数字图像处理办法方式图象描述
数字图像处理_图像描述
(4)矩特征在目标识别中的应用 •
通过对不同照度场、不同姿态下物体进 行矩特征的统计分析，选取若干个具有明显差 异(均值及方差)的矩或组合矩特征量(应具有 RST不变性)，建立特征库。
•
计算待识别物体的相应特征量，按一定 的准则，计算与各类目标的隶属度，找出最小 的隶属度值。
•
•
在最小的隶属度值中找最大值(在最不 像当中找最像的)。
7.2 二值图像的几何特征
7.2.1 简单的几何特征
1) 面积：
A f ( x, y ),
x 0 y 0
N 1 N 1
A Ai
i 1
K
A f ( x, y )dxdy
2) 周长：一般的三种近似的定义
区域和背景交界线(接缝)的长度
链码的长度 边界点数之和 注意：周长的计算精度受采样间隔、噪声、分割 边缘是否光滑的影响显著。
7. 图像描述
7.1 概述 •图像描述：用一组描述子来表征图像中被描述 物体的某些特征。描述子可以是一组数据或符号， 定性或定量说明被描述物体的部分特性，或图像 中各部分彼此间的相互关系，为图像分析和识别 提供依据。 •描述子：二值图像的几何特征和拓扑特征、二 维区域描述、边界描述、纹理描述、三维物体描 述。
方法：将边界定义在复平面上，由边界 上的任意一点开始，按逆时针的方向逐点写 出边界点复数序列。
对此序列作离散付氏变换，得该边界在频域 的唯一表示式，称其为付氏描述子（FD）。
说明：
＃FD描述了边界的形状、位臵、大小、方向。
＃为了便于其它目标物的边界的FD进行比较， 必须对FD进行归一化处理，即用最大幅值系 数作为归一化系数。
3) 位臵： 定义为物体的形心 (质心)点。 M N xf ( x, y ) x 1 y 1 X M N f ( x, y)
数字图像处理第7章
mpq x p yq f (x, y)dxdy
中心矩
pq (x x)p ( y y)q f (x, y)dxdy
式中
x m10 m00
y m01 m00
m00 f (x, y)dxdy
L1
n (zi m)n p(zi ) i0 L1
m zi p(zi ) （均值） i0
（0=1; 1= 0）
图像描述—纹理分析
二阶矩2（即方差2）在纹理描述中很重要（灰度对比度的度量）。
三阶矩3表示直方图的偏斜度。
L1
一致性度量 U p2 (zi ) i0 ——区域内所有像素灰度级相同时U=1（最大）
L1
平均熵 p(zi )ln p(zi ) i0
图像描述—纹理分析
灰度共生矩阵（联合概率密度描述）
对于图像中的任一点(x,y)及另一个对应点(x+a,y+b)，n(i,j)为(x,y)的 灰度级为 i，而(x+a,y+b)的灰度级为 j 的这样的点对出现的次数。 设图像共有L个灰度级，则得到L2个元素组成的矩阵，称为“灰度 共生矩阵”。或用Cij = n(i,j)/(所有点对数）归一化。
ij
——当Cij相等时有最大值。
熵：
Cij ln Cij
ij
——当所有Cij值有最大随机性时最大。
频谱方法
考虑对于具有某种周期性纹理图像，应用傅立叶变换——频谱中 出现较显著的成分，其位置反映出（1）基本空间周期，（2）纹 理模式分布的方向性。
图像描述—纹理分析
令 S (u,v) = F(u,v)2 F(u,v)为图像的傅立叶变换，则S(u,v) 为功率谱。
数字图像处理的原理与方法
数字图像处理的原理与方法数字图像处理是一种将数字信号处理技术应用到数字图像上的科学技术，它的出现极大地推动了图像处理技术的发展。
数字图像处理不仅可以用于医学图像处理、卫星图像处理、工业检测等领域，还可以应用于数字影像娱乐等方面。
数字图像处理的核心内容就是图像增强、图像恢复、图像分割、图像识别等，本文将主要探讨数字图像处理的原理与方法。
一、图像增强处理图像增强处理是对原始图像进行改善的过程，也是数字图像处理中最普遍的操作类型。
通过增强处理，可以使图像局部特征更加明显，以便进行更高级的图像分析。
常见的图像增强方法包括灰度线性变换、灰度非线性变换、空域滤波增强、频域滤波增强等。
其中，空域滤波增强是最常见的一种方法。
