第八章―图像的表示与描述PPT课件

函数r() 。
分
割 和
r()
分 析
r
A
A
221
6.2.2.3 外形特征
第 六
章 – 举例：
图
像
分
割 和
r()
分
析
A
r
A
2 22
6.2.2.3 外形特征
第
六
章
– 问题：函数过分依赖于旋转和缩放变换。
图
– 改进：
像
• 对于旋转——两种改进：
分 割
a.选择离质心最远的点作为起点。
和
b.选择从质心到主轴上最远的点作为起点。
图
1）链码是一种边界的编码表示法。
像
2）用边界的方向作为编码依据，简化边界的描
分
述。一般描述的是边界点集。
割
和
1
分 4-链码
2
3
1 8-链码
析
2
04
0
5
7
3
6
7
6.2.2.1 链码
第 六 章
图 • 链码举例：
像 分 割 和 分 析
4-链码：2222211110011
8
6.2.2.1 链码
第
六
章
图
第
六
章
– 外部特征来进行表示举例：
图 像 分 割 和 分 析
4
6.2.1 特征表示与描述的基本概念
第 六
描述
章
描述是较抽象地表示目标。好的描述应在尽
图 可能区别不同目标的基础上对目标的尺度、平移
像 分
、旋转等不敏感，这样的描述比较通用。
割
和 分
描述也可分为对边界的描述和对区域的描述

用链码表示给定区域边界时，如果区域平移， 链码不会发生变化，而如果区域旋转则链码也会 发生变化。为解决这个问题我们可以利用链码的 一阶差分来重新构造一个序列。如下图：
图8－3 链码的旋转归一化 (利用一阶差分)
第二节 图像幅值特征
一、幅值特征
在区域 M N内的平均幅值，为：
1 M N
f
f (x, y)
P(a, b) Pf (i, j) a, f (m, n) b （8－5）
直方图估值的二阶分布为：
P(a, b) n(a, b) n
（8－6）
（二）统计特征
几个常用的统计特征如下：
1. 均值
L1
b bP(b) a0
（8－7）
2. 方差
L1
2 b
(b b )2 P(b)
a0
（8－8）
xy
（8－19）
M 20 x2 f (x, y)
xy
（8―20）
阶矩的大小代表了灰度沿x方向或y方向发布
的情况 。
可用下式来表示一个区域的灰度分布重心 (x, y)：
x y
M 10
M 00 M 01
（8―21）
M 00
(x, y) 表示了一定形状图像区域中灰度分布的中
心，在许多情况下，它往往是位于区域中最明亮
二、幅值统计特征 （一）直方图特征
通过测得的图像像素的幅度值，可以设法估 计出图像幅值的概率分布，从而形成图像的直方 图特征。
图像灰度的一阶概率分布定义为：
P(b) Pf (x, y) b 0 b L 1
P(b)是一阶近似直方图 ：
P(b) n(b) n
（8－3） （8－4）
二阶直方图特征是以像素对的联合概率分布 的基础上得出的。 它们的幅度值的联合分布可表示为：

3-0=3
第
0 - 1 = -1(3) 3 - 3 = 0
三
1-0=1
2 - 3 = -1(3)
节
0 - 1 = -1(3) 2 - 2 = 0
特 征 表 示 与 描 述
33133030
第
三
章 3.3.2 特征表示与描述:表示法设计
数
字
图
像
• 链码
分
– 应用背景：
析
• 如果边界的本身对于旋转和比例修改来说是无变化的，使用链码才是正确的。一般
析
1）如果关注的焦点是形状特性，选择外部表示方式
2）如果关注的焦点是反射率特性，如颜色、纹理时，选择内部表示方式
第
3）所选表示方式，应该对尺寸、变换、旋转等变量尽可能的不敏感
三
节
特 征 表 示 与 描 述
第 三 章
数
3.3.2 特征表示与描述:表示法设计
字
图
像
分
• 表示法设计
析
– 链码
– 多边形逼近
特 征 表 示 与 描 述
第
三
章 3.3.2 特征表示与描述:表示法设计
数
字
图
像
分 析
• 多边形逼近 – 点合成算法的问题： 顶点一般不对应于边界的拐点（如拐角）。因为新的线段直到超过误差的阈值才开始。
下面讲到的分裂法可用于缓解这个问题
第
三
节
特 征 表 示 与 描 述
第
三
章 3.3.2 特征表示与描述:表示法设计
第 三
– 外形特征 – 边界分段 – 区域骨架
节
特 征 表 示 与 描 述
第
三
章 3.3.2 特征表示与描述:表示法设计

