山东大学
硕士学位论文
基于Hough变换的图像形状特征检测
姓名：杨全银
申请学位级别：硕士
专业：信号与信息处理
指导教师：王欣
20090508
图像常见特征提取方法简介 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一、颜色特征 （一）特点：颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。 （二）常用的特征提取与匹配方法 （1）颜色直方图 其优点在于：它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间：RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法：直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 （2）颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法，无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间（如HSV 空间），并将颜色空间量化成若干个柄。然后，用色彩自动分割技术将图像分为若干区域，每个区域用量化颜色空间的某个颜色分量来索引，从而将图像表达为一个二进制的颜色索引集。在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系 （3）颜色矩 这种方法的数学基础在于：图像中任何的颜色分布均可以用它的矩来表示。此外，由于颜色分布信息主要集中在低阶矩中，因此，仅采用颜色的一阶矩（mean）、二阶矩（variance）和三阶矩（skewness）就足以表达图像的颜色分布。 （4）颜色聚合向量 其核心思想是：将属于直方图每一个柄的像素分成两部分，如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值，则该区域内的像素作为聚合像素，否则作为非聚合像素。（5）颜色相关图 二纹理特征 （一）特点：纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。在模式匹配中，这种区域性的特征具有较大的优越性，不会由于局部的偏差而无法匹配成功。作为一种统计特征，纹理特征常具有旋转不变性，并且对于噪声有较强的抵抗能力。但是，纹理特征也有其缺点，一个很明显的缺点是当图像的分辨率变化的时候，所计算出来的纹理可能会有较大偏差。另外，由于有可能受到光照、反射情况的影响，从2-D图像中反映出来的纹理不一定是3-D物体表面真实
机器视觉图像检测技术地发展和应用 在科技发达地今天，运输系统逐渐朝着智能化（）发展，而检测地方法上亦渐渐趋向以高科技地检测方式替代传统人工调查地方式，可以避免漏记或调查员地投机取巧，并且精简调查成本，在执法方面，各个城市大量采用了电子警察，使得在许多装有电子警察地交通路口和路段交通秩序要好于其它路段.所以，车辆检测器地发展在现代计算机化地交通管理中扮演着非常重要地角色，其准确度常受到检测方式、检测器布设形式、数量与位置地影响. 现有地各种交通参数检测方式中，只有图像检测器（）是一种可以取得最丰富地交通信息地面式检测器.视觉为基础地摄影系统在现今地发展已更加地成熟，而且，比那些点式地感应系统更为有用（例如：环形线圈与压力式检测器），因为图像检测器所提供地信息可以进行进一步地车辆跟踪与分类，这对于执法是至关重要地.而其它检测手段均有较大地限制，点式检测器仅用于车流上地量测与计数，或是解决特定地子问题（如等候检测或拥挤车流上地检测），缺乏一般性地应用. 以计算器进行图像处理，改善图像品质地有效应用开始于年美国喷射推进实验室（）用计算机对宇宙飞船发回地大批月球照片进行处理，获得显著地效果.至年代由于离散数学地创立和完善，使数字图像处理技术得到了迅速地发展，随着电脑地功能日益增强，价格日益低廉，使得图像处理在各行各业地应用已经成为相当普遍地工具之一，举凡在医学工程、工业应用、交通领域应用等.年代开始，有关交通量估测地研究渐渐有了成果.到年以后，各国对于交通图像侦测系统已有实际地成品发展出来.另外，近年来结合类神经网络加速图像处理速度形成一个研究趋势. 在进入图像处理之前，我们首先对图像做一个概略性地探讨.所谓“图像”泛指所有实际存在含有某种消息地信号，如含有人、事、物等地照片，而红外线摄影所获得地信号，则表示某些物体地温度分布. 我们常说“一幅图胜过千言万语”，即是指每张图像中含有许多地信息，根据我们地目地而进行处理，得出想要地结果.“数字图像”是将传统照片或录像带模拟讯号经取样（）及数字化后达成.数字化地原因在于方便计算机运算与储存.所储存地亮点成为图像地基本单位，称为象素（）.象素地亮度以灰度值（）表示，灰度值被划分为阶，最暗为，最亮为.一张图像被数值化成方块格子所组成地画像元素，每一格子中都标有一对坐标，一个代表其行值，另一则代表其列值.行值从这张图像地最左边开始标帜自一直到，表示行值中最大值.相同地，列值从最上方起定为，往下移动至值，表示图像全部列数. 所谓图像处理就是为了某种目地对图像地强度（灰度值）分布视为一连串整数值地集合，经由不断地运算执行某些特定地加工和分析. 、图像处理原理 图像处理涵盖地范围十分很广泛，但是，所采用地基本原理和方法是一致地.整体说来，图像处理这门科学所研究地主要内容包括了图像数地模数转化（）、图像地增强与复原（）、图像编码与压缩（）、图像切割（）、图像地表示和描述（）、图像特征匹配（）等等.
