二值图像连通域标记优化算法

合集下载

(完整word版)二值图像分析

(完整word版)二值图像分析

第三章 二值图像分析一幅数字图像是一个二维阵列,阵列元素值称为灰度值或强度值.实际上,图像在量化成数字图像前是一个连续强度函数的集合,场景信息就包含在这些强度值中.图像强度通常被量化成256个不同灰度级,对某些应用来说,也常有32、64、128或512个灰度级的情况,在医疗领域里甚至使用高达4096(12bits)个灰度级.很明显,灰度级越高,图像质量越好,但所需的内存也越大.在机器视觉研究的早期,由于内存和计算能力非常有限,而且十分昂贵,因此视觉研究人员把精力主要集中在研究输入图像仅包含两个灰度值的二值视觉系统上.人们注意到,人类视觉在理解仅由两个灰度级组成的线条、轮廓影像或其它图像时没有任何困难,而且应用场合很多,这一点对研究二值视觉系统的研究人员是一个极大的鼓舞.随着计算机计算能力的不断增强和计算成本的不断下降,人们普遍开始研究基于灰度图像、彩色图像和深度图像的视觉系统.尽管如此,二值视觉系统还是十分有用的,其原因如下:⑴ 计算二值图像特性的算法非常简单,容易理解和实现,并且计算速度很快.⑵ 二值视觉所需的内存小,对计算设备要求低.工作在256个灰度级的视觉系统所需内存是工作在相同大小二值图像视觉系统所需内存的八倍.如若利用游程长度编码等技术(见3.4节)还可使所需内存进一步减少.由于二值图像中的许多运算是逻辑运算而不是算术运算,所以所需的处理时间很短.(3)许多二值视觉系统技术也可以用于灰度图像视觉系统上.在灰度或彩色图像中,表示一个目标或物体的一种简易方法就是使用物体模板(mask),物体模板就是一幅二值图像,其中1表示目标上的点,0表示其它点.在物体从背景中分离出来后,为了进行决策,还需要求取物体的几何和拓扑特性,这些特性可以从它的二值图像计算出来.因此,尽管我们是在二值图像上讨论这些方法,但它们的应用并不限于二值图像.一般来说,当物体轮廓足以用来识别物体且周围环境可以适当地控制时,二值视觉系统是非常有用的.当使用特殊的照明技术和背景并且场景中只有少数物体时,物体可以很容易地从背景中分离出来,并可得到较好的轮廓,比如,许多工业场合都属于这种情况.二值视觉系统的输入一般是灰度图像,通常使用阈值法首先将图像变成二值图像,以便把物体从背景中分离出来,其中的阈值取决于照明条件和物体的反射特性.二值图像可用来计算特定任务中物体的几何和拓扑特性,在许多应用中,这种特性对识别物体来说是足够的.二值视觉系统已经在光学字符识别、染色体分析和工业零件的识别中得到了广泛应用.在下面的讨论中,假定二值图像大小为n m ⨯,其中物体像素值为1,背景像素值为0.3.1 阈值视觉系统中的一个重要问题是从图像中识别代表物体的区域(或子图像),这种对人来说是件非常容易的事,对计算机来说却是令人吃惊的困难.为了将物体区域同图像其它区域分离出来,需要首先对图像进行分割.把图像划分成区域的过程称为分割,即把图像],[j i F 划分成区域k p p p ,,,21⋅⋅⋅,使得每一个区域对应一个候选的物体.下面给出分割的严格定义.定义 分割是把像素聚合成区域的过程,使得:● ==i k i P 1 整幅图像 (}{i P 是一个完备分割 ). ● j i P P j i ≠∅=, ,(}{i P 是一个完备分割).● 每个区域i P 满足一个谓词,即区域内的所有点有某种共同的性质.● 不同区域的图像,不满足这一谓词.正如上面所表明的,分割满足一个谓词,这一谓词可能是简单的,如分割灰度图像时用的均匀灰度分布、相同纹理等谓词,但在大多数应用场合,谓词十分复杂.在图像理解过程中,分割是一个非常重要的步骤. 二值图像可以通过适当地分割灰度图像得到.如果物体的灰度值落在某一区间内,并且背景的灰度值在这一区间之外,则可以通过阈值运算得到物体的二值图像,即把区间内的点置成1,区间外的点置成0.对于二值视觉,分割和阈值化是同义的.阈值化可以通过软件来实现,也可以通过硬件直接完成.通过阈值运算是否可以有效地进行图像分割,取决于物体和背景之间是否有足够的对比度.设一幅灰度图像],[j i F 中物体的灰度分布在区间],[21T T 内,经过阈值运算后的图像为二值图像],[j i F T ,即:⎩⎨⎧≤≤=其它如果0],[ 1],[21T j i F T j i F T (3.1) 如果物体灰度值分布在几个不相邻区间内时,阈值化方案可表示为: ⎩⎨⎧∈=其它如果0],[ 1],[Z j i F j i F T (3.2) 其中Z 是组成物体各部分灰度值的集合.图3.1是对一幅灰度图像使用不同阈值得到的二值图像输出结果. 阈值算法与应用领域密切相关.事实上,某一阈值运算常常是为某一应用专门设计的,在其它应用领域可能无法工作.阈值选择常常是基于在某一应用领域获取的先验知识,因此在某些场合下,前几轮运算通常采用交互式方式来分析图像,以便确定合适的阈值.但是,在机器视觉系统中,由于视觉系统的自主性能(autonomy )要求,必须进行自动阈值选择.现在已经研究出许多利用图像灰度分布和有关的物体知识来自动选择适当阈值的技术.其中的一些方法将在3.2节介绍.图3.1 一幅灰度图像和使用不同阈值得到的二值图像结果.上左:原始灰度图像,上右:阈值T=100;左下:T=128.右下:T1=100|T2=128. 