyle Hounslow的原版代码链接:https://www.youtube.com/watch?v=bSeFrPrqZ2A
    %       Y_MIN ,Y_MAX ,Cb_MIN , Cb_MAX ,Cr_MIN , Cr_MAX 的取值及寻找最大区域的想法由课题组师兄提供
    %date:2015-1-8
    %author:chenyanan
    %转载请注明出处:http://blog.csdn.net/u010278305
    
    %清空变量,读取图像
    clear;close all
    RGB = imread('images/girl.jpg');
    
    figure('name','process'),
    subplot(2,2,1),imshow(RGB),title('原始RGB'),
    
    %convert frame from RGB to YCBCR colorspace(转换到YCBCR空间)
    YCBCR = rgb2ycbcr(RGB);
    whos,
    subplot(2,2,2),imshow(YCBCR),title('YCBCR'),
    %filter YCBCR image between values and store filtered image to threshold
    %matrix(用各个通道的阈值对其进行二值化处理)
    Y_MIN = 0;  Y_MAX = 256;
    Cb_MIN = 100;   Cb_MAX = 127;
    Cr_MIN = 138;   Cr_MAX = 170;
    threshold=roicolor(YCBCR(:,:,1),Y_MIN,Y_MAX)&roicolor(YCBCR(:,:,2),Cb_MIN,Cb_MAX)&roicolor(YCBCR(:,:,3),Cr_MIN,Cr_MAX);
    subplot(2,2,3),imshow(threshold),title('YCBCR二值化'),
    
    %perform morphological operations on thresholded image to eliminate noise
    %and emphasize the filtered object(s)(进行形态学处理:腐蚀、膨胀、孔洞填充)
    erodeElement = strel('square', 3) ;
    dilateElement=strel('square', 8) ;
    threshold = imerode(threshold,erodeElement);
    threshold = imerode(threshold,erodeElement);
    threshold=imdilate(threshold, dilateElement);
    threshold=imdilate(threshold, dilateElement);
    threshold=imfill(threshold,'holes');
    subplot(2,2,4),imshow(threshold),title('形态学处理'),
    
    %获取区域的'basic'属性, 'Area', 'Centroid', and 'BoundingBox' 
    figure('name','处理结果'),
    stats = regionprops(threshold, 'basic');
    [C,area_index]=max([stats.Area]);
    %定位脸部区域
    face_locate=[stats(area_index).Centroid(1),stats(area_index).Centroid(2)];
    imshow(RGB);title('after'),hold on
    text(face_locate(1),face_locate(2)-40,  'face','color','red');
    plot(face_locate(1),face_locate(2), 'b*');
    rectangle('Position',[stats(area_index).BoundingBox],'LineWidth',2,'LineStyle','--','EdgeColor','r'),
    hold off

    运行之后的效果如下图:



    原始图片已上传。


    展开全文
  • 数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。本专栏将以学习笔记形式对数字图像处理的重点基础知识进行总结整理,欢迎大家一起学习交流...

    数字图像处理(Digital Image Processing)是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。本专栏将以学习笔记形式对数字图像处理的重点基础知识进行总结整理,欢迎大家一起学习交流!
     专栏链接:数字图像处理学习笔记

     

    目录

    彩色图像基础

    彩色空间(也称彩色模型或彩色系统)

    彩色空间转换

    伪彩色图像处理

    强度分层技术

    灰度级到彩色的转换

    全彩色图像处理基础

    彩色变换

    彩色图像平滑

    彩色图像尖锐化(拉普拉斯微分)

    彩色分割(把一幅图像分成区域)

    RGB彩色空间分割


    彩色图像基础

    为什么要研究彩色图像处理?

