一种基于连通域分析的卡片指纹图像分割算法
基于改进连通域标记的手绘草图符号分割
基于改进连通域标记的手绘草图符号分割刘明明;方贵盛【摘要】手绘草图图像的前期分割处理对提高手绘草图识别质量具有重要作用.提出了一种复杂草图符号的分割算法,该方法采用霍夫直线检测去除干扰的导线,再进行屏幕搜索.利用连通域等特性,分割出各个待识别的电气元器件符号.改进的连通域标记算法可在一次扫描图像的条件下,完成对像素的标记,可缩短算法的执行时间.对于连通域数目较多的图像,时间缩减效果更明显.实验结果表明,该方法能够自动分割出合适图元单位的区域,实用性强.【期刊名称】《浙江水利水电学院学报》【年(卷),期】2017(029)006【总页数】6页(P64-69)【关键词】霍夫直线检测算法;手绘草图;符号分割;连通域【作者】刘明明;方贵盛【作者单位】[1]浙江大学机械工程学院,浙江杭州310027;;[2]浙江水利水电学院机械与汽车工程学院,浙江杭州310018;【正文语种】中文【中图分类】TP391.4近年来，随着智能手机、平板电脑等触屏设备的普及，人机交互的方式发生很大的改变，触控成为占据主流的输入方式.人们可以把头脑中想象的事物在触摸屏上手绘出来，形成手绘草图.手绘草图通过识别转化为规范的矢量图，对后续处理、修改与保存等具有重要意义.草图分割是手绘草图识别的重要环节，其好坏直接影响手绘草图识别的结果.与普通的图片相比，设计人员设计的草图一般没有颜色等信息，大多为二值图像，并且由于设计的随意性与笔划的不连贯导致草图单元不完整等问题，使得草图分割起来更加困难.因此，如何从一系列连续的笔划流中准确地分离出一些具有特定含义的符号，并加以识别，对提高手绘草图识别效率与质量具有重要作用.图像分割是将图像分割成包含相似属性的不同区域.为了对图像分析和解释有意义，图像分割出的区域应与描述的对象或者感兴趣的特征密切相关.图像分割是将低层次的灰度或者彩色图像处理向高层次的图像描述的第一步，而分割的可靠性则依赖对图像的精确分析.分割的技术可分为上下文和非上下文的.上下文的图像分割技术利用分组在一起的像素具有相似的灰度级别或者空间位置来分割；而非上下文的分割技术则是不考虑像素之间的空间关系.属于上下文的图像分割算法有根据边缘或者连接状况来分割的图像算法[1-3]和根据区域相似度来进行分割的图像算法[4-6]等.这些算法都是依靠像素之间的空间关系来分割，在区域分明或者边界清晰的条件下能够有很好的分割效果.属于非上下文的分割算法比较常见的就是根据阈值来进行分割的算法[7-8]，还有根据特定理论进行图像分割的方法[9].近年来，随着对图像分割精度的要求，以往那些基于区域或者边缘的分割方法并不能很精确的分割出目标区域.虽然也出现过一些试图提高分割精确度的算法[10-11]，但是都不能从根本上解决问题，所以基于像素的算法就有着在处理复杂图像独到的优势.传统的连通域标记算法在处理图像分割过程中运行速度较慢，扫描次数多，造成了算法效率低下.提高连通域标记算法性能可以采用减少图像的扫描次数，减少回溯扫描时间，一次扫描尽可能多地提取连通域等信息.基于此，本文提出了一种连通域标记的改进算法，通过减少扫描次数来缩短运行时间，提高算法的性能.由于本文针对的是对电气草图的分割，所以要先对草图进行一些处理，例如去除元器件之间的连接特征，边缘检测，膨胀等操作.1 基于霍夫直线变换检测电气图中元器件的连接特征1.1 霍夫直线检测技术霍夫(Hough)变换在计算机视觉领域得到了广泛的应用，其主要应用于模式识别领域中对二值图像进行直线检测[12].霍夫变换主要用于计算特征的全局描述，也可以理解为对每个坐标点，计算其对全局一致性的贡献.霍夫直线变换则是将一组离散图像的点拟合成一条直线，其示意图(见图1).图1 霍夫直线变换示意图平面直角坐标系内直线的表示形式为:y=kx+b(1)其中，k为斜率，b为截距.霍夫直线变换就是将原本在笛卡尔坐标系下的直线方程转换到极坐标霍夫空间下，其极坐标的表达式为：x×cos(θ)+y×sin(θ)=r(2)其中，r为原点到直线的距离；θ为原点到直线的垂直线的夹角.在实现的图像处理领域，图像的坐标(x,y)是已知的，要根据每个(x,y)坐标求出(r,θ)，这种变换称为直线的霍夫变换.该变换是通过将霍夫参数空间量化为有限区间或者使用累加器单元叠加来实现.出现直线的依据就是累加器阵列产生了峰值，也就说明了图像中存在一组离散点可以拟合近似成一条直线.1.2 去除连接特征连接特征的检测要进行边缘检测，这里选择Canny边缘检测算法.Canny边缘检测是根据对信噪比与定位乘积进行测度，得到最优化逼近算子.其具体步骤描述为：第一步：采用高斯滤波器方法进行去噪；第二步：找到图像的强度梯度；第三步：采用非最大值抑制的方法删除不属于边缘部分的像素；第四步：选择上下阈值进行分割，确定潜在边缘；第五步：去除不与强边缘相连接的所有弱边缘.由于草图中直线特征并不全是连接特征，因此需要取一些连接特征共同的特点，设定一些阈值，将连接特征标记出来，具体做法为：首先在编程界面上手绘一个简单的电路草图样本(见图2)；然后选用Canny算法检测二值图像的边缘，并用蓝色的线段标记出来(见图3).设某一点的像素值为a(x,y)，二值图像的像素值a(x,y)={0,1}.连接特征的去除，只要将连接特征的像素值设与背景像素一致即可，即蓝色标记区域a(x,y)=0.