3.2 几何特性通过阈值化方法从图像中检测出物体后,下一步就要对物体进行识别和定位.在大多数工业应用中,摄像机的位置和环境是已知的,因此通过简单的几何知识就可以从物体的二维图像确定出物体的三维位置.在大多数应用中,物体的数量不是很多,如果物体的尺寸和形状完全不同,则可以利用尺度和形状特征来识别这些物体.实际上在许多工业应用中,经常使用区域的一些简单特征,如大小、位置和方向,来确定物体的位置并识别它们.3.2.1 尺寸和位置一幅二值图像区域的面积(或零阶矩)由下式给出:∑∑-=-==1010],[n i m j j i B A (3.3)在许多应用中,物体的位置起着十分重要的作用.工业应用中,物体通常出现在已知表面(如工作台面)上,而且摄像机相对台面的位置也是已知的.在这种情况下,图像中的物体位置决定了它的空间位置.确定物体位置的方法有许多,比如用物体的外接矩形、物体矩心(区域中心)等来表示物体的位置.区域中心是通过对图像进行“全局”运算得到的一个点,因此它对图像中的噪声相对来说是不敏感的.对于二值图像,物体的中心位置与物体的质心相同,因此可以使用下式求物体的中心位置:∑∑∑∑∑∑∑∑-=-=-=-=-=-=-=-=-==1010101010101010],[],[],[],[n i n i m j m j n i m j n i m j j i iB j i B y j i jB j i B x (3.4)其中x 和y 是区域相对于左上角图像的中心坐标.物体的位置为:Aj i iB y A j i jB x n i m j n i m j ∑∑∑∑-=-=-=-=-==10101010],[],[ (3.5)这些是一阶矩.注意,由于约定y 轴向上,因此方程3.4和3.5的第二个式子的等号右边加了负号.3.2.2 方向计算物体的方向比计算它的位置稍微复杂一点.某些形状(如圆)的方向不是唯一的,为了定义唯一的方向,一般假定物体是长形的,其长轴方向被定义为物体的方向.通常,二维平面上与最小惯量轴同方向的最小二阶矩轴被定为长轴.图像中物体的二阶矩轴是这样一条线,物体上的全部点到该线的距离平方和最小.给出一幅二值图像],[j i B ,计算物体点到直线的最小二乘方拟合,使所有物体点到直线的距离平方和最小:χ220101==-=-∑∑r B i j ij j m i n [,] (3.6)其中r ij 是物体点],[j i 到直线的距离.为了避免直线处于近似垂直时所出现的数值病态问题,人们一般把直线表示成极坐标形式:θθρsin cos y x += (3.7)如图3.2所示,θ是直线的法线与x 轴的夹角,ρ是直线到原点的距离.把点),(j i 坐标代入直线的极坐标方程得出距离r :22)sin cos (ρθθ-+=y x r (3.8)图3.2 直线的极坐标表示将方程3.8代入方程3.6并求极小化问题,可以确定参数ρ和θ:∑∑-=-=-+=101022],[)sin cos (n i m j ij ij j i B y x ρθθχ (3.9) 令2χ对ρ的导数等于零求解ρ得:)sin cos (θθρy x += (3.10) 它说明回归直线通过物体中心),(y x .用这一ρ值代入上面的2χ,则极小化问题变为:θθθθχ222sin cos sin cos c b a ++= (3.11)其中的参数:],[)(],[))((2],[)(10210101010102j i B y y c j i B y y x x b j i B x x a n i m j ij n i m j ij ij n i m j ij ∑∑∑∑∑∑-=-=-=-=-=-=-=--=-= (3.12)是二阶矩.表达式2χ可重写为:θθχ2sin 212cos )(21)(212b c a c a +-++=(3.13) 对2χ微分,并置微分结果为零,求解 值:ca b -=θ2tan (3.14) 因此,惯性轴的方向由下式给出: 2222)(2cos )(2sin c a b ca c ab b -+-±=-+±=θθ (3.15) 所以由2χ的最小值可以确定方向轴.注意,如果c a b ==,0,那么物体就不会只有唯一的方向轴.物体的伸长率E 是2χ的最大值与最小值之比:m inm ax χχ=E (3.16) 3.2.3 密集度和体态比区域的密集度(compact )可用下面的式子来度量:2pA C = (3.17) 其中,p 和A 分别为图形的周长和面积.根据这一衡量标准,圆是最密集的图形,其密集密度为最大值π4/1,其它一些图形的比值要小一些.让我们来看一下圆,当圆后仰时,形状成了一椭圆,面积减小了而周长却不象面积减小的那么快,因此密集度降低了.在后仰到极限角时,椭圆被压缩成了一条无限长直线,椭圆的周长为无穷大,故密集度变成了零.对于数字图像, 2p A 是指物体尺寸(像素点数量)除以边界长度的平方.这是一种很好的散布性或密集性度量方法.这一比值在许多应用中被用作为区域的一个特征.密集度的另一层意义是:在给定周长的条件下,密集度越高,围成的面积就越大.注意在等周长的情况下,正方形密集度大于长方形密集度.体态比定义为区域的最小外接矩形的长与宽之比,正方形和圆的体态比等于1,细长形物体的体态比大于1.图3.3所示的是几种形状的外接矩形.图3。

