图像处理 边界跟踪

2017-03-09 10:40:26 zhangyibo123456789 阅读数 7373

 matlab图像处理之二值图像内外边界跟踪

注:原文链接:http://www.cnblogs.com/tiandsp/archive/2013/04/26/3045747.html
       目标内边界的像素全都在目标里面,目标外边界的像素全都不在目标上,是包围着目标的。
二值图像内外边界的计算都是有两种方法的,所以一共是4种算法,不过实际用到跟踪的只有一个而已。
 
       首先是内边界跟踪:
第一种方法不是跟踪方法。步骤是先对原图像腐蚀,然后用原图像减去腐蚀后的图像就得到边界了。
第二种方法是跟踪方法。步骤如下:
1.遍历图像。
2.标记第一个遇见像素块的前景像素(i,j)。
3.对这个像素周围八邻域逆时针搜索,如果搜索到周围有前景像素,那么更新坐标(i,j)为(i',j'),并标记。
4.不断执行第3步直到再次遇见此像素块第一次标记的像素。
5.继续执行第1步。
 
     然后是外边界跟踪:
第一种方法和求内边界第一种方法类似。先对原图像进行膨胀,然后用膨胀后的图像减去原图像即可。
     第二种也不算跟踪方法,只是标记算法而已。就是将图像中前景像素周围的非前景像素标记一下就行了。
 
效果如下:

原图:

内边界:

外边界:

matlab程序如下:

内边界:

clear all;
close all;
clc;

img=imread('rice.png');
img=img>128;
imshow(img);
[m n]=size(img);

imgn=zeros(m,n);        %边界标记图像
ed=[-1 -1;0 -1;1 -1;1 0;1 1;0 1;-1 1;-1 0]; %从左上角像素,逆时针搜索
for i=2:m-1
    for j=2:n-1
        if img(i,j)==1 && imgn(i,j)==0      %当前是没标记的白色像素
            if sum(sum(img(i-1:i+1,j-1:j+1)))~=9    %块内部的白像素不标记
                ii=i;         %像素块内部搜寻使用的坐标
                jj=j;
                imgn(i,j)=2;    %本像素块第一个标记的边界,第一个边界像素为2
                
                while imgn(ii,jj)~=2    %是否沿着像素块搜寻一圈了。
                    for k=1:8           %逆时针八邻域搜索
                        tmpi=ii+ed(k,1);        %八邻域临时坐标
                        tmpj=jj+ed(k,2);
                        if img(tmpi,tmpj)==1 && imgn(tmpi,tmpj)~=2  %搜索到新边界,并且没有搜索一圈
                            ii=tmpi;        %更新内部搜寻坐标,继续搜索
                            jj=tmpj;
                            imgn(ii,jj)=1;  %边界标记图像该像素标记,普通边界为1
                            break;
                        end
                    end
                end
                
            end
        end
    end
end

figure;
imgn=imgn>=1;
imshow(imgn,[]);

%不过要是真取二值图像内边界,通常是原图减去其腐蚀图就行了
se = strel('square',3); 
imgn=img-imerode(img,se);    
figure;
imshow(imgn)

外边界:

clear all;
close all;
clc;

img=imread('rice.png');
img=img>128;
imshow(img);
[m n]=size(img);

imgn=zeros(m,n);        %边界标记图像
ed=[-1 -1;0 -1;1 -1;1 0;1 1;0 1;-1 1;-1 0]; %从左上角像素判断
for i=2:m-1
    for j=2:n-1
        if img(i,j)==1      %如果当前像素是前景像素
            
            for k=1:8
                ii=i+ed(k,1);
                jj=j+ed(k,2);
                if img(ii,jj)==0    %当前像素周围如果是背景,边界标记图像相应像素标记
                    imgn(ii,jj)=1;
                end
            end
            
        end
    end
end
    
figure;
imshow(imgn,[]);

%不过要是真取二值图像外边界,通常是原图膨胀图减去原图就行了
se = strel('square',3); 
imgn=imdilate(img,se)-img;    
figure;
imshow(imgn)