去除连接特征后的电气原理图结果(见图4).2 连通域分离技术现阶段常用的图像分割技术大多是根据连通域特性来对简单的二值图像进行分割.由于草图中都是笔划，采用四连通域不包含所有的情况，故选用八连通域.先对草绘图像进行二值化处理，然后分析连通域，最后将单一连通域的区域分割出来.但是传统的连通域标记算法Suzuki标记算法耗时比较长，还会产生等价信息失效的问题,需要进行很多次的扫描进行改善，所以本文采用的是连通域标记改进算法[13].2.1 传统的基于行程的连通域标记传统的连通域标记算法大多采用的是基于行程的标记[14].这种算法的思想是逐行扫描图像，每一行中连续像素为0组成的一个序列为一个集合，并记下起点和终点以及行号.如果每一行中所有的集合与上一行一个集合有重合区域，则将上一行的标号赋给这个集合；如果它与上一行2个以上的集合有重叠区域，则给它赋一个相连集合的最小标号，并将上一行的这几个集合写入等价对，说明它们属于一类.将等价对转换为等价序列，每一个序列需要给一个相同的标号，因为它们都是等价.从1开始，给每个等价序列一个标号，遍历每个集合的标记，查找等价序列，给予它们新的标记，将每个集合的标号填入标记图像中.等价信息表(见图5).图2 手绘草图图3 霍夫直线识别图4 去除连接特征图图5 等价信息表设置初始标号m=1.对每个当前像素a(x,y)按下式计算其标号b(x,y).(3)Ms表示一个像素点的左、左上、上、右上的4个单元组成的区域.条件1表示a(x,y)为X；条件2表示当a(x,y)的Ms邻域中没有为X的值，则赋一个新值m，并且m比上一个新值增加1；条件3表示a(x,y)的Ms邻域中有为X的值，则赋上一行与之相连的最小值m.对于图中产生的等价对，要通过多次扫描,不停的更新标号，直到标号不再发生变化.2.2 改进的连通域算法传统的连通域标记算法之所以比较耗时，是因为更新像素标号的时候要经过多次扫描来更新图像.如果可以在扫描一次图像，记录像素标号的同时，能够依据上一行扫描的像素标号从后向前传播，并及时修改标号，这样就可以在一次扫描完图像，像素的标号也可以更新完毕，所以这里提出了一种改进的连通域标记算法.算法的思想是增加一步等价表T的标号的遍历，不用对整张图再扫描，比较节省时间.对T中的标号，选择一个根节点，记录该根节点的序号为α，在相同标号的T[α]分支上的邻域上，第一个大于T[α]的T[γ]标号记为T[α]，直到此分支结束，开始找到下一分支，再重复以上步骤.算法实现过程：(1)设置一个用来记录标号的连接表为T，扫描图像遇到的第一个像素标号m=1.(2)扫描图像的每一行，由式(3)计算出当前行中每个像素的标号g(x,y)，并按式(4)及时更新上一行的像素标号，这可以通过修改表T中的临时标号来完成.(4)(3)当扫描完图像，会产生这些节点的标号偏大，并且原始根节点的标号也不是最小标号，所以在这样一个类似于树形结构的标号表T中，需要增加一次对T的所有节点的临时标号更新，这里可使用树的深度优先遍历，可快速地更新所有在T 中的标号至最小.先将同一连通域的区域标注出来，用*号标记出来，图中共有24个部件，分析出来标记出31个*号，表明识别出来31个连通域(见图6).然后限定一个矩形，将这些区域用矩形标记出来，方便分割，找到连通域中像素点的最左、最右、最上、最下的位置，并以此做个矩形的区域，将连通域标记出来(见图7).图6 连通域识别图7 连通域标记2.3 合并相交区域由于图中部分元器件是一个整体却被分割开来，那是因为图形在膨胀的过程中并没有将孔洞补上，从而产生结果上的不一致，故需要对分割出来的结果进行处理.对矩形框进行判别，对有相交区域的矩形进行合并，其步骤是：(1)设计一个算法，确定两个矩形是否相交.(2)如果两个矩形相交，设计一个算法，求出合并的最小矩形区域.一般矩形相交有3种情况(见图8).其区域合并算法描述为：第一步：输入两个矩形的左上角坐标(xa1,ya1)(xb1,yb1)和右下角坐标(xa2,ya2)(xb2,yb2).第二步：判断max(xa1,xb1)<=min(xa2,xb2)和max(ya1,yb1)<=min(ya2,yb2)是否都成立.第三步：如果第二步成立，则相交；反之不相交.第四步：对相交的矩形进行合并处理.根据上述算法进行区域合并以后，还需要将这些识别出来的一片片区域分割出来，达到每片区域都是一个单独的元器件的效果.图8 矩形相交的3种情况3 实验结果及分析本文在Visual Studio 2013环境上(Intel CORE i7 CPU 5500U 2.40GHz CPU,4GB Memory, Windows 7)，利用C++语言编程对所提出的算法进行了验证与测试.测试图选择了手绘的两幅电气草图(见图9和图11)，最终分割结果(见图10和图12).在将分割出的区域还原到原草图结果中，得到的结果(见图12).最终的实验结果表明，原草图中所有的元器件的个数与分割出来的结果相一致，所以本文采用的分割方法可以有效地将每个元器件分割开来，而且具有良好的鲁棒性.图9 手绘草图图10 手绘草图图11 分割结果图图12 分割结果图为了测试本文算法在时间上的优化，对Suzuki标记算法与本文改进的算法在连通域识别上的时间进行了比较，所有数据都是测试100次之后在时间上的均值.测试图像是来自南加州大学的标准图像数据Miscellaneous database,Textures Database, Aerial Database的图像，并且选取的图像都是512×512、连通域最多的图形，其测试结果(见表1).