    符合人类视觉特点

    • 人类可以辨别几千种颜色色调和亮度
    • 只能辨别几十种灰度层次

    有用的描绘子

    • 简化目标物的区分
    • 目标识别:根据目标的颜色特征

    彩色图像处理可分为:

    全彩色处理

    • 数码相机
    • 数码摄像机
    • 彩色扫描仪

    伪彩色处理

    • 对不同的灰度或灰度范围赋予不同的颜色

    当一束白光通过一个玻璃棱镜时,出现的光束 不是白光,而是由一端为紫色到另一端为红色的 连续彩色谱组成

    光特性是颜色科学的核心

    描述彩色光的3个基本量:

    • 辐射率:从光源流出能量的总量,用瓦特(W) 度量
    • 光强:观察者从光源接收的能量总和
    • 亮度:主观描绘子

    三原色 :红色(Red)、绿色(Green)、蓝色(Blue)

    原色相加可产生二次色

    • 深红色:红+蓝
    • 青    色:绿+蓝
    • 黄    色:红+绿

     

    彩色空间(也称彩色模型或彩色系统)

    RGB

    • CCD技术直接感知R,G,B三个分量
    • 是图像成像、显示、打印等设备的基础

    CMY(青、深红、黄)、CMYK (青、深红、 黄、黑)

    运用在大多数在纸上沉积彩色颜料的设备, 如彩色打印机和复印机

    CMYK

    • 打印中的主要颜色是黑色
    • 等量的CMY原色产生黑色,但不纯
    • 在CMY基础上,加入黑色,形成CMYK彩色 空间

    HSI(色调、饱和度、亮度)

    两个特点:

    • 分量与图像的彩色信息无关
    • H和S分量与人感受颜色的方式是紧密相连的

    将亮度(I)与色调(H)和饱和度(S)分开
    避免颜色受到光照明暗(I)等条件的干扰
    仅仅分析反映色彩本质的色调和饱和度
    广泛用于计算机视觉、图像检索和视频检索

    YIQ

    • Y指亮度(Brightness),即灰度值
    • I和Q指色调,描述色彩及饱和度
    • 用于彩色电视广播,被北美的电视系统 所采用(属于NTSC系统)
    • Y分量可提供黑白电视机的所有影像信息

    YUV

    • Y指亮度,与YIQ的Y相同
    • U和V也指色调,不同于YIQ的I和Q
    • 用于彩色电视广播,被欧洲的电视系统所采用(属于PAL系统)
    • Y分量也可提供黑白电视机的所有影像信息

    YCbCr 

    • Y指亮度,与YIQ和YUV的Y相同
    •  Cb和Cr由U和V调整得到
    • JPEG采用的彩色空间

    彩色空间转换

                    

                       
    RGB和CMY值都归一化到[0,1]

                        

                             

                               

                                  

                                    

    伪彩色图像处理

    什么叫伪彩色图像处理?

    • 也叫假彩色图像处理
    • 根据一定的准则对灰度值赋以彩色的处理
    • 区分:伪彩色图像、真彩色图像、单色图像

    为什么需要伪彩色图像处理?

    • 人类可以辨别上千种颜色和强度
    • 只能辨别二十几种灰度

    应用

    • 为人们观察和解释图像中的灰度目标

    怎样进行伪彩色图像处理?

    • 1.    强度分层技术
    • 2.    灰度级到彩色转换技术

    强度分层技术

    把一幅图像描述为三维函数(x,y,f(x,y))

    分层技术:放置平行于(x,y)坐标面的平面

    每一个平面在相交区域切割图像函数

    令[0,L-1]表示灰度级,使l0代表黑色(f(x,y)=0), lL-1代表白色(f(x,y)=L-1)。假设垂直于强度轴的P 个平面定义为量级l1,l2,…,lP。0<P<L-1,P个平面 将灰度级分为P+1个间隔,V1,V2,…,VP+1,则灰度级 到彩色的赋值关系:

                                     

    • ck  是与强度间隔 Vk
    • 第K级强度有关的颜色
    • Vk  是由在l=k-1和l=k分割平面定义的

    灰度级到彩色的转换

    • 对任何输入像素的灰度级执行3个独立变换
    • 3个变换结果分别送入彩色监视器的红、绿、 蓝三个通道
    •  产生一幅合成图像

    全彩色图像处理基础

    全彩色图像处理研究分为两大类:

    • 分别处理每一分量图像,然后,合成彩色图像
    • 直接对彩色像素处理:3个颜色分量表示像素 向量。令c代表RGB彩色空间中的任意向量

                        

