在图像分割后,一般要进行形式化的表示和描述。 (1)外部特征(如边界)来表示区域-->用特征对其描述(如长度,边界缺陷数量) (2)内部特征(如像素)来表示区域-->内部表示(如颜色、纹理) 图像表示分成边界表示(如链码、边界分段等)和区域表示(如四叉树、骨架等)两大类。
如果对下图进行4链码,结果为003332221101
用最少的多边形线段,获取边界性质的本质
1)沿着边界选两个相邻的点对, 2)计算误差首尾连接直线段与原始折线段的误差R 3)如果误差小于我们设定的阀值T,去掉中间点;否则保留 4)以下一个为起点,重复1—3 5)当第一个点被遇到,结束。
1)连接边界线段的两个端点(如果是封闭边,连接最远点) 2)如果最大正交距离(感觉是距离这个线段最远的点)大于阀值,将边界分为两段,最大值点定位一个顶点。重复1 3)如果没有超过阀值的正交距离,结束。
用一维函数表达边界的方法。 质心角函数:边上的点到质心的距离,作为夹角的函数。
一个任意集合S的凸起外缘H,是包含S的最小凸起的集合,H-S的差就是集合S的凸起补集D
1)构造边界的凸包 2)跟踪区域凸包的边界,记录凸包边界进出区域的转变点即可实现对边界的分割
通过细化(抽骨架)将一个平面区域削减城图形。 Blum中轴变换方法(MAT),计算区域中每个点到边界点的距离。
边界的周长:沿轮廓线计算像素的个数。
边界的直径:边界上任意两点距离的最大值。
边界的曲率:斜率的变化率(k1-k2)。
边界的凸线段点:顶点p1的斜率非负。 边界的凹线段点:顶点p2的斜率为负。
将一个二维问题简化成一个一维问题 1)对于XY平面上的每个边界点,将其坐标用复数表示为:s(k)=x(k)+jy(k),k=0,1,…,N-1
2)进行离散傅里叶变换
a(u)被称为边界的傅里叶描述子 3)选取整数M≤N-1,进行傅里叶逆变换(重构)
即对于大于N-1的部分忽略,而傅里叶变换中高频部分对应于图形的细节信息,M越小,细节部分丢失的越多。
√统计矩:用一维函数描述边界曲线,把边界当作直方图函数,易于实现并且具有对边界形状的物理意义
(L是边界上点的数目, 是边界的矩量)
区域面积:区域中的像素的数目。 区域重心:
区域周长:区域边界的长度 致密度:(周长)²/面积 其它简单描绘子:如最大值、最小值、中值、均值、方差等。
反映像素灰度的空间分布属性的图像特征 通常变现为局部不规则但宏观有规律性,周期性 常用的纹理描述方法 ·统计法(基于图像的灰度直方图的特性来描述纹理)
·频谱法(分析纹理的频域特征)
本文分享自 Python编程和深度学习 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!