可以看到本文算法在相同图像下，时间上相较于传统的连通域标识算法缩短了约56%，并且可以很好地识别所有的连通域，可以看出减少扫描次数可以很好地降低时间复杂度，从而简化了算法的执行过程.表1 两种算法的运行时间图像连通域个数运行时间/msSuzuki标记算法改进连通域标记算法时间缩短比/%Miscellaneous30279．364．2654．5Textures449811．234．8756．6Aeri al409110．684．5357．64 结语针对草图的研究大多都集中在对单个草图符号的识别，很少从整体上对草图图像进行规划和整理.为了提高草图识别精确度，草图中符号分割具有重要意义.本文提出了一种可以连通域标识的改进算法，可以实现手绘电气原理图电气元器件符号的分割.传统算法是通过不断扫描图像，直到等价信息表不再发生变化为止，耗时较大.本文提出的算法只要添加一次对等价信息表的扫描就可以将最小标号传递，能够同样实现连通域的识别，而且通过减少扫描图像的次数，缩减了算法运行的时间.实验结果表明，该方法能够将草绘图中电气元器件符号进行有效地分割，并且在时间上也比传统的连通域标识算法缩短了约56%，从而提高算法运行的效率.参考文献：[1] CASELLES V,KIMMEL R,SAPIRO G. Geodesic active contours[J].International Journal of Computer Vision,1997,22(1):61-79.[2] CASELLES V,CATTE F,COLL T,etal. A geometric model for active contours in image processing [J].Numerische Mathematik,1993,66(1):1-31.[3] KICHENASSAMY S, KUMAR A, OLVER P,etal.Gradient flows and geometric active contour models [C]//IEEE International Conference onComputer Vision.Piscataway:IEEE,1995:810-815.[4] ZHANG K,SONG H,ZHANG L. Active contours driven by local image fitting energy [J].PatternRecognition,2010,43(4):1199-1206.[5] WANG Y,XIANG S,PAN C,etal. Level set evolution with locally linear classification for image segmentation [J]. Pattern Recognition,2013,46(6):3361-3364.[6] WANG L,LI C,SUN Q,etal. Active contours driven by local and global intensity fitting energy with application to brain MR image segmentation[J].Computerized Medical Imaging andGraphics,2009,33(7):520-531.[7] KAPUR J N, SAHOO P K, WONG A K C. A new method for gray-level picture threshold using the entropy of the histogram[J]. Computer Vision, Graphics, and Image Processing, 1985, 29(3): 273-285.[8] TSU N. A threshold selection method from gray level histogram [J].Automatica, 1975, 11(285-296): 23-27.[9] FELZENSZWALB P,HUTTENLOCHER D. Efficient graph-based image segmentation[J]. International Journal of Computer Vision,2004,59(2):167-181.[10] FOWLKES C.Spectral Grouping using the Nystrom method[J].IEEE Trans on PAMI,2004,26(2):214-255.