    对大小为 M * N 的图像

                           

                          

    彩色变换

    彩色变换函数

                             

    补色

    补色:在如图所示的彩色环上,与一种色调直接 相对立的另一种色调称为补色

                    

    作用:增强嵌在彩色图像暗区的细节

    彩色图像平滑

    令Sxy表示在RGB彩色图像中定义一个中心在(x,y) 的邻域的坐标集,在该邻域中RGB分量的平均值为

                             

    彩色图像尖锐化(拉普拉斯微分)

    RGB彩色空间,分别计算每一分量图像的拉普拉斯变换

                                   

    彩色分割(把一幅图像分成区域)

    HSI彩色空间分割——直观

    • H色调图像方便描述彩色
    • S饱和度图像做模板分离感兴趣的特征区
    • 强度图像不携带彩色信息

    RGB彩色空间——直接

    RGB彩色空间分割

    令z代表RGB空间中的任意一点,a是分割 颜色样本集的平均颜色向量

                                             

    D0是距离阈值

     

    展开全文
  • 图像颜色处理

    2019-02-14 22:05:51
    伪彩色和图像与真彩色图像的区别处理。 真彩色(True Color):真彩色是指在组成一幅彩色图像的每个像素值中,有R、G、B三个基色分量,每个基色分量直接决定显示设备的基色强度产生彩色。(RGB混合) 伪彩色(Pse.....

     

    基本原理:

    1简述三色成像原理?

    利用红、蓝、绿不同比例混合可以生成人眼看到的所有颜色,以红、蓝、绿为基本单位,不同的比例混合来显示出人眼可以看到的所有颜色。

    1. 伪彩色和图像与真彩色图像的区别处理。

    真彩色(True Color):真彩色是指在组成一幅彩色图像的每个像素值中,有R、G、B三个基色分量,每个基色分量直接决定显示设备的基色强度产生彩色。(RGB混合)

    伪彩色(Pseudo Color):每个像素的颜色不是由每个基色分量的数值直接决定,而是把像素值当作颜色查找表(color look-up table,CLUT)的表项入口地址,去查找一个显示图像时使用的R,G,B强度值,用查找出的R,G,B强度值合成产生彩色。(一个色值表只有少数颜色)

    假彩色(False Color):将多波段单色影像合成为假彩色影像,如landsat 7/ETM+有八个波段,用其中三个合成就是假彩色。(多种伪彩色不同比例的混合)

    http://blog.sina.com.cn/s/blog_764b1e9d0100t9c8.html

    1. 简单叙述RGB与HIS模型之间的变换方法。

    RGB色彩空间:

    HIS模型反应了人的视觉系统观察彩色的方式,使用非常接近于人对彩色感知的方式来定义彩色。对于图像处理来说,这种模型的优势在于将颜色信息和灰度信息分开了。色调(Hue)分量是描述一种纯色的颜色属性(如红色,绿色,黄色),饱和度(Saturation)分量是一种纯色被白光稀释的程度的度量,也可以理解为颜色的浓淡程度(如深红色,淡绿色),亮度(Instensity)分量描述颜色的亮暗程度。这个模型的建立基于以下两个重要事实:

    I分量与图像的色彩信息无关;

    H和S分量与人感受颜色的方式紧密相连。

    HIS颜色空间,如下图所示:

    https://wenku.baidu.com/view/3ccc1ec58bd63186bcebbc0c.html

    1. 彩色和灰度之间是可以互相转换的,由灰度转换为彩色的过程称为伪彩色处理处理,又彩色转化为灰度的称为( 灰度 )处理?

    将彩色图像转化成为灰度图像的过程成为图像的灰度化处理。彩色图像中的每个像素的颜色有R、G、B三个分量决定,而每个分量有255中值可取,这样一个像素点可以有1600多万(255*255*255)的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像,其一个像素点的变化范围为255种,所以在数字图像处理种一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。图像的灰度化处理可用两种方法来实现。

    第一种方法使求出每个像素点的R、G、B三个分量的平均值,然后将这个平均值赋予给这个像素的三个分量。

    第二种方法是根据YUV的颜色空间中,Y的分量的物理意义是点的亮度,由该值反映亮度等级,根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应:Y=0.3R+0.59G+0.11B,以这个亮度值表达图像的灰度值。

    1. 灰度转换成彩色图像的目的?伪彩色处理的用途是什么?