通过对原始图像进行高斯滤波、中值滤波等操作，可以有效去除图像中的噪声。
二、图像恢复处理图像恢复处理是指从已知的图像信息中恢复出原始图像的过程，也是数字图像处理中一种重要的方法。
在数字图像处理中，图像的失真比如模糊、噪声等是不可避免的。
而图像恢复就是通过各种手段找到原始图像中所保留的信息，以恢复图像失真前的形态。
常见的图像恢复处理方法包括逆滤波、维纳滤波、约束最小二乘滤波等。
三、图像分割处理图像分割处理是将图像分割成若干具有独立意义的子区域的过程。
图像分割处理是数字图像处理中一种热门的研究领域，其主要应用于目标提取、图像分析和模式识别等方面。
常用的图像分割方法包括基于像素的算法、基于区域的算法、边缘检测算法等。
其中，基于区域的算法应用最广。
通过对相似区域进行聚类，可以将图像分割成若干子区域，从而实现目标提取等功能。
四、图像识别处理图像识别处理是指对图像进行自动识别的过程。
图像识别处理是数字图像处理中的一大领域，它的技术含量非常高。
常见的图像识别处理方法包括特征提取、模式匹配、神经网络等。
其中，特征提取是一种重要的处理方式。
通过对图像进行特征提取，可以将图像转化为数字特征，从而实现对图像的自动识别和分类。
数字图像处理领域的二十四个典型算法
数字图像处理领域的⼆⼗四个典型算法数字图像处理领域的⼆⼗四个典型算法及vc实现、第⼀章⼀、256⾊转灰度图⼆、Walsh变换三、⼆值化变换四、阈值变换五、傅⽴叶变换六、离散余弦变换七、⾼斯平滑⼋、图像平移九、图像缩放⼗、图像旋转数字图像处理领域的⼆⼗四个典型算法及vc实现、第三章图像处理，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。
本⽂接下来，简单粗略介绍下数字图像处理领域中的24个经典算法，然后全部算法⽤vc实现。
由于篇幅所限，只给出某⼀算法的主体代码。
ok，请细看。
⼀、256⾊转灰度图算法介绍（百度百科）：什么叫灰度图？任何颜⾊都有红、绿、蓝三原⾊组成，假如原来某点的颜⾊为RGB(R，G，B)，那么，我们可以通过下⾯⼏种⽅法，将其转换为灰度： 1.浮点算法：Gray=R*0.3+G*0.59+B*0.11 2.整数⽅法：Gray=(R*30+G*59+B*11)/100 3.移位⽅法：Gray =(R*28+G*151+B*77)>>8; 4.平均值法：Gray=（R+G+B）/3; 5.仅取绿⾊：Gray=G； 通过上述任⼀种⽅法求得Gray后，将原来的RGB(R,G,B)中的R,G,B统⼀⽤Gray替换，形成新的颜⾊RGB(Gray,Gray,Gray)，⽤它替换原来的RGB(R,G,B)就是灰度图了。
灰度分为256阶。
所以，⽤灰度表⽰的图像称作灰度图。
程序实现： ok，知道了什么叫灰度图，下⾯，咱们就来实现此256⾊灰度图。
这个Convert256toGray()，即是将256⾊位图转化为灰度图：void Convert256toGray(HDIB hDIB) { LPSTR lpDIB; // 由DIB句柄得到DIB指针并锁定DIB lpDIB = (LPSTR) ::GlobalLock((HGLOBAL)hDIB); // 指向DIB象素数据区的指针 LPSTR lpDIBBits; // 指向DIB象素的指针 BYTE * lpSrc; // 图像宽度 LONG lWidth; // 图像⾼度 LONG lHeight; // 图像每⾏的字节数 LONG lLineBytes; // 指向BITMAPINFO结构的指针（Win3.0） LPBITMAPINFO lpbmi; // 指向BITMAPCOREINFO结构的指针 LPBITMAPCOREINFO lpbmc; // 获取指向BITMAPINFO结构的指针（Win3.0） lpbmi = (LPBITMAPINFO)lpDIB; // 获取指向BITMAPCOREINFO结构的指针 lpbmc = (LPBITMAPCOREINFO)lpDIB; // 灰度映射表 BYTE