• 如果边界的本身对于旋转和比例修改来说是无变 化的，使用链码才是正确的。一般来说这是不可 能的，实际应用时还需要改进。
• 用链码后，对象只要用1)起点坐标，2)周长（边 界点数）3)链码，4)对象编号，就可以描述。
• 链码一般用于一幅图像中有多个对象的情况，对 单个对象不适用。
3.3.2 特征表示与描述:表示法设计
• 多边形逼近
– 基本思想：用最少的多边形线段，获取边 界形状的本质。
– 寻找最小基本多边形的方法一般有两种： 1）点合成法 2）边分裂法
3.3.2 特征表示与描述:表示法设计
• 多边形逼近
– 点合成算法思想举例：
R R<T
3.3.2 特征表示与描述:表示法设计
• 多边形逼近
R
– 点合成算法：
R<T
3.3.2 特征表示与描述:表示法设计
• 链码
– 问题2： 1）由于起点的不同，造成编码的不同 2）由于角度的不同，造成编码的不同
– 改进2： 1）从固定位置作为起点(最左最上)开始编码 2）通过使用链码的首差代替码子本身的方式
3.3.2 特征表示与描述:表示法设计
• 链码
– 循环首差链码：用相邻链码的差代替链码
k2
• 简单描述子
– 边界的曲率：
a
k1
曲率被描述为斜率的变化率。近似：
用相邻边界线段（描述为直线）的斜率差 作为在边界线交点处的曲率描述子。
交点a处的曲率为 dk = k1 – k2 其中k1、k2 为相邻线段的斜率
3.3.3 特征表示与描述：边界描述子
P1
• 简单描述子
P2
– 边界的凸线段点：
(c) p2 * p4 * p6 = 0 （p2 、p4 、p6 至少有一个0） (d) p4 * p6 * p8 = 0 （p4 、p6 、p8 至少有一个0）

图像分辨率= （x方向的象素数×y方向的象素数）
为了规范事业单位聘用关系，建立和 完善适 应社会 主义市 场经济 体制的 事业单 位工作 人员聘 用制度 ，保障 用人单 位和职 工的合 法权益
巩固与练习
图像
尺寸 总像素数 色彩深度 该图像占用多少位存储空间？ 该图像大小为多少B(字节)？ 该图像大小为多少KB？ 该图像大小为多少MB
一个1G的U盘能够存储多少幅这样的图像
3648*2736 24
为了规范事业单位聘用关系，建立和 完善适 应社会 主义市 场经济 体制的 事业单 位工作 人员聘 用制度 ，保障 用人单 位和职 工的合 法权益
总结：
X方向的像素点
分辨率
图
Y方向的像素点
像
的 大
小
色彩深度（单色图（1位）、两位灰
度图、8位灰度图、24位彩色图）
800×600×16÷8÷1024÷1024 ≈0.916MB
为了规范事业单位聘用关系，建立和 完善适 应社会 主义市 场经济 体制的 事业单 位工作 人员聘 用制度 ，保障 用人单 位和职 工的合 法权益
一个时间为2分钟，分辨率为640*480，24位色பைடு நூலகம்的数字无 声视频。如果视频以25帧/秒的速度播放，则这段视频要播放 的数据量大约（不压缩）是（）。
为了规范事业单位聘用关系，建立和 完善适 应社会 主义市 场经济 体制的 事业单 位工作 人员聘 用制度 ，保障 用人单 位和职 工的合 法权益
彩色图像
24位彩色图像
RGB分别表示什么？ 彩色图像的每个像素是怎样呈现出来的？
为了规范事业单位聘用关系，建立和 完善适 应社会 主义市 场经济 体制的 事业单 位工作 人员聘 用制度 ，保障 用人单 位和职 工的合 法权益