    灰度是有黑到白色中白色的稀释程度(也就是黑色的浓淡程度)。

    人眼对彩色的分辨率远高于灰度差的分辨率,伪彩色利于人去观察。

    在我们的生活中, 灰度图像对于视觉的观测上对区域的区分不是十分明显,例如某个图片中模糊的细节, 或某个环境中温度较高的区域, 因此, 将它们从灰度图像中突显出来就显得十分必要了。伪彩色增强技术可以使图像中的观察对象的某些细节突出显示, 提高对图像细节的辨别力。伪彩色技术对于图像中的观察对象的轮廓进行勾勒, 使之更加清晰和容易识别。也可应用在医学领域的透视图像中。

    实验内容:

    1灰度图像lena.bmp伪彩色处理.

    2彩色图片lena.jpeg灰度化。

    分别使用MATLAB和OPENCV。

    实验报告内容:

    1分别使用MATLAB和OPENCV给出代码和主要函数说明注释.

    2回答上述问题。

    对应函数

     im=imread('C:\Users\Administrator\Desktop\lena.jpg');
    
    gray=rgb2gray(im);
    
    I=double(gray);
    
    [m,n]=size(I);
    
    L=256;
    
    for i=1:m%将灰度图像中的RGB按照特定的分段函数转换
    
        for j=1:n
    
    if I(i,j)<=L/4
    
        R(i,j)=0;
    
        G(i,j)=4*I(i,j);
    
        B(i,j)=L;
    
    else if I(i,j)<=L/2
    
            R(i,j)=0;
    
            G(i,j)=L;
    
            B(i,j)=-4*I(i,j)+2*L;
    
        else if I(i,j)<=3*L/4
    
                R(i,j)=4*I(i,j)-2*L;
    
                G(i,j)=L;
    
                B(i,j)=0;
    
            else
    
                R(i,j)=L;
    
                G(i,j)=-4*I(i,j)+4*L;
    
                B(i,j)=0;
    
            end
    
        end
    
    end
    
        end
    
    end
    
    for i=1:m
    
        for j=1:n
    
            rgbim(i,j,1)=R(i,j);
    
            rgbim(i,j,2)=G(i,j);
    
            rgbim(i,j,3)=B(i,j);
    
        end
    
    end
    
    rgbim=rgbim/256;
    
    figure;
    
    subplot(1,2,1);%分区显示
    
    imshow(gray);%显示灰度图像
    
    subplot(1,2,2);
    
    imshow(rgbim);%显示伪彩色图像

     

    展开全文
  • 图像处理中常用的特征有哪些? 在物体识别、计数的过程中,通常要将人为观察到的特征用于分割目标图像,常用的图像特征可归结为: 颜色特征 纹理特征 形状特征 *空间关系特征 颜色特征 颜色...

    图像处理中常用的特征有哪些?

    在物体识别、计数的过程中,通常要将人为观察到的特征用于分割目标图像,常用的图像特征可归结为:

    • 颜色特征
    • 纹理特征
    • 形状特征
    • *空间关系特征

    ##颜色特征

    颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征,此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感,所以颜色特征不能很好地捕捉图像中对象的局部特征。另外,仅使用颜色特征查询时,如果数据库很大,常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法,其优点是不受图像旋转和平移变化的影响,进一步借助归一化还可不受图像尺度变化的影响,基缺点是没有表达出颜色空间分布的信息。

    常用的特征提取与匹配方法

    (1) 颜色直方图

    其优点在于:它能简单描述一幅图像中颜色的全局分布,即不同色彩在整幅图像中所占的比例,特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于:它无法描述图像中颜色的局部分布及每种色彩所处的空间位置,即无法描述图像中的某一具体的对象或物体。

