基于图像识别的苹果分级研究 第9页
3．2．4图像细化
  在文字识别、地质构造识别、工业零件识别以及图像理解中常常用到图像细
化。图像细化有利于突出目标物体的形状特征，去掉没用和重复的信息。
  一个图像的骨架是指图像中央的骨骼部分，是描述几何及拓扑性质的重要特
征之一。、图像细化的过程就是求图像骨架的过程。因为图像在利用边缘线计算重
心时，应该只与边界点的位置有关，而与边缘上每个位置区域的像素的个数无关。
如果不细化，则边缘线的粗细将严重影响重心的计算。采用细化后，边缘线都变
成单象素线，这就能明显提高了重心点计算的精度。骨架是用一个点与一个点集
的距离来定义的，用数学形式可表示成：
    d，(p，B)：inf{d(p，z)J z c B)    (3．9)
其中，p是图像里的一个点，B是图像的边界。用(3．4．2．1)来求区域的骨架，需要
求出所有内部点到所有边界距离，计算量很大。实际计算中都是采用逐次消去边
界点迭代细化算法。在这个过程中必须满足三个条件：第一，不消去线段端点，
第二，不中断原来图像的连通性，第三，不能过多的侵蚀区域。
    设已知图像的目标标记为l，背景点标记为0。定义边界点是本身标记为1，
在边界点的8连通邻域内至少有一个标记为O的点。算法对边界点进行的操作如
下：
  (1)考虑以边界点为中心的8一邻域，记中心点为p，，其邻域的8个点顺时针绕
中心点分别记为p2，p3，…p9，其中p2在pl的上方，图3-11是边缘像素的标记
方法。首先标记同时满足以下条件的边界点：
    (1．1)2≤Ⅳ(p1)≤6
    (1．2)S(p。)=1
    (1．3)尸2·只·圪=0
    (1．4)  只·尸6·尸8=0
其中Ⅳ(pj)是p。的非零邻点的个数，s(p，)是以p：，p，，…p，为序列的点从
3．2．4图像细化
  在文字识别、地质构造识别、工业零件识别以及图像理解中常常用到图像细
化。图像细化有利于突出目标物体的形状特征，去掉没用和重复的信息。
  一个图像的骨架是指图像中央的骨骼部分，是描述几何及拓扑性质的重要特
征之一。、图像细化的过程就是求图像骨架的过程。因为图像在利用边缘线计算重
心时，应该只与边界点的位置有关，而与边缘上每个位置区域的像素的个数无关。
如果不细化，则边缘线的粗细将严重影响重心的计算。采用细化后，边缘线都变
成单象素线，这就能明显提高了重心点计算的精度。骨架是用一个点与一个点集
的距离来定义的，用数学形式可表示成：
    d，(p，B)：inf{d(p，z)J z c B)    (3．9)
其中，p是图像里的一个点，B是图像的边界。用(3．4．2．1)来求区域的骨架，需要
求出所有内部点到所有边界距离，计算量很大。实际计算中都是采用逐次消去边
界点迭代细化算法。在这个过程中必须满足三个条件：第一，不消去线段端点，
第二，不中断原来图像的连通性，第三，不能过多的侵蚀区域。
    设已知图像的目标标记为l，背景点标记为0。定义边界点是本身标记为1，
在边界点的8连通邻域内至少有一个标记为O的点。算法对边界点进行的操作如
下：
  (1)考虑以边界点为中心的8一邻域，记中心点为p，，其邻域的8个点顺时针绕
中心点分别记为p2，p3，…p9，其中p2在pl的上方，图3-11是边缘像素的标记
方法。首先标记同时满足以下条件的边界点：
    (1．1)2≤Ⅳ(p1)≤6
    (1．2)S(p。)=1
    (1．3)尸2·只·圪=0
    (1．4)  只·尸6·尸8=0
其中Ⅳ(pj)是p。的非零邻点的个数，s(p，)是以p：，p，，…p，为序列的点从
3．2．5苹果自动分级系统的低层信息处理
    图3—14是以其中一副苹果图像为例，进行苹果自动分级系统的低层信息处理
的结果。其中a．是原图，b．是中值滤波图，c．是Sobel边缘检测图，d．图像二值化
结果图，e．图像细化处理结果。可以看出，经过一系列的图像处理后，苹果的轮
廓已经很清楚，为计算机进行大小形状的分级奠定了基础。
眨，～
a．原始图    b．中值滤波    c．边缘检测
e．二值化    f细化
    图3—14苹果自动分级系统的低层信息处理的结果第4章苹果大小、形状分级
  本章介绍本课题所要解决数字图像处理在自动检测中一种应用——基于图像
识别苹果分级。在前一章所介绍在苹果图像的低层信息处理处理的基础上再对苹
果图像的特征量抽取，然后介绍如何进行判断，建立判别函数或规则，最后面进
一步介绍整个识别系统的设计状况。
4．1苹果大小特征提取
，‘  毒_¨∈B    ∽·，

上一页  [1] [2] [3] [4] [5] [6] [7] [8] [9] [10]  ... 下一页  >>