2017-05-26 19:10:29 coming_is_winter 阅读数 12409

                         边界跟踪:内边界跟踪算法解释

 

        边界跟踪是基于边缘的分割常用方法之一,用于区域已分出(二值或已标注),但边界未知的情况。分为内边界与外边界。内边界为区域的一个子集,外边界不是区域的一个子集。

        内边界跟踪算法具体的实施方法比较明确,但在学习的时候感觉稍微有点抽象,结合自己的理解拓展一下。
        具体算法:

                                                                                                       图1

 

                                                                                                         图2


       具体有四步,以上图片中包含四邻域与八邻域,下面主要以以八邻域为例,四邻域原理相似。

 

       第一步中图像处理是以整个图片的最左上角为坐标原点(0,0),所以最靠近左上角的P0为最小行数与最小列数之像素。定义的dir为边界移动的方向,具体为八邻域中的八个方向(0,1,2,3,4,5,6,7)中的一个(如图2中的(b)图),此时默认初始值为7(右下方向)。

       第二步中先判断dir的奇偶性(默认值为7),然后对dir进行计算更改(就是根据上下文调整邻域扫描的初始方向))进行下一轮边界扫描。具体操作看图,画的不是很好,有点乱。

  

 

      这里的奇偶判断及为何是+6,+7具体原理尚未能有效想明白,有待进一步学习。

      第三步比较好理解边界是一个闭合空间,搜索到首尾相接时即结束。

     第四步及将计算了两遍的Pn-1与Pn删除,最后边界为P0到Pn-2。

     水平有限,理解可能有误,加之文笔不好,凑合看哈。

     PS:后边发现有一个不确定的地方,搜索P0的时候dir是默认的7还是先判断dir的奇偶性再按第二步的步骤进行呢?这里先按初始7计算。

     参考文献:

     《图像处理、分析与机器视觉(第三版)》     作者 :Milan Sonka、艾海舟。

 

2017-11-10 21:00:36 hustllx 阅读数 1254

matlab函数:B=bwboundaries(img);

使用栈实现代码:

close all;clear all;
img = imread('G:/bound.jpg');
img = rgb2gray(img);
img = im2bw(img);
img=im2bw(img);
B=bwboundaries(img);%库函数结果

[m,n]=size(img);
k=1;
flag=0;
for i=1:m %找到第一个不为0元素位置
    for j=1:n
        if img(i,j)>0
            stack(k,1)=i;
            stack(k,2)=j;
            starti=i;   %标记第一个点
            startj=j;
            dir=7;
            k=k+1;
            flag=1; %表示已经找到了第一个元素
            break;
        end
    end
    if flag==1
        break;
    end
end

