图像处理基本框架

预处理–>图像分割–>目标表达（抓出目标）–>算出其特征

目标识别的基本概念

图像分割的结果：区域内的像素集合或轮廓上的像素集合（只是像素集合，没有提取出目标）
目标：图像中人们感兴趣的某些区域
目标的表示：
（1）内部（区域）表示：组成区域的像素集合（关心图像强度(灰度、颜色、纹理)的分布）
（2）外部（边界）表示：组成区域轮廓的像素集合（关心区域的形状）
一、面目标的表达
目的：将连通的目标像素归属为同一个目标，其中面目标用包含目标的子图像以及子图像在原图像上的位置来表示。

**建立面目标的算法：**逐行扫描法
1.扫描当前行，若发现目标像素，就查该像素的左侧、左上、中上、右上这四个点
2.若四个点中有目标点，且编号相同，则目标像素设为相同编号
3.若编号不同，则将编号大目标的并到编号小的目标中，并将当前目标像素设置为小的编号
4.将当前点加入到设定编号所对应的目标像素中

图中1代表目标1，2代表目标2

外部表示

二、轮廓的链码表达

**链码：**轮廓点的一种编码方式，利用特定长度、方向的直线段表示目标轮廓

链码表示轮廓的优点：

1.只有起点需要绝对坐标，其余用接续方向代表偏移量
2.方向数比坐标所用比特小，轮廓的链码表示可以大大减少数据量1.只有起点需要绝对坐标，其余用接续方向代表偏移量
2.方向数比坐标所用比特小，轮廓的链码表示可以大大减少数据量

链码表示轮廓的问题：

1.不光滑轮廓
2.噪声干扰敏感，小的干扰可引起大的链码变化

解决办法：

对原轮廓进行大网络采样，减少轮廓点

链码归一化：

1.起点归一化

2.旋转归一化

链码的一阶差分重新构造一个序列，出现负数取模

形状数（轮廓形状的描述符）：最小的差分码
上图四方向
链码10103322 — 差分码33133030 — 形状数03033133

三、轮廓线段的近似表达
多边形近似逼近轮廓优点：

1.抗干扰
2.省数据量

（1）基于收缩的最小周长多边形（MPP）

（2）基于聚合的最小均方误差线段逼近

（3）基于分裂的最小均方误差线段逼近

连接轮廓最远的2个像素，按一定的准则进一步分解轮廓，构成多边形轮廓，直到拟合误差满足一定的限度。

内部表示

一、目标的层次表达

基本思路：分层分解图像，分成目标节点，背景节点，混合节点（继续分解）

常用方法：

1.四叉树表达式（分解时每次将图像一分为四）
2.二叉树表达式

二、目标的骨架表达

**骨架点：**对于每个区域R中的点P，在轮廓B中搜寻与它最近的点，如果对P能找到多于1个这样的点，点P就是一个骨架点

骨架算法（区域点为1，背景点为0）：

1.应用操作1，标记将被删除的边界点
2.删除做了标记的点
3.应用操作2，标记将被删除的边界点
4.删除做了标记的点
5.反复循环，直到再也没有被删除的点为止

目标轮廓的傅里叶描述

**简述：**将点的坐标用一个复数表示

算法步骤：

运动表达

（1）前景运动（局部运动）：场景中目标的自身运动
（2）背景运动（全局运动）：由摄像机的运动所造成

特征测量

**欧拉数：**区域内的连通组元个数C和区域内孔数H之差（E=C-H）

纹理参数：
描述方法：

1.统计法：利用灰度直方图的矩或者共生矩阵来描述纹理的

细纹理图案：灰度在空间上变化比较快，所以其共生矩阵中的值散布在各处
粗纹理图案：像素对的两个像素趋于具有相同的灰度，故其灰度共生矩阵中的值主要集中在主对角线附近