[11] HERNANDEZ-BELMONTE U H,AYALA-RAMIREZ V,SANCHEZ-YANEZ RE.A comparative review of two-pass connected component labeling algorithms[J].Advances in Soft Computing,2011,7095(12):452-462. [12] GUIL N,VILLALBA J,ZAPATA E L.A fast hough transform for segmentdetection[J]. IEEE Transactions on Image Processing,1995,4(11):1541-1548 [13] SONKA M, HLAVV, BOYLE R. Image Processing analysis and machine vision,[2nd ed.][J].Journal of Electronic Imaging, 2008,xix(82):685-686. [14] SUZUKI K,HORIBA I,SUGIE N.Linear-time connected component labeling based on sequential local operations[J]. Computer Vision and Image Understanding,2003,89(1):1-23.。
基于连通区域和统计特征的图像文本定位
基于连通区域和统计特征的图像文本定位刘亚亚;于凤芹;陈莹【摘要】文本定位是图像中文本提取的前提与基础.针对场景图像中背景复杂和光照影响,提出一种由粗略到精确的文本定位算法.该算法首先在边缘图像上利用连通区域分析进行粗略定位得到文本候选区域,然后提取候选区域的方向梯度直方图特征和改进的局部二值模式特征进行分类,去除虚假文本达到精确定位.仿真实验结果表明,该算法能够有效地降低背景复杂与光照不均的影响,在场景图像中准确地定位文本区域.【期刊名称】《计算机工程与应用》【年(卷),期】2016(052)005【总页数】5页(P165-168,208)【关键词】文本定位;连通区域分析;方向梯度直方图特征;局部二值模式特征【作者】刘亚亚;于凤芹;陈莹【作者单位】江南大学物联网工程学院,江苏无锡214122;江南大学物联网工程学院,江苏无锡214122;江南大学物联网工程学院,江苏无锡214122【正文语种】中文【中图分类】TN911.73图像中文本信息是描绘和理解图像内容的重要信息，文本区域的定位是文本提取非常重要的步骤与基础，准确的文本区域的定位才能保证文本信息提取的有效性。
然而，由于背景复杂、光照变换、字体大小和方向的多变等原因，自然场景图像中的文本定位具有更多的不确定性和难度，是目前研究的难点。
文本定位的方法通常分为基于连通区域、基于边缘检测和基于纹理特征的三类算法[1]。
基于连通区域的算法是利用图像中的文本颜色相似并与背景颜色相差较大的特征进行文本定位的，但是对光照和颜色比较敏感，对背景复杂的图像效果不理想；Pan等[2]设计一个文本区域探测器生成文本置信图，然后利用条件随机域模型进行连通域分析，得到文本区域；Shivakumara等[3]首先通过傅里叶-拉普拉斯变换对图像进行滤波，然后基于最大差值用K-means聚类得到文本区域，可检测非水平方向上的文本；Hinnerk Becker等[4]首先采用一种自适应二值化的算法在图像中提取字母，然后利用几何约束的方法将字母连接成文本行。
一种基于连通域标记的矿井巷道灯识别方法
（ ｅ ｉ ｌ ｎ ｅ ｔ ｃ ｏ ｌ ｉ ｈｙ ｎ Ｃｔ ， ｈｙ ｎ ４ ２ ０ ） Ｍ ｄｃ ｄ Ｈ ａ ｈＳ ｈ ｏｓ ｎ Ｓ ｉ ｉ Ｓ ｉａ ４ ５ ０ ａａ ｌ ａ ｙ
图 １ 矿 井 巷 道 灯 识 别 流 程
１ 井下 矿 井 巷 道 灯 图像 的 二值 化 分 割
★基 金 项 目： 中央 高校 基 本 科 研 业务 费专 项 （ ．Ｇ ０ Ｓ０ ＮｏＪ Ｘｌ １７ ）
收稿 日期 ：０ １ ５ ６ ２ １ —０ —１ 修 稿 日期 ：０ １ ６ ６ ２ １ －０ —１
关 键 词 ：阈值 分 割 ； 通 域 ； 通 成 分 标 记 ； 记 图像 连 连 标
０ 引
言
１１ 中值 滤 波 ．
由 于 矿 井 下 阴 暗 潮 湿 、 线 不 足 、 间 狭 小 、 度 光 空 湿
在 图像 自动 目标 识 别 和 跟 踪 过 程 中 ．首 先 对 图像 目标 进 行 阈值 分 割 提 取 ．得 到 的二 值 图像 通 常 包 含 多 个 连 通 区 域 在 本 次 项 目中 ． 摄像 头 是 安装 在井 下 机 车 的头 部 ． 着 机 车 的运 动 而 运 动 ． 帧 视 频 图 像 中有 时 随 一 出现 好 几 个 矿 井 巷 道 灯 区域 ， 有 标 识 牌 区 域 。 是 ， 还 但 我 们 只对 摄 像 头 正 前 方 离 机 车 最 近 的 矿 井 巷 道 灯 区域
作 者 简介 ： 立 强 ， 士 研 究 生 ， 究 方 向 为视 频 图像 中的 目标 识 别 、 算 机 视 觉 寇 硕 研 计
现代计算机
２ １． ０ １０ ６
： 竺 竺
参 考 文 献
／ ／ ／
连通区的页面分割与分类方法
连通区的页面分割与分类方法
王姝华;曹阳;李佐;蔡士杰
【期刊名称】《计算机辅助设计与图形学学报》
【年(卷),期】2002(014)001
【摘要】页面分割与分类是文档处理的关键步骤,但目前多数方法对页面的块和倾斜进行了限制.文中提出一种新的基于连通区的页面分割与分类方法.首先采用快速算法抽取页面内的连通区,然后利用改进的RLSA算法分割页面,并根据连通区的分布情况以及块的特征对块进行分类.该方法将页面分割与分类紧密结合,充分考虑到块的局部特征,保证块分类的正确性,大大提高了算法效率.
【总页数】5页(P17-20，25)
【作者】王姝华;曹阳;李佐;蔡士杰