while 1
    if mod(dir,2)==0
        dir=mod(dir+7,8); %偶数处理方式
    else
        dir=mod(dir+6,8); %奇数的处理方式
    end
    i=stack(k-1,1);
    j=stack(k-1,2);
    while 1
        flag=1;
        switch dir
            case 0
                if j+1<n+1&&img(i,j+1)>0%右方
                    stack(k,1)=i;
                    stack(k,2)=j+1;
                    k=k+1;
                    flag=0;%找到下一个元素位置
                else
                    dir=mod(dir+1,8);
                end
            case 1
                if i-1>0&&j+1<n+1&&img(i-1,j+1)>0%右上方
                    stack(k,1)=i-1;stack(k,2)=j+1;
                    k=k+1;
                    flag=0;%找到下一个元素位置
                else
                     dir=mod(dir+1,8);
                end
            case 2
                if i-1>0&&img(i-1,j)>0%上方
                    stack(k,1)=i-1;stack(k,2)=j;
                    k=k+1;
                    flag=0;%找到下一个元素位置
                else
                    dir=mod(dir+1,8);
                end
            case 3
                if i-1>0&&j-1>0&&img(i-1,j-1)>0%左上方
                    stack(k,1)=i-1;stack(k,2)=j-1;
                    k=k+1;
                    flag=0;%找到下一个元素位置
                else
                     dir=mod(dir+1,8);
                end
            case 4
                if j-1>0&&img(i,j-1)>0%左方
                    stack(k,1)=i;stack(k,2)=j-1;
                    k=k+1;
                    flag=0;%找到下一个元素位置
                else
                    dir=mod(dir+1,8);
                end
            case 5
                if i+1<m+1&&j-1>0&&img(i+1,j-1)>0%左下方
                    stack(k,1)=i+1;stack(k,2)=j-1;
                    k=k+1;
                    flag=0;%找到下一个元素位置
                else
                    dir=mod(dir+1,8);
                end
            case 6
                if i+1<m+1&&img(i+1,j)>0%下方
                    stack(k,1)=i+1;stack(k,2)=j;
                    k=k+1;
                    flag=0;%找到下一个元素位置
                else
                    dir=mod(dir+1,8);
                end
            case 7
                if i+1<m+1&&j+1<n+1&&img(i+1,j+1)>0%右下方
                    stack(k,1)=i+1;stack(k,2)=j+1;
                    k=k+1;
                    flag=0;%找到下一个元素位置
                else
                   dir=mod(dir+1,8);
                end
            otherwise
        end
        if flag==0%找到下一个点退出当前循环
            break;
        end
    end
    if  k-1>2&&stack(k-2,1)==starti&&stack(k-2,2)==startj&&stack(k-1,1)==stack(2,1)&&stack(k-1,2)==stack(2,2)%退出循环条件
        break;
    end
end
stack(k-1,:)=[];

figure;
subplot(1,2,1);
imshow(img);
subplot(1,2,2);
imshow(img);
hold on;
for i=1:length(stack)
    hold on; plot(stack(:,2),stack(:,1),'r');
end

使用递归实现:

2017-05-14 22:19:10 PinkRiverside 阅读数 1265

边界跟踪

利用边缘检测算法可以检测出图像中的边界点。但是在很多情况下,仅仅检测出边界点是不够地,必须通过边界跟踪得到边界点序列等数据,为图像分析做准备。对二值图像的边界跟踪可基于八个方向码进行,如图所示。

这里写图片描述

P(x,y) 为物体的一个边界点,则P(x,y) 的下一个边界点必存在其八邻域内,因此可以根据八邻域信息进行外边界跟踪。在找到下一个边界点后,依次边界点为当前边界点继续搜索。这一搜索过程不断重复下去,直到搜索至起点。

图像分割

由边界跟踪结果可得到图像中目标区域边界的提取,将图像分为若干互不交迭的区域,并使这些特征在同一区域内呈现出相似性。

这里写图片描述

2019-08-11 22:07:58 webzhuce 阅读数 1231

边界提取

        要在二值图像中提取物体的边界,容易想到的一个方法是将所有物体内部的点删除(置为背景色)。具体地说,可以逐行扫描图像,如果发现一个黑点的8个邻域都是黑点,则该点为内部点,在目标图 像中将它删除。实际上这相当于采用一个3*3的结构元素对原图进行腐蚀,使得只有那些8个邻域都有黑点的内部点被保留,再用原图像减去腐蚀后的图像,恰好删除了这些内部点,留下了边界像素。这过程如下图所示。
在这里插入图片描述

示例演示

        利用OpenCV实现上面边界提取的功能。

#include<opencv2/opencv.hpp>
using namespace cv;

int main(int argc, char *argv[])
{
   Mat originimage = imread("E:/TestData/head_portrait.bmp");
   Mat element = getStructuringElement(MORPH_RECT, Size(3, 3));
   imshow("OriginImage", originimage);
   Mat erodeimage;
   cv::erode(originimage, erodeimage, element);
   imshow("ErodeImage", erodeimage);

   Mat output = originimage -  erodeimage;
   imshow("Output", output);


    waitKey(0);
    return 0;