    最常用的颜色空间:RGB颜色空间、HSV颜色空间。

    颜色直方图特征匹配方法:直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。

    (2) 颜色集

    颜色直方图法是一种全局颜色特征提取与匹配方法,无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从 RGB颜色空间转化成视觉均衡的颜色空间(如 HSV 空间),并将颜色空间量化成若干个柄。然后,用色彩自动分割技术将图像分为若干区域,每个区域用量化颜色空间的某个颜色分量来索引,从而将图像表达为一个二进制的颜色索引集。在图像匹配中,比较不同图像颜色集之间的距离和色彩区域的空间关系

    (3) 颜色矩

    这种方法的数学基础在于:图像中任何的颜色分布均可以用它的矩来表示。此外,由于颜色分布信息主要集中在低阶矩中,因此,仅采用颜色的一阶矩(mean)、二阶矩(variance)和三阶矩(skewness)就足以表达图像的颜色分布。

    (4) 颜色聚合向量

    其核心思想是:将属于直方图每一个柄的像素分成两部分,如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值,则该区域内的像素作为聚合像素,否则作为非聚合像素。

    (5) 颜色相关图

    ##纹理特征

    (一)特点:纹理特征也是一种全局特征,它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性,并不能完全反映出物体的本质属性,所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同,纹理特征不是基于像素点的特征,它需要在包含多个像素点的区域中进行统计计算。在模式匹配中,这种区域性的特征具有较大的优越性,不会由于局部的偏差而无法匹配成功。作为一种统计特征,纹理特征常具有旋转不变性,并且对于噪声有较强的抵抗能力。但是,纹理特征也有其缺点,一个很明显的缺点是当图像的分辨率变化的时候,所计算出来的纹理可能会有较大偏差。另外,由于有可能受到光照、反射情况的影响,从2-D图像中反映出来的纹理不一定是3-D物体表面真实的纹理。

    例如,水中的倒影,光滑的金属面互相反射造成的影响等都会导致纹理的变化。由于这些不是物体本身的特性,因而将纹理信息应用于检索时,有时这些虚假的纹理会对检索造成“误导”。

    在检索具有粗细、疏密等方面较大差别的纹理图像时,利用纹理特征是一种有效的方法。但当纹理之间的粗细、疏密等易于分辨的信息之间相差不大的时候,通常的纹理特征很难准确地反映出人的视觉感觉不同的纹理之间的差别。

    (二)常用的特征提取与匹配方法

    纹理特征描述方法分类

    (1)统计方法统计方法的典型代表是一种称为灰度共生矩阵的纹理特征分析方法Gotlieb 和 Kreyszig 等人在研究共生矩阵中各种统计特征基础上,通过实验,得出灰度共生矩阵的四个关键特征:能量、惯量、熵和相关性。统计方法中另一种典型方法,则是从图像的自相关函数(即图像的能量谱函数)提取纹理特征,即通过对图像的能量谱函数的计算,提取纹理的粗细度及方向性等特征参数

    (2)几何法

    所谓几何法,是建立在纹理基元(基本的纹理元素)理论基础上的一种纹理特征分析方法。纹理基元理论认为,复杂的纹理可以由若干简单的纹理基元以一定的有规律的形式重复排列构成。在几何法中,比较有影响的算法有两种:Voronio 棋盘格特征法和结构法。

    (3)模型法

    模型法以图像的构造模型为基础,采用模型的参数作为纹理特征。典型的方法是随机场模型法,如马尔可夫(Markov)随机场(MRF)模型法和 Gibbs 随机场模型法

    (4)信号处理法

    纹理特征的提取与匹配主要有:灰度共生矩阵、Tamura 纹理特征、自回归纹理模型、小波变换等。

    灰度共生矩阵特征提取与匹配主要依赖于能量、惯量、熵和相关性四个参数。Tamura 纹理特征基于人类对纹理的视觉感知心理学研究,提出6种属性,即:粗糙度、对比度、方向度、线像度、规整度和粗略度。自回归纹理模型(simultaneous auto-regressive, SAR)是马尔可夫随机场(MRF)模型的一种应用实例。