形状特征提取 （一）特点：各种基于形状特征的检索方法都可以比较有效地利用图像中感兴趣的目标来进行检索，但它们也有一些共同的问题，包括：①目前基于形状的检索方法还缺乏比较完善的数学模型；②如果目标有变形时检索结果往往不太可靠；③许多形状特征仅描述了目标局部的性质，要全面描述目标常对计算时间和存储量有较高的要求；④许多形状特征所反映的目标形状信息与人的直观感觉不完全一致，或者说，特征空间的相似性与人视觉系统感受到的相似性有差别。另外，从 2-D 图像中表现的3-D 物体实际上只是物体在空间某一平面的投影，从2-D 图像中反映出来的形状常不是3-D 物体真实的形状，由于视点的变化，可能会产生各种失真。 （二）常用的特征提取与匹配方法 Ⅰ几种典型的形状特征描述方法 通常情况下，形状特征有两类表示方法，一类是轮廓特征，另一类是区域特征。图像的轮廓特征主要针对物体的外边界，而图像的区域特征则关系到整个形状区域。 几种典型的形状特征描述方法： （1）边界特征法该方法通过对边界特征的描述来获取图像的形状参数。其中Hough 变换检测平行直线方法和边界方向直方图方法是经典方法。Hough 变换是利用图像全局特性而将边缘像素连接起来组成区域封闭边界的一种方法，其基本思想是点—线的对偶性；边界方向直方图法首先微分图像求得图像边缘，然后，做出关于边缘大小和方向的直方图，通常的方法是构造图像灰度梯度方向矩阵。 （2）傅里叶形状描述符法 傅里叶形状描述符(Fourier shape descriptors)基本思想是用物体边界的傅里叶变换作为形状描述，利用区域边界的封闭性和周期性，将二维问题转化为一维问题。 由边界点导出三种形状表达，分别是曲率函数、质心距离、复坐标函数。 （3）几何参数法 形状的表达和匹配采用更为简单的区域特征描述方法，例如采用有关形状定量测度（如矩、面积、周长等）的形状参数法（shape factor）。在QBIC 系统中，便是利用圆度、偏心率、主轴方向和代数不变矩等几何参数，进行基于形状特征的图像检索。
基于图像的信息隐藏检测技术 傅德胜，谢永华 （南京信息工程大学计算机与软件学院南京210044） 摘要：本文首先介绍了现有图像信息隐藏检测技术的分类，然后阐述了常用的基于图像的信息隐藏盲检测技术，并对它们的优缺点和应用领域进行了分析，最后对信息隐藏技术的发展和系统开发作了分析与展望。 关键词：信息隐藏；基于图像；盲检测 1 引言 现代信息隐藏技术自上个世纪九十年代中期出现以来，已经成为数字通信、信息安全和版权保护领域的重要研究课题，并得到了越来越广泛的应用。目前利用数字图像作为隐秘信息的载体已经成为主要的信息隐藏技术之一，其基本原理是利用人体感觉器官对数字图像的感觉冗余，将被隐藏的图像数据嵌入在某种载体图像中，嵌入后隐秘图像与原始的载体图像几乎没有任何视觉上的差别，很难被观察者和监视系统发现，从而可以保证机密信息传输的安全性。可以预见，信息隐藏技术将是今后相当一段时间内的重要的隐蔽通信方式［1］ 。 但是信息隐藏技术的发展也带来了一定的负面效果，据美国媒体透露，已经发现恐怖组织利用隐藏在图像中的信息传递联络情报，甚至将计算机病毒隐藏在载体图像中进行传输，这些都对国家安全和社会稳定产生了很大的威胁。因此，研究对图像中可能存在的各种隐藏信息进行有效检测的方法已经迫在眉睫，因而基于图像的信息隐藏检测技术也就成为目前信息安全领域的重要研究课题。近几年来，世界各国的信息安全专家在这一方面进行了深入的研究，并提出了一定的隐藏信息检测模型，开发了相关的信息隐藏检测软件，如美国著名的信息安全产品开发公司Wetstone开发的信息隐藏检测软件Stego Suite［2］ 。本文首先对目前常用的基于图像的信息隐藏技术进行了统计和分类，分析了它们的优缺点和适用领域，然后重点介绍了基于图像信息隐藏的盲检测算法，最后对隐藏技术的发展趋势和信息隐藏检测系统的开发进行了分析与展望。 2 基于图像的信息隐藏检测技术 图像信息隐藏检测技术主要用于判断图像中是否有隐藏信息的存在，它是信息隐藏分析技术的第一步，也是现阶段基于图像的隐藏信息分析的主要内容。 从检测技术的手段考虑，基于图像的信息隐藏检测技术大致可以分为： （1）对比检测技术 对比检测技术是对隐蔽图像载体和原始图像载体的属性如大小、分辨率、颜色值、灰度值、直方图或者变换域系数进行对比，从其中的差值或者关联信息中进行分析判断隐藏信息存在的可能性。这种方法实现比较简单，但是在大多数情况下，无法获取原始载体图像，因此没有太大的实际意义和应用价值。 （2）盲检测技术 盲检测技术指的是在没有原始载体图像的情况下，只通过隐蔽载体本身来检测隐藏信息。通常可以通过对图像特征进行分析和提取，判断是否存在隐藏信息。盲检测技术是当今信息隐藏检测领域最热门的研究领域，难度较大，但是具有更广泛的应用前景。 根据研究角度不同，基于图像的信息隐藏检测技术可以分为： （1）时空域方法