bMap[256]; // 计算灰度映射表（保存各个颜⾊的灰度值），并更新DIB调⾊板 int i,j; for (i = 0; i < 256;i ++) { // 计算该颜⾊对应的灰度值 bMap[i] = (BYTE)(0.299 * lpbmi->bmiColors[i].rgbRed + 0.587 * lpbmi->bmiColors[i].rgbGreen + 0.114 * lpbmi->bmiColors[i].rgbBlue + 0.5); // 更新DIB调⾊板红⾊分量 lpbmi->bmiColors[i].rgbRed = i; // 更新DIB调⾊板绿⾊分量 lpbmi->bmiColors[i].rgbGreen = i; // 更新DIB调⾊板蓝⾊分量 lpbmi->bmiColors[i].rgbBlue = i; // 更新DIB调⾊板保留位 lpbmi->bmiColors[i].rgbReserved = 0; } // 找到DIB图像象素起始位置 lpDIBBits = ::FindDIBBits(lpDIB); // 获取图像宽度 lWidth = ::DIBWidth(lpDIB); // 获取图像⾼度 lHeight = ::DIBHeight(lpDIB); // 计算图像每⾏的字节数 lLineBytes = WIDTHBYTES(lWidth * 8); // 更换每个象素的颜⾊索引（即按照灰度映射表换成灰度值） //逐⾏扫描 for(i = 0; i < lHeight; i++) { //逐列扫描 for(j = 0; j < lWidth; j++) { // 指向DIB第i⾏，第j个象素的指针 lpSrc = (unsigned char*)lpDIBBits + lLineBytes * (lHeight - 1 - i) + j; // 变换 *lpSrc = bMap[*lpSrc]; } } //解除锁定 ::GlobalUnlock ((HGLOBAL)hDIB); }变换效果（以下若⽆特别说明，图⽰的右边部分都是为某⼀算法变换之后的效果）：程序实现:函数名称：WALSH()参数:double * f - 指向时域值的指针double * F - 指向频域值的指针r －2的幂数返回值:⽆。
数字图像处理笔记
第一章基本概念1、图像：是对客观存在物体的一种相似性的生动模仿与描述。
（图像是对客观存在的物体的某种属性的平面或空间描述）2、图像分为：物理图像、虚拟图像物理图像：物质和能量的实际分布。
虚拟图像：采用数学的方法，将由概念形成的物体（不是实物）进行表示的图像。
3、图像分为：数字图像（离散的）模拟图像（连续的）4、数字图像是用数字阵列表示的图像。
数字阵列中的每一个数字，表示数字图像的一个最小单位，称为像素。
像素是组成数字图像的基本元素。
5、数字图像的表示方法：（以黑白图像为例）黑白图像可用二维函数f(x,y)表示，其中x,y是平面的二维坐标，f(x,y)表示点(x,y)的亮度值(灰度值) 。
7、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。
8、低级图像处理、中级图像处理和高级图像处理。
（1）低级图像处理：主要对图象进行各种加工以改善图象的视觉效果、或突出有用信息，并为自动识别打基础，或通过编码以减少对其所需存储空间、传输时间或传输带宽的要求。
特点：输入是图像，输出也是图像。
（2）中级图像处理：主要对图像中感兴趣的目标进行检测（或分割）和测量，以获得它们的客观信息从而建立对图像的描述。
特点：输入是图像，输出是特征（如边界、轮廓及物体标识）。
（3）高级图像处理：在中级图像处理的基础上，进一步研究图像中各目标的性质和它们之间相互的联系，并得出对图像内容含义的理解（对象识别）及对原来客观场景的解释（计算机视觉）。
特点：输入是数据，输出是理解。
9、根据你自己的理解，选择一个数字图像处理的应用实例，并简单说明其中涉及的具体技术。