基于均值漂移——连通域标记的多目标跟踪算法

基于均值漂移——连通域标记的多目标跟踪算法
收 稿 日期 :2 1— 3 1 0 1 0 一0;修回 日期 :2 1-4 2 0 10 — 1
重心坐标 以及大小 和方 向 , 将其作为 当前 MenS i 算 法跟 并 a hf t 踪的起始信息 。在 目标丢失 情况下 能够搜 索到 目标并进 行跟 踪, 提高算法鲁棒性 。
1 改进 Me nS i 跟 踪算 法 a ht t
的跟踪算 法中 , a h t Me Si 算法 由于具 有理论严谨 、 时 陛好 和 n f 实
跟踪精 度 较 高 等 最 a
S i 算法最早 由 F kng ht f u u aa等人 提 出 , 作为 一个 非参数 化 的 数据统计 方法 , 于数据 聚类 , 称之为 峡谷 搜索 算法 ( a e— 用 也 vl ly
鲁好波 ,李坚强 ,王小 民
( 圳 大学 计 算机 与软件 学 院 , 东 深圳 586 ) 深 广 100 摘 要 :提 出一种基 于 M a h 改 进算 法与 连通域 标记 的 多 目 跟 踪 算法 。在 多 目标跟 踪过 程 中, 目 瞬 enSi t f 标 对 标
间丢 失 、 标 遮挡 或 重 叠 时 目标 跟 踪 失 败 等 情 况 有 较 好 的 改 进 。在 跟 踪 过 程 中 , 目标 丢 失 时 , 于 改进 的 目 当 基
MenS i 方法是一种最优 的寻找概率密度极大值 的梯度 a hf t
基金项 目:国家自然科学基 金资助项 目( 10 15 60 18 )
作者简介 : 鲁好波( 9 5 ) 男 , 东青岛人 , 18 . , 山 硕士研究生 , 主要研 究方向为多媒体信息处理( ho o3 4 6 . o ) 李 坚强( 90 ) 男, 东 1 ab_ 0 @13 c ; u n r 18 一 , 广 韶 关人 , 讲师 , 博士 , 主要研究方向为 多媒体信息处理 ; 王小民( 97 ) 男 , 1 5 - , 河南长葛人 , 副教授 , 硕士 , 主要研 究方向为计 算机 网络与信 息安全.