    形状特征

    (一)特点:各种基于形状特征的检索方法都可以比较有效地利用图像中感兴趣的目标来进行检索,但它们也有一些共同的问题,包括:①目前基于形状的检索方法还缺乏比较完善的数学模型;②如果目标有变形时检索结果往往不太可靠;③许多形状特征仅描述了目标局部的性质,要全面描述目标常对计算时间和存储量有较高的要求;④许多形状特征所反映的目标形状信息与人的直观感觉不完全一致,或者说,特征空间的相似性与人视觉系统感受到的相似性有差别。另外,从 2-D 图像中表现的 3-D 物体实际上只是物体在空间某一平面的投影,从 2-D 图像中反映出来的形状常不是 3-D 物体真实的形状,由于视点的变化,可能会产生各种失真。

    (二)常用的特征提取与匹配方法

    Ⅰ几种典型的形状特征描述方法

    通常情况下,形状特征有两类表示方法,一类是轮廓特征,另一类是区域特征。图像的轮廓特征主要针对物体的外边界,而图像的区域特征则关系到整个形状区域。

    几种典型的形状特征描述方法:

    (1)边界特征法该方法通过对边界特征的描述来获取图像的形状参数。其中Hough 变换检测平行直线方法和边界方向直方图方法是经典方法。Hough 变换是利用图像全局特性而将边缘像素连接起来组成区域封闭边界的一种方法,其基本思想是点—线的对偶性;边界方向直方图法首先微分图像求得图像边缘,然后,做出关于边缘大小和方向的直方图,通常的方法是构造图像灰度梯度方向矩阵。

    (2)傅里叶形状描述符法

    傅里叶形状描述符(Fourier shape descriptors)基本思想是用物体边界的傅里叶变换作为形状描述,利用区域边界的封闭性和周期性,将二维问题转化为一维问题。

    由边界点导出三种形状表达,分别是曲率函数、质心距离、复坐标函数。

    (3)几何参数法

    形状的表达和匹配采用更为简单的区域特征描述方法,例如采用有关形状定量测度(如矩、面积、周长等)的形状参数法(shape factor)。在 QBIC 系统中,便是利用圆度、偏心率、主轴方向和代数不变矩等几何参数,进行基于形状特征的图像检索。

    需要说明的是,形状参数的提取,必须以图像处理及图像分割为前提,参数的准确性必然受到分割效果的影响,对分割效果很差的图像,形状参数甚至无法提取。

    (4)形状不变矩法

    利用目标所占区域的矩作为形状描述参数。

    (5)其它方法

    近年来,在形状的表示和匹配方面的工作还包括有限元法(Finite Element Method 或 FEM)、旋转函数(Turning Function)和小波描述符(Wavelet Descriptor)等方法。

    Ⅱ 基于小波和相对矩的形状特征提取与匹配

    该方法先用小波变换模极大值得到多尺度边缘图像,然后计算每一尺度的 7个不变矩,再转化为 10 个相对矩,将所有尺度上的相对矩作为图像特征向量,从而统一了区域和封闭、不封闭结构。

    空间关系特征

    (一)特点:所谓空间关系,是指图像中分割出来的多个目标之间的相互的空间位置或相对方向关系,这些关系也可分为连接/邻接关系、交叠/重叠关系和包含/包容关系等。通常空间位置信息可以分为两类:相对空间位置信息和绝对空间位置信息。前一种关系强调的是目标之间的相对情况,如上下左右关系等,后一种关系强调的是目标之间的距离大小以及方位。显而易见,由绝对空间位置可推出相对空间位置,但表达相对空间位置信息常比较简单。

    空间关系特征的使用可加强对图像内容的描述区分能力,但空间关系特征常对图像或目标的旋转、反转、尺度变化等比较敏感。另外,实际应用中,仅仅利用空间信息往往是不够的,不能有效准确地表达场景信息。为了检索,除使用空间关系特征外,还需要其它特征来配合。