在用手机软件修图时，照片由模糊变清晰用的是图像增强技术、放大缩小用的是图像的几何变换技术、把某个特征提取出来用的是图像分割技术。
第二章采样量化1、黑白图像是指图像的每个像素只能是黑或者白，没有中间的过渡，故又称为２值图像。
数字图像处理知识点总结
数字图像处理知识点总结第一章导论1.图像：对客观对象的一种相似性的生动性的描述或写真.2.图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段），按空间坐标和亮度的连续性（模拟和数字)。
3.图像处理：对图像进行一系列操作，以到达预期目的的技术。
4.图像处理三个层次:狭义图像处理、图像分析和图像理解。
5.图像处理五个模块：采集、显示、存储、通信、处理和分析。
第二章数字图像处理的基本概念6.模拟图像的表示：f（x，y)＝i（x,y)×r(x，y），照度分量0< i（x,y）< ∞ ，反射分量0 <r（x,y）〈1.7.图像数字化:将一幅画面转化成计算机能处理的形式——数字图像的过程。
它包括采样和量化两个过程。
像素的位置和灰度就是像素的属性。
8.将空间上连续的图像变换成离散点的操作称为采样。
采样间隔和采样孔径的大小是两个很重要的参数。
采样方式：有缝、无缝和重叠。
9.将像素灰度转换成离散的整数值的过程叫量化。
10.表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。
11.数字图像根据灰度级数的差异可分为:黑白图像、灰度图像和彩色图像。
12.采样间隔对图像质量的影响：一般来说，采样间隔越大，所得图像像素数越少，空间分辨率低，质量差,严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。
13.量化等级对图像质量的影响：量化等级越多，所得图像层次越丰富，灰度分辨率高，图像质量好，但数据量大;量化等级越少,图像层次欠丰富，灰度分辨率低，会出现假轮廓现象,图像质量变差，但数据量小.但在极少数情况下对固定图像大小时，减少灰度级能改善质量，产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。
例如对细节比较丰富的图像数字化.14.数字化器组成：1)采样孔:保证单独观测特定的像素而不受其它部分的影响。
2)图像扫描机构：使采样孔按预先确定的方式在图像上移动。
数字图像处理(直方图).
An
Combining
DFRT( n )
Renewed output images An exp(j n ) Cn
IDFRT( n )
Several input images Rn an exp(jn )
1 1 an , 0 n n n Updated input images a0 exp(j0 ) a0
15
按列统计的直方图
histc(pascal(3),1:6) produces the array [3 1 1; 0 1 0; 0 1 1; 0 0 0; >> pascal(3) 0 0 0; ans = 0 0 1]
1 1 1 1 2 3 1 3 6
每列目标数据的个数 统计
16
其他类型的统计图
条状图：bar x = 1:5; y = [0.2,0.3,0.1,0.8,0.9; 0.5,0.6,0.2,0.7,0.1]; bar(x,y');
20
其他类型的统计图
累加式条状图：barh rand('state',0); figure; barh(rand(10,5),'stacked'); colormap(cool)
6
彩色图像直方图
axes(‘Position’,*0.1,0.1,0.8,0.2+);% 生成坐标轴 stem(0:255,h1,'Marker','None','Color','r'); set(gca,'YColor','r','Xlim',[0,255]); axes('Position',[0.1,0.3,0.8,0.2]); stem(0:255,h2,'Marker','None','Color',[0,0.6,0]); set(gca,'YColor',[0,0.6,0],'Ytick',[0.005,0.01],'Xlim',[0,255]); axes('Position',[0.1,0.5,0.8,0.2]); stem(0:255,h3,'Marker','None','Color','b'); set(gca,'YColor','b','Ytick',[0.01,0.02],'Xlim',[0,255]);