保持二值图像连通性的缩小算法

保持二值图像连通性的缩小算法
ห้องสมุดไป่ตู้
p oc s e c o d n t t hu a viu l ys e r e s d a c r i g o he m n s a s t m a d o i e i g he on c i t wih he r o a n c nsd rn t c ne tviy t t i l c l
r gi r p oc s e a c r i t t hu a viu 1 ys e . The e ons a e r e s d c o d ng o he m n s a s t m pi e s n he dg r gi s r x l i t e e e on a e
。 S ho l f mpue in e,S a xiNo ma ie st ( c o Co o trSce c h n r lUnv riy,xi n 71 0 2 0 6 ) a
Ab t a t n t s pa e e p op s s i ki g a g rt s r c :I hi p r w r o e a hrn n l o ihm e e v n o ne tviy f n r i a s pr s r i g c n c i t or bi a y m ge .
(u e igxn g alc r ) 1d xn ig@ m i o . n
70 6 ) 10 2

要 : 对 二 值 图像 进 行 大 因 子缩 小 时容 易 产 生 连 通 性 丢 失 的 问题 , 出一 种 保 持 连 通 性 的 缩 小 算 法 . 二 值 图 针 提 将
像 划 分 成 互 不相 交 的矩 形 区域 , 光 滑 区域 的像 素 根 据 人 眼 视 觉 系 统 进 行 处 理 , 边 缘 区域 的 像 素 根 据 人 眼 视 觉 系 对 对 统 和局 部 邻 域 的 连 通 性 进 行 处理 , 通 过 保 持 连 通 性 来 保 持 图 像 的 拓 扑结 构 , 到 拓 扑结 构 较 好 的 缩 小 图像 . 验 并 得 实 结 果 表 明 , 已有 算 法 相 比 , 中算 法 能 够 在 保 持 形 状 的 情 况 下兼 顾 图像 的拓 扑 结 构 . 与 文 关 键 词 : 状 保 持 ; 通性 保 持 ; 形 连 二值 图像 缩 小

基于游程编码的连通区域标记算法优化及应用

基于游程编码的连通区域标记算法优化及应用

龙源期刊网
基于游程编码的连通区域标记算法优化及应用
作者:蔡世界于强
来源:《计算机应用》2008年第12期
摘要:为提高空间液滴蒸发实验中图像实时反馈控制系统的鲁棒性,在液滴的边缘提
取中采用了连通区域标记算法,并从两个方面对该算法进行了优化,从而在实时图像处理中获
得较快的处理速度和较小的内存占用。

一是在DSP实时图像处理中应用了游程编码来减少对象数量和存储所需空间;二是优化了Suzuki的连通区域标记算法,解决了该算法在一次扫描的赋值过程中可能会出现标记等价信息丢失的问题,通过改变对标记连接表的赋值,实现了只需要一次扫描就能获得完整的标记等价信息。