图像特征特点及其常用的特征提取与匹配方法 [ 2006-9-22 15:53:00 | By: 天若有情 ] 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一颜色特征 （一）特点：颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。 （二）常用的特征提取与匹配方法 （1）颜色直方图 其优点在于：它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间：RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法：直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 （2）颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法，无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间（如HSV 空间），并将颜色空间量化成若干个柄。然后，用色彩自动分割技术将图像分为若干区域，每个区域用量化颜色空间的某个颜色分量来索引，从而将图像表达为一个二进制的颜色索引集。在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系 （3）颜色矩 这种方法的数学基础在于：图像中任何的颜色分布均可以用它的矩来表示。此外，由于颜色分布信息主要集中在低阶矩中，因此，仅采用颜色的一阶矩（m ean）、二阶矩（variance）和三阶矩（skewness）就足以表达图像的颜色分布。（4）颜色聚合向量 其核心思想是：将属于直方图每一个柄的像素分成两部分，如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值，则该区域内的像素作为聚合像素，否则作为非聚合像素。 （5）颜色相关图 二纹理特征 （一）特点：纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。在模式匹配中，这种区域性的特征具有较大的优越性，不会由于局
课程设计报告 设计题目：数字图像处理中的边缘检测技术学院： 专业： 班级：学号： 学生姓名： 电子邮件： 时间：年月 成绩： 指导教师：
数字图像处理中的边缘检测技术课程设计报告I 目录 1 前言:查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 (1) 1.1理论背景 (1) 1.2图像边缘检测技术研究的目的和意义 (1) 1.3国内外研究现状分析 (2) 1.4常用边缘检测方法的基本原理 (3) 2 小波变换和小波包的边缘检测、基于数学形态学的边缘检测法算法原理 (7) 2.1 小波边缘检测的原理 (7) 2.2 数学形态学的边缘检测方法的原理 (7) 3 算法实现部分：程序设计的流程图及其描述 (9) 3.1 小波变换的多尺度边缘检测程序设计算法流程图 (9) 3.2 数学形态学的边缘检测方法程序设计算法描述 (10) 4实验部分：对所给的原始图像进行对比实验，给出相应的实验数据和处理结果 (11) 5分析及结论：对实验结果进行分析比较，最后得出相应的结论 (15) 参考文献 (17) 附录：代码 (18)
1前言 查阅相关文献资料，了解和掌握基本原理、方法和研究现状，以及实际应用的背景意义 1.1 理论背景 图像处理就是对图像信息加工以满足人的视觉心理或应用需求的方法。图像处理方法有光学方法和电子学方法。从20世纪60年代起随着电子计算机和计算技术的不断提高和普及，数字图像处理进入了高速发展时期，而数字图像处理就是利用数字计算机或其它的硬件设备对图像信息转换而得到的电信号进行某些数学处理以提高图像的实用性。 图像处理在遥感技术，医学领域，安全领域，工业生产中有着广泛的应用，其中在医学应用中的超声、核磁共振和CT等技术，安全领域的模式识别技术，工业中的无损检测技术尤其引人注目。 计算机进行图像处理一般有两个目的：(1)产生更适合人观察和识别的图像。 (2)希望能由计算机自动识别和理解图像。数字图像的边缘检测是图像分割、目标区域的识别、区域形状提取等图像分析领域的重要基础，图像处理和分析的第一步往往就是边缘检测。 物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等，同时物体的边缘也是不同区域的分界处。图像边缘有方向和幅度两个特性，通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈。根据灰度变化的特点，图像边缘可分为阶跃型、房顶型和凸缘型。 1.2 图像边缘检测技术研究的目的和意义 数字图像处理是伴随着计算机发展起来的一门新兴学科，随着计算机硬件、软件的高度发展，数字图像处理也在生活中的各个领域得到了广泛的应用。边缘检测技术是图像处理和计算机视觉等领域最基本的技术，如何快速、精确的提取图像边缘信息一直是国内外研究的热点，然而边缘检测也是图像处理中的一个难题。 首先要研究图像边缘检测，就要先研究图像去噪和图像锐化。前者是为了得到飞更真实的图像，排除外界的干扰，后者则是为我们的边缘检测提供图像特征更加明显的图片，即加大图像特征。两者虽然在图像处理中都有重要地位，但本次研究主要是针对图像边缘检测的研究，我们最终所要达到的目的是为了处理速
遥感影像变化检测报告 学院： 专业： 指导老师： 小组成员： 2013年5月