【作者单位】南京大学计算机软件新技术国家重点实验室,南京,210093;香港理工大学建筑与房地产系,香港;南京大学计算机软件新技术国家重点实验室,南
京,210093;南京大学计算机软件新技术国家重点实验室,南京,210093
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于文本频率页面分割算法对论坛正文提取 [J], 马凯凯;钱亚赫;阮东跃
2.γ—连通分割和最优区域分并分割算法 [J], 陈溧
3.基于Web页面有效信息抽取的分类方法 [J], 王立建;尹四清
4.一种文档页面的样式分类方法 [J], 刘劼
5.结合视觉显著性与连通域分割的建筑物主体图像分割算法 [J], 毕胜;薛炯;王宇因版权原因，仅展示原文概要，查看原文内容请购买。
一种易于实现的适于细胞图像连通区域的标记算法_喻杰
第15卷第2期2005年4月江苏大学学报(医学版)Journa l of Ji angsu U niversity(m ed i c i ne)V o.l15N o.2A pr.2005一种易于实现的适于细胞图像连通区域的标记算法喻杰,许化溪(江苏大学医学技术学院,江苏镇江212001)[摘要]目的:为了实现简化细胞图像连通区域标记算法,本研究结合当前的应用情况提出了一种基于递归技术并适合于细胞图像目标区域的标记算法,探讨了其应用于白细胞计数的可能性。
方法:常规瑞氏染色光镜下人工计数白细胞;应用计算机和CCD相机采集血涂片细胞图像,细胞标记递归算法进行细胞图像处理并计数白细胞。
结果:此算法只需要一次扫描就可完成标记过程,因此算法的实现比经典的像素标记算法大大简化。
应用该算法对19份血涂片样本进行标记,取得了较为满意的效果。
本文还对区域标记时应注意的问题进行了讨论。
结论:本研究应用递归过程建立的细胞图像连通区域的标记算法,适于在尚不发达地区实现白细胞计数的计算机化,也为应用计算机进行医学形态学研究提供了思路。
[关键词]细胞图像;图像分割;连通区域[中图分类号]R446[文献标识码]A[文章编号]1671-7783(2005)02-0152-03 An Achievable A lgorith m Suitable to Cell I m age Connected A reaYU J ie,XU H ua-xi,WANG Sheng-jun(S chool ofM ed icalT echnol ogy,Jiangsu U n i versit y,Zhen ji ang J i angs u212001,Ch i na)[Abstract]Objective:I n order to si m ple t h e realization of connected co m ponent labeli n g algo rithm,a connected co m ponent labeling algorith m based on recursi o n is presented i n th i s st u dy,it m ay be useful for w hite blood cell(W BC)coun.t M et hods:W right sta i n i n g w as used to countW BC artific ially by m icr osco-py.C o mpu ter and CCD ca m era w ere app li e d to take the picture of b l o od cells fro m b l o od s m ear and the cell i m age w as treated usi n g t h e a l g orit h m of cell labeli n g recursion.R esults:Th is a l g orit h m can co m plete the labe li n g w ith on l y one ti m e o f scann i n g,so the realization of the algorithm w as m ore si m pler than that o f the classic p i x e l labeling.App lying this algor ithm in labe li n g n i n eteen sa m ples of b lood ce ll flake obta i n ed sa-t isfy i n g effec.t Concl u sion:The algo rithm is su itable fo r co m puterizi n gW BC coun t i n a less developed area, it a lso he l p to bri n g about co m puter application on m ed ica lm or pho l o g ic stud ies.[Key w ords]Ce ll i m age;I m age seg m enta ti o n;Connected area生物医学研究有一个显著的特点)))海量信息,现代众多的医学研究都需要借助计算机,这是因为计算机有着高速,准确的信息处理能力。
图像处理中的图像分割算法比较分析