8
9
针对训练
2. 如图所示是一列火车的s－t图，则线段OA段的速度 为__6_0__km/h，AB段的速度为__0_km/h，BC段的速度为 __6_0__km/h.
10
２．速度－时间图象
（1） 速度—时间图像的两轴 纵轴为速度轴：轴上点表示速度；轴上有向线段表示速度变
化量．横轴为时间轴：轴上点表示时刻；轴上段表示时间． （２）匀速直线运动v-t函数关系的数学图像：一条平行与横轴 直线 （３）静止的v-t函数关系的数学图像：横轴．
14
3.如图所示为甲、乙、丙三个物体在同一直线上运动的位 移—时间图像，下列说法正确的是( ) A.前5 s内甲的位移最大 B.前10 s内甲、乙、丙一直向着同 一方向运动 C.前10 s内甲、乙、丙的位移相同 D.前10 s内甲、乙、丙的路程相同
15
【解析】选A、C.前5 s内的位移关系s甲＞s乙＞s丙，A正确. 乙、丙的位移一直增大，说明始终朝一个方向运动，而甲 的位移先增大后减小，说明在后一段做反向运动，B错误. 10 s末三者运动到同一位置，所以前10 s内，三者位移相 同，甲的路程最大，乙、丙路程相同，C正确，D错误.
实例
对于图线1， t1、t2时刻 的位置分别 为s1、s2
v1>v2，v4与v1 、v2反向，v4 的方向为负 方向，v3渐 小最后v3＝0
对于图线4， t＝0时位移 为s3；t＝t3 时x＝0
对于图线1 和4，在t2时 刻相遇，共 同的位置为 s2
7
（4）s-t图象是s与t的函数关系的一种表达形 式，不是物体运动的轨迹． (5) 图像的应用 ①可求出任意时刻物体的位置． ②可求出通过某一位移所对应的时间． ③可判断物体的运动方向． ④可比较物体运动的快慢． ⑤可确定两物体在何时何处相遇．

曲线上的曲线积分来表达）
离散化为:
2020/5/22
A12(xdyyd)x
1N
A2i1[xi(yi1yi)yi(xi1xi)]
1 N
2.i1
(xiyi1xi1yi)
15
数字图像处理
距离
图像中两点P1和P2之间的距离是重要的几何性 质之一，测量距离常用的3种方法如下： 1. 欧几里德距离
d (P 1,P 2)(x1x2)2(y1y2)2
E r2 f(x,y)dxdy
2020/5/22
.
7
数字图像处理
长轴和短轴
若区域或物体的边界已知，则可以采用区域的最 小 外 接 矩 形 （ MER ， Mini-mum Enclosing Rectangle）的尺寸来描述该区域的基本形状， 如图所示，a为长轴，b为短轴。
2020/5/22
.
8
数字图像处理
周长
周长：是指该物体或区域的边界长度。一个形状 简单的物体用相对较短的周长来包围它所占有面 积内的像素，即周长是围绕所有这些像素的外边 界的长度。
计算周长常用的3种方法：
2020/5/22
.
9
数字图像处理
周长计算（1）
若将图像中的像素视为单位面积小方块时，区 域的周长即为区域和背景缝隙的长度之和，此 时边界用隙码表示，计算出隙码的长度就是物 体的周长。如图所示图形，边界用隙码表示时， 周长为24。
2020/5/22
.
3
数字图像处理
概述
图像表示：分为边界表示（如链码、边界 分段等）和区域表示（如四叉树、骨架等） 两大类：（目的：存储）
➢ 边界表示关心的是图像中区域的几何、形状特 征。

