美文网首页
图像的特征

图像的特征

作者: 此间不留白 | 来源:发表于2020-04-05 15:50 被阅读0次

图像的特征

对于分割后的图像,图像的区域特征对于图像分析有重要意义,而对于一副分割后的图像区域,主要有以下重要特征特征:

  • 图像区域的周长和面积
  • 图像区域的中心,半径和直径
  • 中心矩和方向
  • 极点和曲率
  • 强度特性

周长和面积

  • 周长:图像中特定区域的轮廓线的长度,而周长的计算常常用特定区域轮廓线上的像素进行估计
  • 面积:图像中特定区域的像素平方数,在计算时,常常采用Pick's 公式
    A(P) = n_I+n_B/2-1
    其中n_I代表区域内部的像素点数,而n_B代表边界上的像素点数。
    注意:
    (1). 对于一副图像而言,计算其分割后特定区域的面积时,该区域通常为不规则区域,而对不规则的区域进行处理时,通常使用bounding box的概念,设定一个bounding box,不断逼近该区域。如下图所示:
    bounding box 处理不规则的区域

(2). 而为了更精确地计算图像特定区域的边缘长度,会使用一种chain-code的计算方式,如下图所示,对于一个8邻域,编号0,2,4,6其像素为1,而1,3,5,7像素为\sqrt2.

chain-code及其方向

根据以上图像,计算特定区域或者周长时,根据像素的边缘方向得到一系列chain-code编码,而根据这些编码,很容易计算出特定区域的长度(周长)如下图所示:

chain-code编码求边缘长度的应用

中心,半径和直径

  • 偏心率(Eccentricity)是区域F中P点距离F中所有点的最大距离,即:
    ecc(p) = max \ d(p,q) |q \in F
  • 中心: 最小偏心率点P的集合
  • 半径:最小偏心率d(p,p')
  • 直径:最大偏心率d(p',q')

质心矩和方向

  • 质心:给定一个由n个像素(x_i,y_i)构成的连通域集合F,其质心c被定义为:
    x_c = \frac{1}{n}\sum_{i=1}^{n}x_i,y_c=\frac{1} {n}\sum_i^{n} y_i

  • 质心矩:对于一个由(x_i,y_i)像素组成的连通域F,其(k,l)阶中心矩被定义为:
    \mu_{k,l} = \sum_{i=1}^n(x_i-x_c)^k(y_i-y_c)^l

  • 方向:一定像素构成的区域方向被定义为角度\theta,该角度可以通过质心矩计算:
    \theta = arctan( \frac {2\mu_{1,1}} {\mu_{2,0}-\mu_{0,2} })

相关文章

  • 27-图像文件读取

    机器学习的算法都是输入特征值和目标值 图像的特征 图像里面用什么表示特征?图像是由像素组成的,所以图像的特征值就是...

  • 图像的特征

    图像的特征 对于分割后的图像,图像的区域特征对于图像分析有重要意义,而对于一副分割后的图像区域,主要有以下重要特征...

  • 颜色特征提取(一)

    颜色特征与像素点的特征息息相关,所有属于图像的像素都会对颜色特征造成影响。对图像进行颜色特征提取可以忽略图像的形状...

  • 图像纹理特征总体简述

    搬运自本人 CSDN 博客:《图像纹理特征总体简述》 图像纹理特征总体简述 纹理是一种反映图像中同质现象的视觉特征...

  • LabVIEW图像灰度测量(基础篇—7)

    像素灰度是图像最为典型的特征之一,基于图像像素灰度能衍生更多的图像特征,包括图像的直方图、线灰度分布曲线、图像线灰...

  • 图像特征

    一、SIFT 尺度不变特征转换即SIFT (Scale-invariant feature transform)它...

  • 图像颜色、灰度共生矩阵、lbp和Hu特征提取

    图像颜色特征 调用def color_moments函数提取图像颜色特征(hsv) 程序流程: 1.读取图像2.R...

  • 光流法与直接法视觉里程计

    特征点法流程: 在图像中提取特征点并计算特征描述 非常耗时, ~10 +ms in orb 在不同图像中寻找特...

  • 图像熵

    1.概念 图像熵:是一种图像特征的统计形式,反映了图像中平均信息量的多少。 图像的一维熵:图像熵是一种特征的统计形...

  • OpenCV+Python特征匹配

    特征描述符用来表述图像的特征,通过匹配特征描述符来匹配图像的特征。OpenCV官方教程 基本流程 初始化匹配器 调...

网友评论

      本文标题:图像的特征

      本文链接:https://www.haomeiwen.com/subject/nfmsphtx.html