图像处理中的图像分割算法比较分析图像分割是图像处理中的一项重要任务，它旨在将图像划分为具有一定语义的区域。
图像分割在图像分析、计算机视觉和模式识别等领域有着广泛的应用。
随着技术的发展，越来越多的图像分割算法被提出，为了选择合适的算法进行应用，本文将对目前常用的图像分割算法进行比较分析，包括基于阈值、基于区域生长、基于边缘检测和基于深度学习的算法。
1. 基于阈值的图像分割算法基于阈值的图像分割算法是最简单和最常用的方法之一。
该方法根据像素点的灰度值与设定的阈值进行比较，将图像分割成两个或多个区域。
对于灰度较为均匀的图像，基于阈值的方法能够得到较好的分割效果。
然而，对于灰度不均匀或存在噪声的图像，这种方法的效果较差。
2. 基于区域生长的图像分割算法基于区域生长的图像分割算法是一种基于连通性的方法。
该方法从一组种子像素出发，根据一定的生长准则逐步增长区域，直到达到停止条件为止。
区域生长方法能够处理一些复杂的图像，但对于具有相似颜色或纹理特征的区域容易产生错误的连续性。
3. 基于边缘检测的图像分割算法基于边缘检测的图像分割算法把图像中的边缘看作是区域之间的分界线。
常用的边缘检测算法包括Sobel、Canny和Laplacian等。
这些算法通过检测图像中的灰度值变化或梯度变化，找到边缘的位置，并将图像分割成相应的区域。
基于边缘的方法对于边缘清晰的图像分割效果较好，但对于复杂的图像容易产生断裂或错误的边缘。
4. 基于深度学习的图像分割算法近年来，随着深度学习的兴起，基于深度学习的图像分割算法成为研究热点之一。
深度学习方法利用卷积神经网络（CNN）或全卷积网络（FCN）等模型进行端到端的图像分割。
这些方法能够学习图像中的语义信息，并输出像素级别的分割结果。
深度学习方法在许多图像分割任务上取得了显著的效果，但需要大量的标注数据和计算资源。
综上所述，不同的图像分割算法适用于不同的场景和任务需求。
基于阈值的图像分割算法简单易用，适用于灰度较均匀的图像；基于区域生长的算法能够处理复杂的图像，但容易产生错误的连续性；基于边缘检测的算法对于边缘清晰的图像效果较好；基于深度学习的算法具有较强的泛化能力，可应用于多种场景。
指纹信息提取技术分析与实现
指纹信息提取技术分析与实现指纹信息提取技术分析与实现指纹是每个人独特的身份特征之一，可以用于身份验证和犯罪侦查等方面。
指纹信息提取技术是将人类指纹转化为可用于分析和比对的数字信息的过程。
本文将对指纹信息提取技术进行分析与实现。
1. 指纹信息提取技术的分类指纹信息提取技术可以分为以下几种：特征提取、图像增强、图像分割、特征匹配等。
特征提取：通过分析指纹图像中的纹线和纹谷等特征，提取出指纹的特征点，用于后续的比对。
图像增强：对指纹图像进行处理，增强图像的对比度和清晰度，以提高后续处理的准确性。
图像分割：将指纹图像中的纹线和纹谷分离开来，便于后续处理中对纹线的特征进行提取。
特征匹配：将待比对的指纹特征与数据库中的指纹特征进行比对，找到相似度最高的指纹，用于身份验证或犯罪侦查。
2. 指纹特征提取算法指纹特征提取算法是指将指纹图像转化为用于比对的数学特征的算法。
这些算法可以分为两类：定位算法和特征提取算法。
定位算法：通过寻找指纹的基本特征，如核心点和三角区域等，确定指纹的相对位置和方向。
特征提取算法：主要包括纹线细化、细节提取以及特征点提取等步骤。
纹线细化通过对指纹图像进行一系列滤波操作，将纹线从原始图像中提取出来。
细节提取阶段主要提取指纹图像的细节信息，如纹孔等。
特征点提取阶段则是通过分析纹线的特征点，如分叉点和岔路点等，提取出用于比对的指纹特征。
3. 指纹图像增强技术指纹图像增强技术旨在增强指纹图像的对比度和清晰度，以提高后续处理的准确性。
常用的指纹图像增强技术包括直方图均衡化、滤波和增强方法。
直方图均衡化：通过对指纹图像的像素值进行调整，使得整个图像的像素值分布更加均匀，从而提高图像的对比度。
滤波方法：通过对指纹图像进行空域滤波或频域滤波，去除图像的噪声和模糊，提高图像的清晰度。
增强方法：通过对图像进行增强操作，如灰度拉伸、边缘增强和细节增强等，提高图像的质量。
4. 指纹图像分割技术指纹图像分割技术主要目的是将指纹图像中的纹线和纹谷分离开来，便于后续处理中对纹线的特征进行提取。
基于连通区域特征的图像配准方法
第 ３卷 第６ ３ 期
龚伟 ，叶 玉堂 ，张睿 ，等 ：基 于连通 区域 特征 的 图像 配 准方 法
・２ ６ ・ ３９
１ 基 于连通 区域 特征 的 图像配 准算 法
１ １ 图 像 的 二值 化 ．
步骤 １ ：对 当前行 （ 假设为第 行）进行扫描 ，获取游 程 的首尾位置坐 标 ，根据 式 （ ）和式 （ ）得 到该 游程 与 １ ２ （一 ）行游程链间 的连通 关 系 ，如果无 连通 ，则 将 ｍ作 为 １ 标 记赋予当前游程 ，记为 ｛ Ｘ，Ｙ， ，同时 ｍ＋１ ｍ｝ ；否则 ， 进 入步骤 ２ 。 步骤 ２ ：若是相连通 的 已标记 游程链 只存在一 种标记 ， 则 将该 标记 值赋 予该游 程 ；否则 ，先将 任一 标记赋 予 当前
究方向为红外系统 和现代光 电仪器 ；张睿 （９ ７一 ，女 ，重庆人 ，硕士研究生 ，研究方向为图像处理 ；罗颖 （ ９ ３ ） １８ ） １ ８ 一 ，男 ，贵 州黔西南州 人 ，博士研究生 ，研究方 向为机器人视觉。Ｅｍａ ：ｑ ５ ４ ６ ＠１３ ｃｒ － ｉ ０ ３ ０ ０ ６． ｏ ｌ ｎ
