文档介绍：图像特征提取与分析
第1页，本讲稿共72页
基本概念
颜色特征描述
形状特征描述
图像的纹理分析技术
小结
第2页，本讲稿共72页
基本概念
目的
让计算机，以上的像素序列叫4-路径或8-路径。
像素的连接
像素的连接
第16页，本讲稿共72页
在图像中，把互相连接的像素的集合汇集为一组，于是具有若干个0值的像素和具有若干个l值的像素的组就产生了。把这些组叫做连接成分，也称作连通成分。
在研究一个图像连接成分的场合，若1像素的连接成分用4-连接或8-连接，而0像素连接成分不用相反的8-连接或4-连接就会产生矛盾。
假设各个1像素用8-连接，则其中的0像素就被包围起来。如果对0像素也用8-连接，这就会与左下的0像素连接起来，从而产生矛盾。因此0像素和1像素应采用互反的连接形式，即如果1像素采用8-连接，则0像素必须采用4-连接。
连接成分
连接性矛盾示意图
第17页，本讲稿共72页
在0-像素的连接成分中，如果存在和图像外围的1行或1列的0-像素不相连接的成分，则称之为孔。不包含有孔的1像素连接成分叫做单连接成分。含有孔的l像素连接成分叫做多重连接成分。
第18页，本讲稿共72页
区域内部空间域分析是不经过变换而直接在图像的空间域，对区域内提取形状特征。
图像的欧拉数是图像的拓扑特性之—，它表明了图像的连通性。下图 (a)的图形有一个连接成分和一个孔，所以它的欧拉数为0，而下图（b）有一个连接成分和两个孔，所以它的欧拉数为-1。
可见通过欧拉数可用于目标识别。
具有欧拉数为0和-1的图形
第19页，本讲稿共72页
用线段表示的区域，可根据欧拉数来描述。如下图中的多边形网，把这多边形网内部区域分成面和孔。如果设顶点数为W，边数为Q，面数为F，则得到下列关系，这个关系称为欧拉公式。
图中的多边形网，有7个顶点、11条边、2个面、1个连接区、3个孔，因此，由上式可得到 。
包含多角网络的区域
一幅图像或一个区域中的连接成分数C和孔数H不会受图像的伸长、压缩、旋转、平移的影响，但如果区域撕裂或折叠时，C和H就会发生变化。可见，区域的拓扑性质对区域的全局描述是很有用的，欧拉数是区域一个较好的描述子。
第20页，本讲稿共72页
凹凸性是区域的基本特征之一，区域凹凸性可通过以下方法进行判别：区域内任意两像素间的连线穿过区域外的像素，则此区域为凹形。相反，连接图形内任意两个像素的线段，如果不通过这个图形以外的像素，则这个图形称为是凸的。任何一个图形，把包含它的最小的凸图形叫这个图形的凸闭包。
凸图形的凸闭包就是它本身。从凸闭包除去原始图形的部分后，所产生的图形的位置和形状将成为形状特征分析的重要线索。凹形面积可将凸封闭包减去凹形得到。
区域的凹凸性
第21页，本讲稿共72页
距离在实际图像处理过程中往往是作为一个特征量出现，因此对其精度的要求并不是很高。所以对于给定图像中三点A,B,C，当函数D(A,B)满足下式的条件时，把D(A,B)叫做A和B的距离，也称为距离函数。
第一个式子表示距离具有非负性，并且当A和B重合时，等号成立；
第二个式子表示距离具有对称性
第三个式子表示距离的三角不等式。
第22页，本讲稿共72页
计算点(i,j)和(h,k)间距离常采用的几种方法：
（1）欧氏距离，用 来表示。
（2） 4-邻域距离，也称为街区距离。
（3） 8-邻域距离，也称为棋盘距离。
这三种距离之间的关系： ，如图所示。街区距离和棋、盘距离都是欧式距离的一种近似。
第23页，本讲稿共72页
下图中表示了以中心像素为原点的各像素的距离。从离开一个像素的等距离线可以看出，在欧氏距离中大致呈圆形，在棋盘距离中呈方形，在街区距离中呈倾斜45度的正方形。街区距离是图像中两点间最短的4－连通的长度，而棋盘距离则是两点间最短的8－连通的长度。
此外，把4-邻域距离和8-邻域距离组合起来而得到的八角形距离有时也被采用，它的等距线呈八角形。
第24页，本讲稿共72页
区域的大小及形状表示方法主要包括以下几种：
（1）面积S：图像中的区域面积S可以用同一标记的区域内像素的个数总和来表示。
按上述表示法区域R的面积S=41。区域面积可以通过扫描图像，累加同一标记像素得到，或者是直接在加标记处理时计数得到。
区域的面积和周长
第25页，本讲稿共72页
（2）周长L：区域周