}

运行结果

在这里插入图片描述

边界跟踪

        为了依次记录边界上的每个像素,边界跟踪首先按照某种扫描规则找到目标物体边界上的一个像素,然后就以该像素为起始点,根据某种顺序(如顺时针或逆时针)依次找出物体边界上的其余像素,直到又回到起始点,完成整条边界的跟踪。
例如,我们可以按照从左到右、从上到下的顺序扫描图像,这样首先会找到目标物体最左上方的边界点P0.显然,这个点的左侧及上侧都不可能存在边界点(否则左侧或上侧的边界点就会称为第一个被扫描到的边界点),因此不妨从左下方逆时针开始探查,如左下方的点是黑点,直接跟踪至此边界点,否则探查方向逆时针旋转45度,直至找到第一个黑点为止,跟踪至此边界点。找到边界点后,在当前探查方向的基础上顺时针回转90度,继续用上述方法搜索下一个边界点,知道探查又回到初始的边界点P0,则完成整条边界的跟踪。

示例演示

        在一幅图像中,实现跟踪多个边界的功能。对于带孔洞的物体也可以跟踪至其孔洞的轮廓。

#include<opencv2/opencv.hpp>
using namespace cv;

//only process binary image
//black is boundary
std::vector<std::vector<cv::Point>> TraceBoundary(Mat &image)
{
    std::vector<std::vector<Point>> boundaryset;
    Point start, current, next; // start point and current point
    //search dirction array
    int direction[8][2] ={{-1, 1}, //left-down
                          {0, 1}, // down
                          {1, 1}, //right-down
                          {1, 0}, //right
                          {1, -1}, //right-up
                          {0, -1}, //up
                          {-1, -1}, //left-up
                          {-1, 0}  // left
                         };
    int begindirection = 0, currentdirection = 0;
    bool atstart = false, findboundary = false;

    for(int i = 0; i < image.rows; i++)
    {
        for(int j = 0; j < image.cols; j++)
        {
            if(image.at<uchar>(i, j) == 0) //find start point
            {
                start.x = j;
                start.y = i;
                current = start;
                atstart = true;
                findboundary =  true;
                std::vector<Point> points;
                points.push_back(current);
                std::cout << "Start: " << j << " " << i << std::endl;
                while((current.x != start.x) || (current.y != start.y) || atstart)
                {
                    atstart = false;

                    //search next point
                    next.x = current.x + direction[currentdirection][0];
                    next.y = current.y + direction[currentdirection][1];
                    int searchtimes = 1;
                    while(next.x < 0 || next.x >= image.cols || next.y < 0 || next.y >= image.rows || image.at<uchar>(next) == 255)
                    {
                        currentdirection++; //rotate 45 degrees counterclockwise
                        currentdirection %= 8;
                        next.x = current.x + direction[currentdirection][0];
                        next.y = current.y + direction[currentdirection][1];
                        //there are no boundary points in 8 domains, which means they are isolated points
                        if(++searchtimes >= 8)
                            break;
                    }
                    if(image.at<uchar>(next) == 0) // find next point
                    {
                        std::cout << "Next: " << next.x << " " << next.y << std::endl;
                        points.push_back(next);
                        current = next;
                        currentdirection -= 2;
                        if(currentdirection < 0)
                            currentdirection += 8;

                    }
                    else // not find next point
                    {
                        findboundary = false;
                        break;
                    }
                }
                if(findboundary)
                {
                    boundaryset.push_back(points);
                    for(auto &p : points)
                    {
                        image.at<uchar>(p) = 255;
                    }
                }
            } // find boundary one time
        } // for j
    } // for i
    return boundaryset;
}

int main(int argc, char *argv[])
{
   Mat originimage = imread("E:/TestData/head_boundary.bmp");
   imshow("OriginImage", originimage);

   Mat image;
   cvtColor(originimage, image, CV_BGR2GRAY);
   std::vector<std::vector<Point>> boundaryset = TraceBoundary(image);

   //show result
   Mat result;
   originimage.copyTo(result);
   for(auto &points : boundaryset)
   {
       for(auto &p : points)
       {
            result.at<Vec3b>(p)[0]= 0;
            result.at<Vec3b>(p)[0]= 0;
            result.at<Vec3b>(p)[1]= 255;
       }
   }
   imshow("Output", result);


    waitKey(0);
    return 0;

}

运行结果

在这里插入图片描述