实验结果表明,优化算法比传统算法运行速度更快并减少了内存占用。

关键词:游程编码;连通区域;标记;DSP图像处理;图像反馈控制;标记连接表。

一种易于实现的适于细胞图像连通区域的标记算法_喻杰

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。

多运动目标跟踪及连通域标记方法

多运动目标跟踪及连通域标记方法
本 文 主要研 究 背景 静止 情 况下 ,多 运动 目标 的检 测 跟踪 ,以及检 测 到 目标 之 后 。多 运动 目标 的 连
通部 分 的标记 方 法 。该 系统 整个 过程 的结 构 框 图 如图l 所示 。
f , ÷【一) 一 , 】 £ , 1 ,+ . = n
的标记 ( 据 已有信 息 ,这 是该 连 通 区域 直 到 目 根 前第 一 次被 扫描 到 的) ;
着 色算 法 、收缩 法 、顺 序 标记 算法 等 。因为 顺 序 标 记算 法 只需要 对 图像 进 行顺 序扫 描 而不 需 要 递 归 调 用 ( 需 大 的栈 空 间 支 持 ) 无 ,且 对 于 凹 或 凸 的区域 都适合 .所 以 ,本设 计 采用 该方法 。 考 虑到 多运 动 目标 检测 以后 得 到 的是 二 值 图 像 .背 景 区象 素 的灰 度 值 均 为0 ,各 目标 区 象 素 的灰 度 值均 为 1 。这 里 假 设 对 一 幅 二 值 图像 从 左 到 右 、从 上 到 下 进 行 扫 描 ( 点 在 图像 的 左 上 起 方1 ,那 么要 标 记 当前 正 被 扫 描 的象 素 ,就 需 要 检测 它 与在 它之 前 扫描 到 的若 干个 近邻 象 素 的 连
4 电 予充 嚣 件 主 用 4
2 0 . 0 75
. d.n e a c c
维普资讯
第9 卷
2 7第5 0年月 0 5期

Байду номын сангаас

V1 N. 0 o . 5 9
Ma .2 0 y 07
含多 个 区域 ( 即多个 运动 目标 ) ,由于多 目标 区域
1 多运 动 目标 标 记
多 目标 跟踪 系统研 究 中一 个 重要 的问题是 目

matlab 二维坐标数组求解连通区域-概述说明以及解释

matlab 二维坐标数组求解连通区域-概述说明以及解释

matlab 二维坐标数组求解连通区域-概述说明以及解释1.引言概述部分的内容可以如下编写:1.1 概述在数字图像处理和计算机视觉领域中,连通区域是常见的概念,它代表了具有相同像素值或特定属性的像素的集合。

本文将主要介绍使用MATLAB对二维坐标数组进行连通区域的求解方法。

二维坐标数组是一种常见的数据结构,用于存储和表示二维平面上的图像、地理信息等。

连通区域的求解在许多应用中都具有重要意义。

例如,在图像处理中,我们经常需要对目标进行分割和提取,而连通区域的求解可以帮助我们实现这一目标。

此外,在计算机视觉领域,连通区域的应用也非常广泛,如对象识别、目标跟踪等。

在正文部分,我们将首先介绍二维坐标数组的定义和特点,包括如何表示和访问数组中的元素。

然后,我们将详细解释连通区域的概念和应用,以及常见的连通区域求解算法和技术。

最后,在结论部分,我们将总结本文所介绍的二维坐标数组求解连通区域的方法,并给出相关实验结果和分析。

通过本文的阅读,读者将能够了解和掌握使用MATLAB对二维坐标数组进行连通区域求解的方法和技巧,从而在实际应用中能够灵活运用和扩展相关算法。

希望本文能够对读者在数字图像处理和计算机视觉领域的学习和研究工作有所帮助。

文章结构部分可以根据文章的主要内容和逻辑,介绍文章的主要章节和各个章节的内容概要。

下面是1.2 文章结构部分的内容示例:1.2 文章结构本文将按照以下结构进行叙述:第二部分:正文本部分主要介绍了二维坐标数组的定义和特点,并深入探讨了连通区域的概念和应用。

首先,我们将对二维坐标数组进行详细的定义,并解释其在实际问题中的应用。

其次,我们将介绍连通区域的概念和特点,并展示其在图像处理、地理信息系统等领域的广泛应用。

第三部分:结论本部分将重点讨论二维坐标数组求解连通区域的方法,并对实验结果进行分析。

我们将介绍一种有效的算法,基于二维坐标数组的特点,实现连通区域的快速求解。

同时,我们将通过实验结果验证该算法的准确性和效率,并分析不同参数对算法性能的影响。

一种改进的运动目标标记算法

一种改进的运动目标标记算法
到 目前 为止 , 们 已经 提 出 了许 多 方法 来解 决 人
的标记是 目标 跟踪 的一个 重要 的问题 , 而且 准确 性 和快速性是对 目标标记 的两个 重要要求 。
在 多运 动 目标 的 场 景 下提 取 分 离 目标 的 方法