1、遥感影像变化检测的概念 遥感影像变化检测指利用多时相获取的覆盖同一地表区域的遥感影像及其它辅助数据 来确定和分析地表变化。它利用计算机图像处理系统，对不同时段目标或现象状态的变化进行识别、分析；它能确定一定时间间隔内地物或现象的变化，并提供地物的空间分布及其变化的定性与定量信息。 由此可知，遥感影像变化检测是从不同时期的遥感图像中，定量地分析和确定地物变化的特征和过程。它涉及到变化的类型、分布状况及变化信息的描述，即需要确定变化前后的地物类型、界限和分析变化的属性。变化检测的研究对象为地物，包括自然地物和人造地物，其中人造地物在军事上常被称为目标。描述地物的特性包括：空间分布特性、波谱反射与辐射特性、时相变化特性。遥感影像的变化检测在土地覆盖变化监测、环境变迁动态监测、自然灾害监测、违章建筑物查处、军事目标打击效果分析以及国土资源调查等方面拥有广泛的应用价值和商业价值。 变化检测通常包括以下4个方面的内容： (1)判断是否发生了变化，即确定研究区域内地物是否发生了变化； (2)标定变化发生的区域，即确定在何处发生了变化，将变化像元与未变化像元区分开来； (3)鉴别变化的性质，给出在每个变化像元上所发生变化的类型，即确定变化前后该像元处的地物类型； (4)评估变化的时间和空间分布模式。 其中，前两个方面是变化检测所要解决的基本问题，而后两个方面则根据应用要求决定是否需要做。 2、遥感影像变化检测的三个层次 遥感图像分析过程中通常包括数据层处理、特征层处理和目标层处理三个过程。依据这三个层次划分，可将变化检测分为：像元级变化检测、特征级变化检测和目标级变化检测。 (1)像元级变化检测是指直接在采集的原始图像上进行变化检测。尽管基于像元的变化检测有它一定的局限性，但由于它是基于最原始的图像数据，能更多地保留图像原有的真实感，提供其它变化检测层次所不能提供的细微信息，因而目前绝大多数的变化检测方法都是像元级变化检测。 (2)特征级变化检测是采用一定的算法先从原始图像中提取特征信息，如边缘、形状、轮廓、纹理等，然后对这些特征信息进行综合分析与变化检测。由于特征级的变化检测对特征进行关联处理，把特征分类成有意义的组合，因而它对特征属性的判断具有更高的可信度和准确性。但它不是基于原始数据而是特征，所以在特征提取过程中不可避免地会出现信息的部分丢失，难以提供细微信息。 (3)目标级变化检测主要检测某些特定对象(比如道路、房屋等具有明确含义的目标)，是在图像理解和图像识别的基础上进行的变化检测，它是一种基于目标模型的高层分析方法。 变化检测的三个层次在实现上各有优缺点，在具体的变化检测中究竟检测到哪个层次是根据任务的需要确定的。像元级的变化检测保持了尽可能多的原始信息，具有特征级和目标级层次上所不具备的细节信息，但像元级变化检测仅考虑像素属性的变化，而未考虑其空间等特征属性的变化；特征级变化检测不仅考虑到空间形状的变化，而且还要考虑特征属性的变化，但特征级的变化检测依赖于特征提取的结果，但特征提取本身比较困难；目标级的变化检测最大的优点是它接近用户的需求，检测的结果可直接应用，但它的不足之处在于目标提取的困难性。
图像边缘检测算法体验步骤 图像边缘检测算法体验步骤（Photoshop，Matlab）1. 确定你的电脑上已经安装了Photoshop和Matlab2. 使用手机或其他任何方式，获得一张彩色图像（任何格式），建议图像颜色丰富，分辨率比较高，具有比较明显的图像边界（卡通图像，风景图像，桌面图像）3. 将图像保存到一个能够找到的目录中，例如img文件夹（路径上没有汉字）4. 启动Photoshop，打开img文件夹中的图像5. 在工具箱中选择“矩形选择”工具，到图面上选择一个区域（如果分辨率比较高，建议不要太大，否则计算过程比较长）6. 点击下拉菜单【文件】-【新建】，新建一个与矩形选择框同样尺寸的Photoshop图像，不要求保存该图像7. 将该彩色图像转换为亮度图像，即点击下拉菜单【图像】-【模式】-【灰度】，如提示是否合并，选择“Yes”8. 将该单色的亮度图像另存为Windows的BMP文件，点击下拉菜单【文件】-【存储为】，在“存储为”窗口中，为该文件起一个名字，例如test1（保存为test1.bmp）9. 启动Matlab，将当期路径（Current Directory）定位到图像文件夹，例如这里的img文件夹10. 使用imread命令读入该图像，在命令行输入：>> f = imread(test1.bmp);11. 在Matlab中显示该图像，在命令行输入：>> figure, imshow(f)12. 然后，分别使用Matlab图像工具箱中的Edge函数，分别使用Sobel算法，高斯-拉普拉斯（Log）算法和Canny算法得到的边缘图像：在命令行输入：>> g_sobel = edge(f, sobel, 0.05); >> g_log = edge(f, log, 0.003, 2.25); >> g_canny = edge(f, canny, [0.04 0.10], 1.5);13 得到边缘图像计算结果后，显示这些边缘图像： >> figure, imshow(g_sobel) >> figure, imshow(g_log) >> figure, imshow(g_canny)14 可以用不同的图像做对比，后续课程解释算法后，可以变换不同的阈值，得到不同的边缘图像