《图形与图像》PPT课件
目录
• 图形与图像的基本概念 • 图形的基本操作 • 图像的基本操作 • 图形与图像的合成 • 图形与图像的特效处理 • 图形与图像的优化与压缩
01
图形与图像的基本概念
定义与分类
01
总结词
02
详细描述
介绍图形与图像的基本定义，以及它们之间的主要区别和分类。
图形通常指的是由几何形状组成的二维图像，而图像则是指包含像素 的二维或三维数据。图形通常分为矢量图和位图两种类型，而图像则 可以根据颜色、深度和格式等进行分类。
01
总结词
通过将一个图像叠加到另一个图像上，可以创建出新的视觉效果和信息
。
02 03
详细描述
叠加操作通常涉及将两个或多个图像层叠在一起，以产生一种视觉上的 融合效果。在图形与图像合成中，叠加技术常用于增强图像的细节、创 建纹理效果或实现特定的视觉效果。
示例
在Photoshop等图像处理软件中，可以使用图层功能来实现图像的叠 加。通过调整图层的透明度和混合T中插入一张图片，然后给它添加一个黄色的发光效果，使它更加醒目和突出。
透明效果
总结词
透明效果可以使图形或图像与背 景更好地融合在一起，营造出更 加自然和协调的视觉效果。
详细描述
在PPT中，您可以使用“格式” 菜单下的“透明度”选项来给图 形或图像设置透明度。您可以通 过调整透明度滑块来控制透明度 的程度，也可以选择不同的透明 度模式。
选择适当的图像格式，如JPEG、PNG等 ，以满足不同的展示需求和文件大小限制 。
压缩图像文件大小
01
02
03
图片压缩
通过软件或在线工具对图 像进行压缩，以减小文件 大小，便于传输和存储。

例10.3：p271
10.2.5 骨架
把平面区域抽取为图形的一种区域表示方法，通
过使用一种细化（也称骨架）算法得到区域。一个
区域的骨架可以用中轴转换方法（MAT）定义。
设区域R的边界为B， 对R中的每一点p，找到它 在B上最接近的邻点。如果 p有多于一个这样的邻点， 就认为p属于R的中轴（骨 架）。“最接近”取决于
第10章 图像表示与描述
10.1 概述
将一幅图像分割成不同区域后，使用更适合于 计算机进一步处理的形式，对得到的被分割的像素 集进行表示和描述。因此，图像表示与描述是图像 识别和理解中的重要工作。
图像的表示包括两种：基于外部特性的边界表 示和基于内部特性的区域表示。图像的表示完成了 将数据转换成可用于计算机处理的形式的目的。
一个区域的面积定义为区域中像素的数目。 例：金属腐蚀形貌分析
铜包钢丝被腐蚀，铜加速醋酸盐雾试验结果
腐蚀时间h
腐蚀外观形貌
24
失去金属光泽，表面绿锈面积约占50%，红锈面积约占 10%，绿锈堆积物1处。
36
表面全部被腐蚀产物覆盖，其中红锈面积约20%，局部出 现严重腐蚀。
48
表面全部被腐蚀产物覆盖，其中红锈面积约70%以上，局 部出现大面积严重腐蚀。
起始点归一化： 将链码看作一个循环序列，依次取各个边界作 为起始点，从得到的所有链码中选取构成自然数 值最小的码作为归一化结果，该最小码值的点即 为归一化后的起始点。
起始点
1110303232 起始点
0303232111
链码旋转归一化：
链码具有平移不变性，即当边界平移时，其 链码不发生改变。但是，当边界旋转时，则链码 会改变。
特点：傅立叶描绘子尽管对序列进行了重新解释， 但边界本身的性质并未改变。这种表示方法的一大 优点是：它将一个二维问题简化成一个一维问题。