跟踪问题 , 要 可 以 分为 3类 ; 一类 为基 于特 征 主 第
sed pe. K y W o d b n r ma e e in l r wt e rs i a y i g ,r g o a g o h,s g n a ei g,c n e t d c m p n n e me tlb l n o n ce o o e t
Cls m b r TP 9 a s Nu e 3]
(ol e f m ue n fr t nT cn lg , eigJ oo gUnvri ,B in 1 0 4 ) C l g p tr dI omai eh oo y B in i tn i ct e oC o a n o j a e y ei j g 0 0 4
A s r c B s ft e r q ie n so e l i o li a g tt a k n ,t e r q ie n ft e s e d o r i g t e b ta t a eo h e u r me t fr a— me f rmu t t r e r c i g h e u r me to h p e fma k n h t - mo i g t r e lo g t ig h g e n i h r e ma k n l o i m s p o o e ih i o ma k t e b n r g a e v n a g tas e t ih r a d h g e ,an w r i g ag rt n h i r p s d wh c t r h i a y i s ma eb s d o ita d c mb n d t e a v n a e f e i n g o h ag rt m n e me tlb l g a g rt m. Th sa g rt m a b l l n l n o i e h d a t g so g o r wt lo i s r h a d s g n a ei l o ih n i lo ih c n l e l a a t r e s wih o l n e s a n e o v e p o lm f a e o f c ,wh c u t be f ra v re yo g ,a d i r v d i a g t t n yo c c n a d r s l e t r b e o b l n l t h l c i ih i s i l a it fi s a o ma e n mp o e n
  1. 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. 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. 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)。

第 4 期
罗 志 灶 , 赢 武 , : 值 图 像 连 通 域 标 记 优化 算 法 周 等 二
。3 ‘ 5
标 号 的共 同连通域 标 号及 目标 属性 , 于解 决 冲突标 号 的处理 ; 用 最后 , 改进 等价 标号合 并 算法 , 重新 排序 标 号 , 得合 理 的 目标 标号 。 获
有 速 度 快 , 法 简单 , 于 实 现 的 特点 , 需 两 次 扫 描 , 可 实 现 像 素 的 多 目标 标 记 。本 算 法 将 背 景 也 作 为 目标 加 以 标 算 易 仅 即 记 , 两 步 扫 描 图像 和 临时 连 通 域 标 号矩 阵完 成 连 通 域 的标 记 和 合 并 , 用 顺 序 存 储 结 构 存 储 和处 理 等 价 标 号 , 法 速 分 采 算
存 相关 的 目标 的属性 [ , 如 目标 的面 积 即 目标 的像 素 点 的数 量 、 心 、 阶矩 等参 数 。连通 域 标 记法 3例 ] 重 二 是 计算机 视觉 和 目标 识别 的重要 步骤 , 直接影 响 目标 识别 的准 确性 和速度 [ 。 4 ]
影 响连通 域标 记算法 的性能 主要有 两个 方面 :) a 图像扫 描方 式及等 价连 通域标 号 冲突处理 的方法 ; b 存储 连通 域信息 的数据 结构 。提 高连 通 域标 记 算 法 性能 也 着 眼 于这 两 方 面 : ) 减少 图像 的扫描 次 数 , 尽 可能减 少 回溯扫 描 , 一次 扫描尽 可 能多地提 取连 通域 的信息 ; 设计 合 适 的数 据 结构 , 可 能减 少 连通 尽 域 信息访 问 的时间 , 提高算 法效率 。
Vo . 6 N 4 1 1 o.
二值 图像 连通 域标记优 化算法
罗志 灶 , 赢 武 , 忠楷 周 郑
( 闽江 学 院 电 子 系 , 建 福 州 3 0 0 ) 福 5 1 8