第33卷第4期电子科技大学学报V ol.33 No.4 2004年8月Journal of UEST of China Aug. 2004 CCD图像的轮廓特征点提取算法 侯学智，杨平，赵云松 (电子科技大学机械电子工程学院成都 610054) 采用最大方差法将图像二值化，用图像形态学的梯度细化和修剪算法来提取边缘轮廓，利用十一【摘要】﹑ 点曲率法得到轮廓的角点和切点的大致位置。提出了一种基于最小二乘拟合的改进算法，来进一步确定角点和切点，并对轮廓分段识别。该算法应用在基于图像处理的刀具测量系统中，实际结果表明具有良好的抗噪声性能，能准确提取出图像的特征点。 关键词刀具测量; 细化; 曲率; 最小二乘拟合; 角点 中图分类号TP391 文献标识码 A Contour Feature Point Detection Algorithm of CCD Image Hou Xuezhi，Yang Ping，Zhao Yunsong (School of Mechatronic Engineering, UEST of China Chengdu 610054) Abstract The image is segmented to Bi-value image with max variance algorithm, and then the edge is detected by a series of image morphology algorithm including grads, thinning and cutting. The eleven point curvature-computing method is used to locate the area of corner and point of tangency. An improved algorithm based on least square fitting is given to search corner and point of tangency. This algorithm is applied to the cutting tools measurement system based on image processing and the actual result proves it has a good noise-resisted performance and can detect feature points accurately. Key words cutting tools measurement; thinning; curvature; least square fitting; corner 目前数控加工精度已达到微米级，对刀精度要求愈来愈高。传统的刀具测量方式采用人眼瞄准，容易带来主观误差，使对刀精度降低。在基于图像处理的刀具测量系统中，CCD数码相机将对刀状态的图像摄入，通过USB接口输入计算机。首先提取出刀具轮廓的特征点，再对轮廓曲线进行分段，从而测量刀具的长度﹑半径﹑角度等参数。通常利用曲率信息来提取轮廓特征点，三点曲率法对噪声较敏感，十一点曲率法能较好地估算出轮廓的曲率，并能简单提取出轮廓的角点与切点区域[1, 2]。本文提出利用最小二乘法拟合角点和切点区域的曲线，根据计算的斜率和曲率的特点能有效确定角点和切点。 1 图像预处理 被测刀具的图像如图1所示。CCD相机采集到刀具的彩色图像，将其转化为256色的灰度图像，如图1a 所示，采用最大方差阈值法将图像二值化。由于刀具表面存在油污，光线散射等原因，图像二值化后，在刀具部分有颗粒状噪声，而刀具以外有细小孔洞存在，所以在提取轮廓前，采用形态学算子滤波。在图像形态学中，最基本的运算是腐蚀和膨胀运算，通过腐蚀和膨胀可以构成开运算与闭运算。开闭运算都能够平滑边缘，其中开运算能够消除细小物体，闭运算能够填充物体孔洞。本文采用方形结构元素，对图像先闭运算后开运算，有效地滤除了图像的细小孔洞和噪声，而刀具的结构和面积基本保持不变。图1b所示为 收稿日期：2003 ? 07 ? 24 作者简介：侯学智(1980 ? )，男，硕士生，主要从事工业测控技术方面的研究.
Matlab做图像边缘检测的多种方法 1、用Prewitt算子检测图像的边缘 I = imread('bacteria.BMP'); BW1 = edge(I,'prewitt',0.04); % 0.04为梯度阈值 figure(1); imshow(I); figure(2); imshow(BW1); 2、用不同σ值的LoG算子检测图像的边缘 I = imread('bacteria.BMP'); BW1 = edge(I,'log',0.003); % σ=2 imshow(BW1);title('σ=2') BW1 = edge(I,'log',0.003,3); % σ=3 figure, imshow(BW1);title('σ=3') 3、用Canny算子检测图像的边缘 I = imread('bacteria.BMP'); imshow(I); BW1 = edge(I,'canny',0.2); figure,imshow(BW1); 4、图像的阈值分割 I=imread('blood1.tif'); imhist(I); % 观察灰度直方图，灰度140处有谷，确定阈值T=140 I1=im2bw(I,140/255); % im2bw函数需要将灰度值转换到[0,1]范围内 figure,imshow(I1); 5、用水线阈值法分割图像 