    (二)常用的特征提取与匹配方法
    提取图像空间关系特征可以有两种方法:一种方法是首先对图像进行自动分割,划分出图像中所包含的对象或颜色区域,然后根据这些区域提取图像特征,并建立索引;另一种方法则简单地将图像均匀地划分为若干规则子块,然后对每个图像子块提取特征,并建立索引。


    展开全文
  • 数字图像处理数字图像处理 一学习内容总结 第一章 绪论 1 什么是数字图像处理 2 使用数字图像处理领域的实例 3 数字图像处理的基本步骤 4 图像处理系统的组成 第二章 数字图像处理基础 1 视觉感知要素 2 光和电磁...
  • 傅立叶变换在图像处理中有非常重要的作用。因为不仅傅立叶分析涉及图像处理很多方面,傅立 叶改进算法,比如离散余弦变换,gabor与小波在图像处理中也有重要的分量。傅立叶变换在图像处理的重要作用:  1.图像增强...
  • FPGA与图像处理

    2018-06-07 20:07:55
    用FPGA做图像处理最关键的一点优势就是:FPGA能进行实时流水线运算,能达到最高的实时性。因此在一些对实时性要求非常高的应用领域,做图像处理基本就只能用FPGA。例如在一些分选设备中图像处理基本上用的都是FPGA,...
  • 图像处理基本概念

    2018-07-07 19:55:07
    本文总结一下数字图像处理基本概念,主要来源:《数字图像处理》第三版第二章 数字图像处理:利用计算机系统对数字图像进行各种目的的处理数字图像:二维数字组形式表示的图像像素:由一个数字序列表示的图像中的一...
  • 最近开始接触图像处理,接到的首个任务就是将实验室用颜色标记好的数据再在原图上按不同颜色框出来,以在模型预测阶段检查预测效果。下面使用一张摇滚乐队Halestrom的图片进行说明。 首先,我拿到的原图如下图所示...
  • 图像处理与识别

    2017-03-23 09:45:57
    数字图像处理是对图像进行分析、加工、和处理,使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储,因而图像处理很多情况下指数字图像处理。此外,...
  • 本次实验的目的是利用图像处理技术,基于数字化存储的玻璃底板图像自动生成尽量非虚化的彩色图像。为完成本次实验,你需要从原始图像文件中分割提取三个彩色通道图像,将它们对齐并彼此叠加在一起,最终形成一张RGB...
  • 图像处理与识别学习小结   数字图像处理是对图像进行分析、加工、和处理,使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储,因而图像处理很多...
  • 本人有过多年用FPGA做图像处理的经验,在此也谈一下自己的看法。用FPGA做图像处理最关键的一点优势就是:FPGA能进行实时流水线运算,能达到最高的实时性。因此在一些对实时性要求非常高的应用领域,做图像处理基本就...
  • 形态学图像处理

    2016-12-31 16:17:01
    形态学,即数学形态学(mathematical Morphology),是图像处理中应用最为广泛的技术之一,主要用于从图像中提取对表达和描绘区域形状有意义的图像分量,使后续的识别工作能够抓住目标对象最为本质〈最具区分能力-...
  • 原理介绍: 颜色空间也称彩色模型(又称彩色空间或彩色系统)它的用途是在某些... 在彩色图像处理中,选择合适的彩色模型是很重要的。从应用的角度来看,人们提出的众多彩色模型可以分为两类。一类面向诸如
  • 第一章 图像的概念: 1.什么是图像? 图 —— 物体投射或反射光的分布,是客观存在; 像 —— 人的视觉系统对图的接收在大脑中形成的印象或认识,是人的感觉;...图像处理:对图像信息进行性加工(...
  • 本文采用了数字图像处理技术,使用python+opencv及常用的数字图像处理方法对各种情况下的车牌进行定位,主要采用了HSV空间的颜色分割和边缘检测及轮廓检测方法,实验结果表明采用的方法及设计的系统都是非常有效的。...
  • 图像处理复习 编码与冗余图像编码,就是对图像源数据按一定的规则进行变换和组合,从而达到以尽可能少的代码来表示尽可能多的数据的目的编码实现了压缩
1 2 3 4 5 ... 20
收藏数 31,159
精华内容 12,463