要 :在 分 析现 有 二 值 图 像像 素扫 描 连 通 域 标 记 算 法 的 基 础 上 , 出 像 素 扫 描 连 通 域 标 记 优 化 算 法ቤተ መጻሕፍቲ ባይዱ。本 算 法 具 提
1 现 有 算 法 分 析
图像 的连通 域标 记算法 有多种 , 根据 扫描 方法不 同可分 为像 素 扫 描 即点 标记 法[ 和 线段 扫 描 即线 5
标 记法 。像素 点扫描 方式有 顺序 扫描法 、 归标记 法嘲 、 ] 递 区域增 长法嗍 等 。线 段扫 描算 法 主要 有基
2 算 法描述
2 1 术 语 定 义 .
连通 域标 号 : 图像 像素 点所 在 的连 通域 的序 号 , 与 图像 大小相 同的二 维数 组保存 每个像 素点 的连 用 通域 标号 。连通域 标 号在本 算 法有 两个 阶段 : 一 阶段 , 二值 图像 扫描 取 得 的临 时连 通 域标 号 , 阶 第 对 此 段 , 有不 同的连通 域标 号属 于同一 目标 。因此 , 会 将此 阶段 的像 素点 连通 域标 号 称为 待合 并连通 域标 号
于 游程 的标记算 法_ _ 1 。各算 法均 能准确 标记 目标连 通域 , 主要 区别在 于 等价标 号 的 处理 。最 终 的 等 其 标 记要把 等价标 号标 记为 同一标号 。优 化算法 的 目的是 在正 确 解决 等 价标 记 和 冲突 标 记基 础上 , 降低 算 法 的复 杂度 和提高 算法 的性能 。 像素 点扫描 法是 比较常用 的算 法 , 特点是 直观 , 其 数据 结构 简单 , 于实 现 。二值 图像扫 描后 , 易 ] 会 有 大量 的冲突标 号 。通常 的做法 是对 二值 图像迭 代 扫 描 , 以完 全 消除 等 价 标号 [ , 8 算法 运 行 时 间不 稳 ] 定 。算法 常用链表 结构 、 型结构或 堆栈结 构等 指针 型结构 存储 等价标 号[ , 树 7 大量 的运行 时间消 耗在 递 ] 归 调用和 指针传 递上 。 本文 针对像 素点 扫描法 的缺 陷 , 出了改进像 素 点扫描 法 的算 法 。首先 , 提 针对 常用 的存储 等价标 号 的链 表结构 的缺 点 , 改用 顺序 存储结 构 以减 少单 个像 素 点 的内存 访 问次 数 ; 其二 , 与 二值 图像 大小 相 用
度快 , 约内存。 节
关 键 词 :二 值 图像 ; 通 域 ; 素 扫描 ; 记 连 像 标 中图 分 类 号 :TP 9 31 文 献 标 识 码 :A 文 章 编 号 :10 —4 6 ( 0 0 0 —0 3 —0 0 7 2 0 2 1 )4 0 4 6
0 引 言
二 值后 的 图像 , 由 白像 素点 ( 常二值 图像用 “ ” 灰度 图像用 “ 5 ” 是 通 1, 2 5 来表示 )和黑 像 素点 ( 常用 通 “” O 来表示 )组成 的点阵 图像口 。连通 区域标 记是 指将 图像 中符 合某 种连通 规 则 ( ] 4邻域 连通 、 域连 8邻 通或 m 邻域 ) 的像 素标识 为 同一 目标_ , _ 设计合 适 的数据结 构保存 每个 像 素点 所属 的 目标 的标 号 , 2 ] 和保
同的二维 数组存储 标号 , 标记 每个像 素点 的连通 域标 号 , 方便 后续 图像 处理 ; 三 , 其 用一维 数组存 储 等价
收稿 日期 :2 1 —0 —2 00 4 6

基金 项 目 :福 建 省重 点 学 科 项 目( 闽教 高[ 0 6 4 2 0 ] 8号 ) 助 。 资 作 者 简 介 :罗 志灶 , , 建 三 明 人 , 男 福 闽江 学 院 电 子 系 讲 师 , 士 , 要 从 事 数 字 图像 和 嵌 入 式 系 统设 计与 开 发 。 硕 主
21 0 0年 l 月 1 第 1 6卷第 4期
安 庆 师范学 院学报 ( 自然科 学版 )
Jun l f n i e cesC l g ( aua ce c dt n o ra o qn T a h r ol e N trl ineE i ) A g e S i o
N v.2 0 o 01
相关文档
最新文档