afm = imread('afmsurf.tif');figure, imshow(afm); se = strel('disk', 15); Itop = imtophat(afm, se); % 高帽变换 Ibot = imbothat(afm, se); % 低帽变换 figure, imshow(Itop, []); % 高帽变换，体现原始图像的灰度峰值 figure, imshow(Ibot, []); % 低帽变换，体现原始图像的灰度谷值 Ienhance = imsubtract(imadd(Itop, afm), Ibot);% 高帽图像与低帽图像相减，增强图像figure, imshow(Ienhance); Iec = imcomplement(Ienhance); % 进一步增强图像
实验三图像的边缘检测 一、实验目的与要求 1、了解图像边缘提取的基本概念； 2、了解进行边缘提取的基本方法； 3、编程实现对所给图像的边缘进行提取。 二、知识点 1、边缘检测的思想和原理 图像理解是图像处理的一个重要分支，研究为完成某一任务需要从图像中提取哪些有用的信息，以及如何利用这些信息解释图像。边缘检测技术对于处理数字图像非常重要，因为边缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开来。在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一致的，而不同的区域内部的特征或属性是不同的，边缘检测正是利用物体和背景在某种图像特性上的差异来实现的，这些差异包括灰度，颜色或者纹理特征。边缘检测实际上就是检测图像特征发生变化的位置。 由于噪声和模糊的存在，检测到的边界可能会变宽或在某些点处发生间断，因此，边界检测包括两个基本内容：首先抽取出反映灰度变化的边缘点，然后剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线。边缘检测的方法大多数是基于方向导数掩模求卷积的方法。导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值比较高，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法，提取边界点集。
一阶导数是最简单的导数算子，它们分别求出了灰度在x和y方向上的变化率，而方向上的灰度变化率可以用相应公式进行计算；对于数字图像，应该采用差分运算代替求导，差分公式参考相关教材。 2、常用的梯度算子 （1）Roberts Cross算子，它的2个2 X2模板如图3所示。 图3 Robert Cross算子模板 （2）Prewitt 算子，它的2个3×3模板如图4所示。 图4 Prewitt算子模板 （3）Sobel 算子，它的2个3×3模板如图5所示。 图3 Sobel算子模板 3、高斯拉普拉斯（LoG）算法 高斯拉普拉斯（LoG）算法是一种二阶边缘检测方法。它通过寻找图像灰度值中二阶微分中的过零点（Zero Crossing）来检测边缘点。其原理为，灰度
泰山医学院2006～2007学年第一学期 2003级医学影像本科《医学影像检查技术学》试卷(A) 答案 一、概念解释（每小题2分，共20分） 1. positive contrast media 阳性对比剂（positive contrast media）是一种密度高、吸收X线多，原子序数高、比重大的物质。X线照片上显示为密度高或白色的影像。 2. partial volume effect 在同一扫描层面内含有二种以上不同密度的组织相互重叠时，所测得的CT值不能如实反映该单位体素内任何一种组织真实的CT值，而是这些组织的平均CT值，这种现象称部分容积效应(partial volume effect)。 3. M-mode ultrasonography M型(M-mode)超声诊断法系利用一维声束显示界面回声和活动的超声诊断方法。 4. maximum intensity projection, MIP 通过计算机处理，对被观察的CT扫描体积进行数学线束透视投影，每一线束所遇密度值高于所选阈值的像素，被投影在与线束垂直的平面上重组成像。
5. CT 值 亨氏定义水的CT 值为OHu ，其它不同密度组织都与它进行比较。1000CT ?-=水水物值μμ μ 6. high resolution CT, HRCT 高分辨力扫描CT(high resolution CT ；HRCT)是通过重建图像时所采用的滤波函数形式等的改变，获得具有良好的空间分辨力CT 图像的扫描方法。 7. signal to noise ratio 图像信噪比是指图像中的信号能量与噪声能量之比。 8. CT angiography CT 血管造影 (CT angiography ；CTA)是利用CT 容积扫描技术，采集流经血管内腔对比剂信息的血管成像技术。 9. 回波链长度 回波链长度(echo train length ；ETL)是指每个TR 时间内用不同的相位编码来采样的回波数，也称为快速系数。 10. multislice CT 多层螺旋CT(multi slice CT ；MSCT)是指X 线管每旋转一周，可完成多层面的容积数据采集并重建出多个层面的图像的扫描方法，也称为多排CT 。