（ 电子科技 大学 光 电信 息 学院 ，四川 成都 ６ ０ ５ ） １ ０ ４
摘 要 ：提 出了一种 图像 配准方法 ，对图像 的平移 、旋转 以及缩放具有矫 正效果 。由于使 用 了连通 区域作为配 准对 象，降 低 了算法复杂度 ，提 高 了效率。该 方法对 图像 的连通 区域进行检测 ，从 而获得 所有 区域 的属性特征 ，通过 对这些特征进 行 多重筛选 匹配得到 图像 变换前后的对应点 ，利用仿射 变换 矩阵结合插值 运算进行 图像 的校０ 。实验 结果表 明，该方 法对资 Ｙ ＿ 源的占用比低 ，且具有较 高的精度 。 关键词 ：图像配准 ；连通 区域检 测 ；对应 点筛选及 匹配；仿射 变换 ；插值运算 ；高精 确度 中图法分类号 ： ３ １ 文献标识号 ：Ａ 文章编号 ：１０ —０ ４（０ ２ ６２６ —５ ＴＰ ９ ０ ０７ ２ ２ １ ）０ —３ ８０
基于连通区域的标志牌文本提取方法
第 １ 卷第 ４ ９ 期
２００６年 １ ２月
青 岛 大 学 学 报 （自 然 科 学 版 ）
Ｊ ＯＵＲ Ａ ＮＧ Ａ Ｕ Ｖ ＳＴＹ （ ｔｒｌ ｃｅ ｃ ｄｔ ｎ Ｎ Ｌ ＯＦＱＩ Ｄ Ｏ ＮＩ ＥＲ Ｉ Ｎａｕａ ｉ ｅＥ ｉｏ ） Ｓ ｎ ｉ
或者分析具有相似的颜色 ／ 灰度的部分来检测文本 区域 ， 以迅速定位并 提取标志牌文本Ｌ 。 可 １ ］
相对于上述方法 ， 基于纹理的方法和基于边和角点的方法 ， 文本区域定位不准确 ， 基于人工神经网络的 方法和基于支持 向量机的方法需要使用样本进行训练 ， 容易产生过学 习和欠学 习等 问题 ， 且实时性差。 在对 图像特点归纳和已有方法分析比较的基础上 ， 我们使用基于连通区域的方法 ， 首先确定标 志牌所在 区域 ， 然 后进行文本提取 。 算法流程图见图 １ 。
ｖ １ ９ ｏ４ ０ １ Ｎ ． ． Ｄ ｃ ０６ ｅ ０ ．２
文章编号 ：０ ６ １ ３ （０ ６０ — ０ １ Ｏ １ ０ — ０ ７ ２ ０ ）４ ０ ４ 一 ４
基于连通 区域 的标 志牌 文本提取方法
乔 甜 ， 付 庆 ，尹茂东 ，方 漪 ， 志刚 赵
（ 青岛大学信息工程学院， 岛 ２６ ７ ） 青 ６０ １ 摘要 ： 在对各种文本定位与提取方法分析 比较的基础上 ， 针对标志牌文本的具体特点 ， 提 出了一种基于连通区域的标志牌文本提取 方法——在灰度 图像 中定位标 志牌 区域 ， 二值 图像 中提取标志牌文本 ， 并用 Ｖ ＋＋编程实现对采集的 自 Ｃ 然场景下 的标志牌文本 图像 进行 了实验 ， 结果证明， 该方法能够准确定位并提取 自 场景下 的标志牌文本 ， 然 获得文本
Ｉ
迭代 阐值 图像 分 割
基于连通区域的传真图像版面分割与分类算法
根 据连 通 区域 的 大小建 立矩阵 ， 提取 能够表征 区域信 息的八 维特 征 ， 然后使 用 Ｂ 神 经 网络 将版 面区域分 为文 字 Ｐ
区域和 非文 字 区域 两类 。实验 中得 到 版 面分 割 准确 率 为 ８ ． ％ ， 面分 类 准确 率 为 ９ ．２ 。 实验 结果 证 明 ， ９２ 版 ４ ２％
面 ， 有 非 矩 形 版 面 。要 对 文 本 图 像 进 行 自动 化 处 理 ， 面 分 也 版
ｗ ｔ ｍａ ｅ ｓ ｇ ｎ ｒ ｃ ｓ ，ｏ ｔｉ ｅ ｔ ｘ ｂ ｓ ｄ ｏ ｏ ｎ ｃ ｏ ｏ ｅ ｔ． Ｔ ｅ ｉ ｉ ｇ ｅ ｍｅ ｔｐ ｏ ｅ ｓ ｂａ ｎ ｄ ｍａｒ ａ ｅ ｎ ｃ ｎ ｅ ｔｃ ｍｐ ｎ ｎ ｓ ｈ ｎ，ａ ｓｒｃ ｅ ｈ ｅ ｔｒ ｅ ｔｒ ｏ ｉｈ ｉ ｈ ｉ ｂ ｔａ ｔｄ ｔ ｅ ｆ ａｕ ｅ ｖ ｃ ｏ ｆｅｇ ｔｄ ． ｍｅ ｓｏ ｓ ｆｒｒ ｐ ｅ ｅ ｔ ｇ ｂ ｏ ｋ ｉｆｒ ｔ ｎ ｎ ｉｎ ｏ ｅ ｒ ｓ ｎ ｉ ｌｃ ｎ ｏｍａｉ ．Ａｎ ｌ ｓｉ ｅ ｏ ｕ ｎ ｇ ｓａ ｗ ｙ ｅ ｉ Ｐ ａ ｔ ｉｉｌｎ ｕ ａ ｅｗ ｒ ｓ ｎ ｏ ｄ ｃａ ｓ ｄ ｄ ｃ ｍｅ ｔｉ ｅ ｓ ｔ ｏ ｔ ｐ ｓｗ ｔ Ｂ ｒ ｆｃａ ｅ ｒ ｌ ｔ ｏ ｋ ． ｉ ｆ ｍａ ｈ ｉ ｎ Ｉ ｘ ｅ ｍｅ ｔ ． ｅ ａ ｃ ｒ ｃ ｆ ｌｙ ｕ ｅ ｍｅ ｔ ｔ ｎ ａ ｄ ｃａ ｓｆ ａｉｎ ｗａ ９ ２ ｎ ｅ ｐ ｒ ｎ ｓ ｔ ｃ ｕ ａ ｙ ｏ ａ ｏ ｔｓ ｇ ｎ ａｉ ｎ ｌｓ ｉ ｃ ｔ ｓ８ ． ％ ａ ｄ ９ ． ２ ． Ｅ ｐ ｒ ｎ ａ ｅ ｕ ｔ ｓ ｏ ｉ ｈ ｏ ｉ ｏ ｎ ４ ２ ％ ｘ ｅｉ ｍｅ ｔ ｒ ｓ ｌ ｈ ｗ ｌ ｓ ｔ ａ ｈ ｔ ｏ Ｓｅｆ ｃｉｅ ａ ｄ ｆａ ｉ ｌ ｎ ｄ ｃ ｍｅ ｔ ｍａ ｅ ｅ ｍｅ ｔｔ ｎ ｈ ｔ ｅ ｍｅ ｈ ｄ ｉ ｆ ｔ ｎ ｅ ｓｂｅ ｉ ｏ ｕ ｎ ｇ ｓｓ ｇ ｎ ａｉ ． ｔ ｅ ｖ ｉ ｏ
- 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)。
纹 图像 （ 通 常 要 求取 每 个 手 指 的第 １ 指 关 节 上
方 的指 纹 图像 ） ．
针 对 卡片指 纹 的数 字 化 问 题 ， 本 文 提 出 了
一
区， 公 安 部 门现在 也 依 然 采用 指 纹 卡 片 的方 式 进 行指 纹 的采 集 ． 因此 ， 若要建立指纹库 ， 必 须