数字图像处理实例集锦
阈值分割
基于像素的聚类算法，适用于彩色图像分割
将像素点聚类成K个类别，使得同一类别内的像素点在颜色和空间上相近。通过迭代优化，将像素点归入最接近的类别，从而实现图像分割。
数字图像处理实例集锦
CATALOGUE
目录
图像增强 图像恢复 特征提取 图像分割 图像识别 图像压缩
01
图像增强
总结词
通过拉伸图像的灰度直方图，增强图像的对比度。
详细描述
直方图均衡化通过重新分配图像像素强度，使得图像的灰度级分布更均匀，从而提高图像的对比度。这种方法尤其适用于图像整体偏暗或对比度不足的情况。
03
优缺点： 优点是能够处理复杂背景和多目标分割；缺点是计算量大，需要确定初始区域数目和生长规则。
基于区域的分割
05
图像识别
总结词
人脸识别技术利用计算机算法对输入的人脸图像或视频流进行身份识别。
实现原理
人脸识别通常包括人脸检测和人脸特征提取两个步骤。人脸检测用于确定输入图像中的人脸位置，而人脸特征提取则通过算法提取出人脸的几何特征或纹理特征，用于比对。
应用场景
人脸识别技术广泛应用于智能手机解锁、银行ATM机、机场安检等领域，提高了安全性和便利性。
详细描述
人脸识别技术广泛应用于安全、门禁、移动支付等领域，通过比对人脸特征与数据库中存储的信息，实现快速的身份验证。
人脸识别
总结词：物体识别是计算机视觉领域的一个重要分支，旨在识别图像中的物体并对其进行分类。
优缺点： 优点是能够处理彩色图像，对噪声和光照变化有一定的鲁棒性；缺点是计算量大，需要预先确定聚类数目K。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数字图像处理办法方式图象描述
7.3 区域表达
7.3.1 空间占有数组
数字图像处理办法方式图象描述
7.3.2 四叉树
三种节点：白、黑和灰度． 四叉树是通过不断地分裂图像得到的．一个区域
可分裂成大小一样的四个子区域. 对于每一个子区域， 如果其所有点或者是黑或白时，则该区域不再分裂。 树结构中的每一个节点或是树叶，或包含四个子节点．
数字图像处理办法方式图象描述
7.2.3 多边形
1、基于聚合的最小均方误差线段逼近法 依次做直线、计算边界点与线距离做拟和误 差，当误差超限数字时图像为处理一办法方边式图界象描顶述 点。
2、基于聚合的最小均方误差线段逼近法
数字图像处理办法方式图象描述
3、基于分裂的最小均方误差线段逼近法
数字图像处理办法方式图象描述
数字图像处理办法方式图象描述
具有边界B的区域R之确定： 对于每个R中的点P，在B中找它的最
近点，如对能找到多于一个的点则认为P 属于R的中线或骨架
数字图像处理办法方式图象描述
求二值区域骨架，限制条件：
1。不消去线段端点
2。不中断原来连通的点
3。不过多侵蚀区域
一种迭代细化算法：
考察一边界点p1的8邻域,上为p2,顺时针分别为
数字图像处理办法方式图象描述
借助凸残差D可确定边界分段点：
1、跟踪H的边界 2、每个进入D或从D出去的点就是分
段点。
数字图像处理办法方式图象描述
7.2.3 多边形
抗干扰性能强、数据量小、易实现 基本原理：用多边形逼近区域边界 1、基于收缩的最小周长多边形法 原边界视为弹性的线、组成边界的点为 城墙，线拉紧即得最小多边形
7.2.4 标记
边界的一维泛函表达 标记的方法：
1、求出给定物体的重心 2、以边界点到重心的距离做为角度的函数 例如：
数字图像处理办法方式图象描述
7.2.4 标记
边界的一维泛函表达 标记的方法：
1、求出给定物体的重心 2、以边界点到重心的距离做为角度的函数 例如：
数字图像处理办法方式图象描述
7.3 区域表达