９０２００８，４４（５）Ｃｏｍｐｕｔｅｒ－ＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用 一种基于轮廓特征和拓扑关系的图像检索方法 曾接贤，毕东格 ＺＥＮＧＪｉｅ－ｘｉａｎ，ＢＩＤｏｎｇ－ｇｅ 南昌航空大学无损检测技术教育部重点实验室，南昌３３００６３ ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＮｏｎｄｅｓｔｒｕｃｔｉｖｅＴｅｓｔ，ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，ＮａｎｃｈａｎｇＨａｎｇｋｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｃｈａｎｇ３３００６３，Ｃｈｉｎａ Ｅ－ｍａｉｌ：ｚｅｎｇｊｘ５８＠１６３．ｃｏｍ ＺＥＮＧＪｉｅ－ｘｉａｎ，ＢＩＤｏｎｇ－ｇｅ．Ｉｍａｇｅｒｅｔｒｉｅｖａｌｍｅｔｈｏｄｂａｓｅｄｏｎｃｏｎｔｏｕｒｃｈａｒａｃｔｅｒａｎｄｓｐａｔｉａｌｔｏｐｏｌｏｇｙ．ＣｏｍｐｕｔｅｒＥｎｇｉ－ｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２００８。４４（５）：９０－９２． Ａｂｓｔｒａｃｔ：ＡｎｅｗｍｅｔｈｏｄｆｏｒＣＢＩＲｂａｓｅｄｏｎｓｈａｐｅＦｏｕｒｉｅｒｄｅｓｃｒｉｐｔｏｒｉｓｐｒｅｓｅｎｔｅｄ．Ｔｈｅｆｉｒｓｔｓｔｅｐｏｆｔｈｉｓｍｅｔｈｏｄｉｓｐｒｅ－ｐｒｏｃｅｓｓｉｎｇｔｈｅｉｍａｇｅ，ｔｈｅｎｃａｒｒｙｉｎｇｔｈｅｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｂａｓｅｄｏｎｔｏｐｏｌｏｇｙｒｅｌａｔｉｏｎｓｈｉｐ，ａｎｄｔｈｅｎｕｓｅｃｏｎｔｏｕｒｔｒａｃｋｉｎｇｍｅｔｈｏｄｔｏｏｂｔａｉｎｔｈｅｃｏｎｔｏｕｒｆｅａｔｕｒｅｗｈｉｃｈｌａｔｅｒｄｅｓｃｒｉｂｅｄｂｙＦｏｕｒｉｅｒｄｅｓｃｒｉｐｔｏｒｕｓｉｎｇＦＦＴ，ａｔｌａｓｔ，ｕｓｉｎｇｂｌｏｃｋｄｉｓｔａｎｃｅｔｏｍｅａｓｕｒｅｔｈｅｓｉｍｉｌａｒｉｔｙｂｅｔｗｅｅｎｔｈｅｏｒｉｇｉｎａｌｐｉｃｔｕｒｅａｎｄｔａｒｇｅｔｐｉｃｔｕｒｅ．Ｉｎｏｒｄｅｒｔｏｖｅｒｉｆｙｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｍｅｔｈｏｄ，ｗｅｅｘｐｅｒｉｍｅｎｔｅｄｕｎｄｅｒＭＡＴＬＡＢａｎｄＶＣ＋＋ｅｎｖｉｒｏｎｍｅｎｔ．Ｂｙｓｅｖｅｒａｌｅｘｐｅｒｉｍｅｎｔｓ，ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄｉｓｅｆｆｅｃｔｉｖｅａｎｄａｌｓｏｂｙａｌｇｏｒｉｔｈｍａｎａｌｙｓｉｓ，ｗｅｃｏｎｃｌｕｄｅｔｈａｔｔｈｅｍｅｔｈｏｄｉｓｒａｔｉｏｎａｌｆｏｒｉｍａｇｅｒｅｔｒｉｅｖａｌ． Ｋｅｙｗｏｒｄｓ：ｓｈａｐｅｄｅｓｃｒｉｂｉｎｇ；Ｆｏｕｒｉｅｒｄｅｓｃｒｉｐｔｏｒ；ｓｐａｔｉａｌｔｏｐｏｌｏｇｙ；ｃｏｍｐａｒａｂｉｌｉｔｙ 摘要：提出了一种利用轮廓特征和拓扑关系的图像检索方法。首先对图像进行预处理，然后根据空间拓扑关系进行区域分割，再对各个区域进行轮廓跟踪，并用傅立叶描述子对所提取区域的轮廓进行描述，最后用街区距离进行相似度的判定。为了验证该算法的有效性，在ＭＡＴＬ＾．Ｂ和ＶＣ＋＋环境下进行了实验，通过实验结果和算法分析，证明了该方法的合理性和有效性。 关键词：形状描述；傅立叶描述子；空间拓扑关系；相似度 文章编号：１００２—８３３１（２００８）０５—００９０—０３文献标识码：Ａ中图分类号：ＴＰ３９１．３ １引言 在计算机视觉中，形状特征属于图像的中间层特征。形状特征作为刻画图像中物体和区域特点的重要特征，是描述高层视觉特征（如目标、对象等）的重要手段，而目标、对象对获取图像语义尤为重要。利用形状特征进行检索可提高检索的准确性和效率ｆｌ】。但是基于形状特征的图像检索，主要存在有四个问题：一是图像分割算法还不能做到自适应；二是形状描述子难于提取［２１。三是特征空间的相似性与人视觉系统感受到的相似性也有差别，四是由于视点的变化可能会产生各种失真。所以，基于形状的图像检索还缺乏比较完善的数学模型，目标变形时检索结果也不可靠；另外，要全面描述形状对计算和存储都有较高的要求。 基于空间关系的查询，其主要优点是能比较完整地表达图像各部分的信息，并能比较方便地无示例或用自然语言查询。空间位置关系的特征还可加强对图像内容的描述区分能力ｔ３］。空间关系是图像内部目标的重要特征１３１，但是如果单独用空间关系描述物体的特征就显得模糊，常常很难用一个确定的表达式描述清楚，它们常由一组互相联系又有矛盾的条件所限定，每个条件在具体情况下得到不同程度的满足。常用的空间关系一般包括朝向关系和拓扑关系，它们都可以通过自然语言来描述。由于空间关系的模糊性，根据空间关系来确定检索对象的相似性是一个复杂的工作。 物体的形状及其空间关系既是图像中的核心内容，也是人们识别图像、分类图像的重要依据。但是目前基于形状和空间关系的图像检索还仅处于研究二值商标图像。在文献【１］提出了．利用小波分解技术的形状和空间关系的图像检索方法，但是小波分解的多分辨率和小波分解的方向性，使得该描述子不具有旋转和尺度变换的不变性。