对卡片进行 扫描 ， 然 后 从 扫 描 得 到 的 图 像 中
分割 出 １ ０枚 滚 动 捺 印 和 １ ０枚 平 面 捺 印 的 指
纹 采 集 系 统可 以便 捷 快速 地 采 集 指 纹． 但在 自 动 指 纹 识别 系统 大 量 应用 之 前 ， 公 安 部 门 主要
采 用 十指 卡片结 合 油墨捺 印的方 式采 集犯 罪嫌 疑 人 的指 纹 ． 此外 ， 在 许 多 信 息 技 术 不 发 达 地
第一作者简介 ： 陈小光 ， 讲师． 研究方 向： 图像处理 、 计算机视觉 、 生 物 特 征 识 别
北 方 工 业 大 学 学 报
第 ２ ７卷
参 考 文 献
Ｍａ ｌ ｔ ｏ ｎ ｉ Ｄ， Ｍａ ｉ ｏ Ｄ， Ｊ ａ ｉ ｎ Ａ Ｋ ， Ｐｒ ａ ｂ ｈ ａ ｋ ａ ｒ Ｓ ．
对 这些 指纹 卡 片进行 数字 化 ， 即先 进行 扫描 ， 然
收 稿 日期 ： ２ Ｏ １ ４ — １ ２ — ２ ６
种 基 于 连 通 域 分 析 的卡 片指 纹 图 像 分 割 方 配 ３个 主要 步骤 ， 算 法流 程如 图 ２所示 ． 这里 需
法． 该 方法 主要 包 括 预 处 理 、 指纹分割、 指 位 匹
后 采 用 图像 处 理 方 法分 割 出其 中的所 有 指 纹 ， 随后 再存 储 到指 纹库 中． 考虑 到 纸 质 指纹 卡 片 容 易 受 到污 染 和 损坏 ， 因此 从 数 据 保存 角度 来
看， 卡 片 指 纹 的数 字 化 也 十 分 必 要 ．
公 安部 门采 用 的十指 指纹 卡 片的 布局 主要 分 为 ３部分 ， 如图 １ （ ｂ ） 所示 ： １ ） 卡 片 上 方 区域
关 键 词 自动 指 ห้องสมุดไป่ตู้ 识 别 系 统 （ ＡＦ Ｉ Ｓ ） ； 指纹图像分割 ； 指位 匹配 ； 连 通 域 分 析 分 类号 ＴＰ ３ ９ １ ． ４ １
近 十年 来 ， 自动 指纹 识 别 系统 （ ＡＦ Ｉ Ｓ ） 已逐 步 在全 国各 级公 安机 关普 及应 用 ， 因其 快捷 、 高 效、 准 确 的优点 ， 自动指纹 识别 系统 已经成 为刑 侦 人员 进行 破案 的得 力助 手 ｌ 】 ］ ． 现有 的指纹 库 可 以分 为 ２大类 ， 一 类是 现场 库 ， 即从犯 罪 现场 采集 的指纹 ， 如图 １ （ ａ ） ； 另 一 类 是捺 印库 ， 即让
Ｈａ ｎ ｄｂ ｏｏ ｋ ｏｆ Ｆｉ ｎ ｇｅ ｒ ｐｒ ｉ ｎｔ Ｒｅ ｃ ｏｇｎ ｉ ｔ ｉ ｏ ｎ （２ ｎｄ ｅ ｄ ｉ —
６ ２ — ６ ６
ｍｅ ｔ Ｈ ． ［ ５ ］ Ｓａ
Ｃｏ ｎｎ ｅ ｃ ｔ ｅ ｄ ｃ ｏｍ ｐ ｏｎ ｅ ｎｔ ｌ ａ ｂｅ ｌ ｉ ｎｇ ｕ ｓ ｉ ｎｇ
（ 北 方 工 业 大 学 图像 处 理 与模 式 识别 研 究 所 ， ｌ Ｏ Ｏ １ ４ ４ ， 北 京）
摘
要
十指指纹 卡 片捺 印 是公 安 部 门采 集 指 纹 的常 用 方式． 随 着 自 动 指 纹 识 别 系 统
（ Ａ Ｆ Ｉ Ｓ ） 的 广泛 使 用 ， 如何快速有 效地对 卡片指 纹进行 数字化 是一 个重 要 的问题． 针对 此 问题 ， 本 文 提 出 了一 种 基 于 连 通 域 分 析 的卡 片 指 纹 图 像 分 割 方 法 ． 对 于扫描 得到 的卡片 图像 ， 先 进 行 预 处 理 以获 取 候 选 指纹 区 域 ， 然后通 过连通域分析得到有效指纹区域 ， 最后进行 指位匹配． 在 大 量 指 纹 卡 片上 的测 试 结 果 表 明 ， 该方 法能够快速有 效地分 割 出十指指 纹图像 ， 非 常 具 有 实 际 应 用价值．
犯罪 嫌疑人进行 捺印得 到的指纹． 捺 印得 到 的指 纹又 可分为两类 ， 一类是对 十指指纹 卡片进 行 扫
描， 然后 分割得 到滚动捺 印和平面捺 印 的十指 指 纹， 如图 １ （ ｂ ） ； 另 一类是 通 过活 体指 纹 采集 系 统 进行 滚动捺或 平面捺 印采集 得到 ， 如图 １ （ ｃ ） ． 实 践表 明 ， 建立 大容 量 指 纹 库 特 别 是 捺 印 指纹库， 可 以更 加 有 效 地发 挥 指 纹 识别 系统 的 功 能ｌ ２ ］ ． 随着 软硬 件技 术 的发展 ， 现 在 的活体 指
ｔ ｉ ｏ ｎ ） ［ Ｍ］ ． ｓ ｐ ｒ ｉ ｎ ｇ ｅ 卜 Ｖｅ ｒ １ ａ ｇ Ｌ ｏ ｎ ｄ ｏ ｎ Ｌ ｉ ｍｔ ｅ ｄ ，２ ０ ０ ９
第２ ７卷第 １期
２ ０ １ ５年 ３月
北 方 工 业 大 学 学 报
Ｊ ． ＮｏＲＴ Ｈ ＣＨ Ｉ Ｎ Ａ Ｕ ＮＩ Ｖ． ＯＦ ＴＥＣＨ
Ｖｏ １ ． ２ ７ ＮＯ． １
Ｍ ａ ｒ ． ２ Ｏ１ ５
一
种 基 于连 通 域 分 析 的卡 片指 纹 图像 分 割算 法
陈小 光 王 琳 汪周 武
为犯罪 嫌疑 人 的个 人 信 息 ； ２ ） 卡 片 中 间 区域 为 右 手 和左 手 共 十 个手 指 的滚 动捺 印指 纹 ， 从 左
到右分 别 为 拇 指 、 食指 、 中指 、 环指 、 小指 ； ３ ） 卡 片下方 区域 为左 右两 手共 十个 手指 的平 面捺 印 指纹 ， 从左 到 右依 次为左 手 的小 指 、 环指 、 中 指、 食指 、 拇 指 以及右 手 的拇 指 、 食指 、 中指 、 环指 、 小指． 卡 片指 纹 数 字 化 的 任 务 主 要 就 是