数字图像处理办法方式图象描述
原链码：10103322
起点归一化 最小自然数
归一化链码：
数字图像处理办法方式图象描述
链码的特殊性质:
一个物体很容易实现45 角旋转．如果一个物 体旋转NX45 ，可由原链码加上 n 倍的模8得 到．
链码的微分，也称差分码，由原码的一阶 差分求得．链码差分是关于旋转不变的边界描 述方法．
第7章 图像描述
7.1图象的描述
用数据、符号、形式语言来表示具有不同特征的 区域，这就是图象描述或描绘。用计算机代替人 理解识别景物，目前只能以其特征为基础进行区 别或分类。图象区域的描述可分为对区域本身的 描述和区域之间的关系、结构进行描述。对区域 及其特征的描述包括对线、曲线、区域、几何特 征等多种形式的描述
p3,p4,..p9, 标记同时满足下列条件的为核线点
1）2<=N(p1)<=6 ；非零邻点的个数 1端点7过多侵蚀
2) S(p1)=1
；按序点0->1的次数 不割断/单点宽
3) p2*p4*p6=0 ；右端点
4) p4*p6*p8=0 ；下端点
5) p2*p6*p8=0 ；左端点
6) p2*p4*p8=0 ；上端点
数字图像处理办法方式图象描述
2、数字曲线的长度 近似为像素之间的线段和
3、曲线端点之间的距离为
数字图像处理办法方式图象描述
7.2 边界表达
边界表达：基于边界点对边界的描述
7.2.1 链码
数字图像处理办法方式图象描述
2066666067076444444434 0644444645654222222212
表达侧重于数据结构 描述侧重于区域特性及区域间的联 系和差别 对目标的描述
特征描述符 外部特征：区域的几何形状 内部特征：灰度特征、纹理、颜色特征
数字图像处理办法方式图象描述
精确表示边界的影响因素：
用于边界建模的曲线形式 曲线拟合算法的性能
边缘位置估计的精度
如果一条曲线穿过一组点，则这条曲线称
为这些点的内插曲线． 逼近是指一条曲线拟合一组点，使得这条
曲线非常接近这些点而无需一定穿过这些点
数字图像处理办法方式图象描述
1、数字曲线
设Pi=(xi,yi)是边缘表中第i个边缘坐标． 1. k斜率是在边缘表相距k个边缘点的两个边缘
点之间的（角）方向向量． 2. 左k斜率是Pi指向Pi–k的方向， 3. 右k斜率是Pi指向Pi+k方向． 4. k曲率是左右k斜率之差值．
数字图像处理办法方式图象描述
原链码：10103322
（逆时针旋转90度）链码：
差分码：（又称链码的旋转归一化） 差分码：
一些其它性质，如面积和角点，可以由
链码直接求得．
链码的缺点：逐点表达、方向少、复杂、
抗干扰性能差
数字图像处理办法方式图象描述
7.2.2 边界段
区域的凸包：一任意集合S,其逼近凸包H是包含S的 最小凸形，H-S叫做S的凸残差D. 当把S的边界分解为 边界段时，能分开D的各部分的点就是合适的边界分 段点。方法：跟踪H的边界，每个入出D的点为一个 分段点，如右图。
数字图像处理办法方式图象描述
7.1.1 概述
图象的表达
外部表达法：区域的形状（边界、轮廓） 内部表达法：区域的反射性质(灰度、颜
色、纹理）
图象的描述
最佳表达：节省空间、易于特征计算 最佳描述：尺度、平移、旋转不敏感
数字图像处理办法方式图象描述
表达和描述紧密联系，表达限定了描述 的精确性，而描述使表达才有意义。
数字图像处理办法方式图象描述
7.3.3 骨架
一种把区域简化成结构形状的表示法。
细化是把区域缩成线条、逼近中心线（骨架或核线）的一种
图像处理 (中轴变换)。
骨架由区域中那些与邻点距对称边界最小距离的点构成：
其中：
ds(p,B)=inf{d(p,z)|z B}
p—区域中的一个点
B—区域的边界
d(p,z)—B中有两个或两个以上的点与p同时最近
所有边界点检验完毕后去除所有考察过的点，重新考察
新的边界点。反复迭代至全部为核线标记点为止。
数字图像处理办法方式图象描述
7.4 边界描述 7.4.1 简单描述符
1、边界的长度 是所包围区域的轮廓的周长。
某区域R各边界点P的条件： 1） P本身属于区域R 2） P的邻域中有像素不于区域R