如果检索的图像内容包括运动的物体，则不能得到好的检索结果。 鉴于此，提出了一种基于轮廓特征和拓扑关系的图像检索方法。首先利用空间拓扑关系进行图像分割；然后提取区域轮廓特征，并用傅立叶描述子进行描述；最后再把该描述子应用于基于形状的图像检索中。通过实验验证了该算法的有效性和合理性。 基金项目：国家自然科学基金（ｔｈｅＮａｔｉｏｎａｌ‘ＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａｕｎｄｅｒＧｒａｎｔＮｏ．６０６７５０２２）；江西省自然科学基金（ｔｈｅＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＪｉａｎｇｘｉＰｒｏｖｉｎｃｅｏｆＣｈｉｎａｕｎｄｅｒＧｒａｎｔＮｏ．０３１１０１９）；江西省教育厅资助科研课题（ｔｈｅＲｅｓｅａｒｃｈＰｍｊｅｃｔｏｆＤｅ一 ● ｐａｒｔｍｅｎｔ ｏｆＥｄｕｃａｔｉｏｎｏｆＪｉａｎｇｘｉＰｒｏｖｉｎｃｅ）。 作者简介：曾接贤（１９５８一），男，教授，主要从事工程图学、计算机图形学和计算机视觉等方面的研究；毕东格（１９８１一），女，硕士研究生，主要研究方向为计算机视觉与图像处理。 收稿日期：２００７－０６—２７修回１３期：２００７—０９—０７
1.几种算子图像边缘提取: 程序代码如下: 运行结果: 原图为一堆苹果(彩图),各算子处理后的边缘提取图:
分水岭算法实现: a.直接对图像进行分水岭算法处理 代码如下：（原图还是上题一堆苹果） 运行结果如右图： 很明显，属于过度分割了。下面有改进算法： b.改进算法代码如下： 实现包括下列步骤： (1)读图像。读入图像 (2)对比度最大化。注意到图像中有许多彼此连通的 不同大小的对象。为使通过watershed变换找到的低 谷数目最小，我们使感兴趣的对象的对比度达到最 大。对比度增强的一个常用的技术是综合应用top— hat和bottom—hat变换。 top—hat变换定义为原图像和它的开之差。图像的 开是一与特定结构元素匹配的图像前景部分的集合。 bottom—hat变换定义为在原图像和它的闭之间的 差。图像的闭是一与特定结构元素匹配的图像背景 的集合。 通用的结构元素是正方形，长方形，圆盘，菱 形，球和线。既然图像中我们感兴趣的目标对象看 起来像圆盘，我们用strel函数建立一个半径为15个 像素的圆盘形结构元素。这个圆盘尺度是图像中的 目标对象的平均半径的一个估计。 (3)图像相加减。为使目标对象与分隔它们的间隙之 间的对比达到最大，用“原图top—hat图像+bottom —hat图像”得到增强的结果图。 ( 4)转换感兴趣的对象。调用watershed变换找出图像 的亮度”低谷”，把imcomplement作用 增强过的图像上，将感兴趣的目标对象转换为亮度低谷，得到增强图的补图。 (5)检测亮度低谷。对所得补图运用imextendedmin函数检测低于某特别阈值的所有亮度低谷。
图像常见xx方法简介 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。 一、颜色特征 （一）特点： 颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。 一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。 由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。 （二）常用的xx与匹配方法 （1）颜色直方图 其优点在于： 它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于： 它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。 最常用的颜色空间： RGB颜色空间、HSV颜色空间。 颜色直方图特征匹配方法：
直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。 （2）颜色集 颜色直方图法是一种全局颜色特征提取与匹配方法，无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间（如HSV空间），并将颜色空间量化成若干个柄。然后，用色彩自动分割技术将图像分为若干区域，每个区域用量化颜色空间的某个颜色分量来索引，从而将图像表达为一个二进制的颜色索引集。 在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系 （3）颜色矩 这种方法的数学基础在于： 图像中任何的颜色分布均可以用它的矩来表示。此外，由于颜色分布信息主要集中在低阶矩中，因此，仅采用颜色的一阶矩（mean）、二阶矩（variance）和三阶矩（skewness）就足以表达图像的颜色分布。 （4）颜色聚合向量 其核心思想是： 将属于直方图每一个柄的像素分成两部分，如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值，则该区域内的像素作为聚合像素，否则作为非聚合像素。 （5）颜色相关图 二纹理特征 （一）特点： 纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行