Лекция 4 Обработка бинарных изображений
Download as PPTX, PDF1 like4,686 views
Документ содержит курс по бинарному компьютерному зрению, охватывающий алгоритмы бинаризации, маскирования, морфологические операции и сегментацию объектов. Он описывает различные методы, такие как эрозия, дилатация и построение связных областей, а также реализацию на языках MATLAB и OpenCV. Дополнительно обсуждаются методы описания и сравнения контуров, вычисление расстояний до пикселей и сегментация по выпуклым областям.
![Рекурсивный алгоритм построения связанных областейvoid Fill(BIT* img[], int* labels[], int x, int y, int L){if( (labels[x][y] = = 0) && (img[x][y] = = 1) ){labels[x][y] = L;if( x > 0 )Fill(img, labels, x – 1, y, L);if( x < W - 1 )Fill(img, labels, x + 1, y, L);if( y > 0 )Fill(img, labels, x, y - 1, L);if( y < H - 1 )Fill(img, labels, x, y + 1, L);}}28Вопрос: В чем минусы?](https://image.slidesharecdn.com/l04binary-110928042223-phpapp01/85/4-36-320.jpg)
![Моменты Hu45OpenCV void HuMoments( const Moments& moments, double h[7] );](https://image.slidesharecdn.com/l04binary-110928042223-phpapp01/85/4-53-320.jpg)
Лекция 4 Обработка бинарных изображений
- 1. Бинарное компьютерное зрениеСайт курса:http://cvbeginner.blogspot.com/1
- 2. Из прошлой лекции…Бинаризация по порогуАлгоритмы выделения краевМасочные операцииСвязанность областей2
- 4. ПримененияИспользуется для оценки параметров сегментированных объектовТрассировки объектовВ качестве маски4
- 5. Логические операцииК бинарным изображениям применимы все операции классической логикиИ (AND)ИЛИ (OR)Исключающее ИЛИ (XOR)Отрицание (NOT)5
- 6. Логическое ИЛИ (OR)6Matlab: A = B|COpenCV:cv::Mat a = b|c;
- 7. Логическое И (AND)7Matlab: A = B&COpenCV:cv::Mat a = b&c;
- 10. Маскирование10
- 11. Морфологические операцииСтык теории множеств и интегральной геометрииИмеется:Некоторое множество XСтруктурный элемент BСтруктурный элемент определяется формой и размеромОперация переноса:11
- 12. Эрозия12Matlab
- 13. imeride(BW);
- 14. OpenCV
- 15. void erode( const Mat& src, Mat& dst, const Mat& element);Эрозия13
- 17. imdilate (BW);
- 18. OpenCV
- 19. void dilate ( const Mat& src, Mat& dst, const Mat& element);Дилатация15
- 20. Свойства Эрозии и ДилатацииКоммутативный законАссоциативный закон16
- 22. imopen (BW);
- 23. OpenCVvoid morphologyEx( const Mat& src, Mat& dst, MORPH_OPEN, const Mat& element);
- 26. imclose (BW);
- 27. OpenCVvoid morphologyEx( const Mat& src, Mat& dst, MORPH_CLOSE, const Mat& element);
- 30. Утончение22
- 32. АлгоритмИтеративное утончениеПока изображение изменяетсяПрименять морфологическую операцию утончениеЧерез DT (далее)MatlabSkel = bwmorph(BW,'skel',Inf);OpenCVСм. DT24
- 33. Скелетонизация25
- 35. Рекурсивный алгоритм построения связанных областейvoid Labeling(BIT* img, int* labels){// labels должна быть обнуленаL = 1;for(y = 0; y < H; y++)for(x = 0; x < W; x++){Fill(img, labels, x, y, L++);}}27
- 36. Рекурсивный алгоритм построения связанных областейvoid Fill(BIT* img[], int* labels[], int x, int y, int L){if( (labels[x][y] = = 0) && (img[x][y] = = 1) ){labels[x][y] = L;if( x > 0 )Fill(img, labels, x – 1, y, L);if( x < W - 1 )Fill(img, labels, x + 1, y, L);if( y > 0 )Fill(img, labels, x, y - 1, L);if( y < H - 1 )Fill(img, labels, x, y + 1, L);}}28Вопрос: В чем минусы?
- 37. Двухпроходный алгоритмЕсли A = OНичего не делатьИначе если B=0и C=0 Увеличить счетчик областей и присвоить его значение AИначе если B xor C = 1 Копировать значение в AИначе если B!=0 и C!=0Если B = CКопировать значение в AИначе Записать значение B или C в A; зафиксировать эквивалентность B и С29
- 38. Что делать?30
- 41. РеализацияMatlabL = bwlabel(BW); RGB = label2rgb(L);OpenCVvoid findContours( const Mat& image, vector<vector<Point> >& contours,vector<Vec4i>& hierarchy, CV_RETR CCOMP, CV_CHAIN_APPROX_NONE);void drawContours( Mat& image, const vector<vector<Point> >& contours,intcontourIdx, const Scalar& color, CV_FILLED);33
- 45. Distance transform (DT)Определение расстояния до ближайшего «белого пикселя»37"2D Euclidean distance transforms: a comparative survey", ACM Computing Surveys, Vol 40, Issue 1, Feb 2008
- 46. Алгоритм (DT)Простейший алгоритм – N проходовПервый проход помечает края 0На втором помечаем все граничащие с 0 пикселикак 1И т.д.Существует двухпроходный алгоритм38
- 48. РеализацияMatlabbwdist(~BW,'euclidean')bwdist(~ BW,'cityblock')bwdist(~ BW,'chessboard')bwdist(~ BW,'quasi-euclidean')OpenCVvoid distanceTransform( const Mat& src, Mat& dst, intdistanceType, intmaskSize );40
- 49. Описание бинарных компонентДля сравнения между собой или с шаблономТребования к описанию:Инвариантность относительно размераИнвариантность относительно поворотаИнвариантность относительно сдвига41
- 51. Определение осей и их направления43Собственными векторами матрицы covбудут направления полуосей осей эллипсаСобственными числами – длины полуосей
- 52. Моменты пример44OpenCVMoments cv::moments(const Mat& array, boolbinaryImage=false );
- 53. Моменты Hu45OpenCV void HuMoments( const Moments& moments, double h[7] );
- 54. Нахождение контура Внутренний контурВнешний контур46
- 55. Описание контура Код последовательности (Freeman)47
- 56. Описание контура Распределение расстояния до цента48
- 57. Сравнение контуровOpenCVdouble matchShapes( const Mat& object1,const Mat& object2,int method, double parameter=0 );49
- 58. Граф Риба50
- 60. Рибvs SkeletonReedПлюсыПросто строитсяМало лишних деталейСодержит ключевые точкиМинусыЗависит от функции МорсаНет инвариантности относительно поворотаSkeletonПлюсыИнвариантен относительно поворотаОднозначноМинусыСложное вычислениеМного лишних деталей52
- 61. Пример использованияOpenNI + NITEhttp://vimeo.com/1764013353
- 62. Сегментация по выпуклым областямОпределение выпуклостиДля любой пары точек в множестве отрезок между этими точками лежит в этом множествеПриблизительная выпуклостьОтклонение от прямой наикратчайшего расстояния между точками в множестве54
- 64. Сегментация по выпуклым областямПример56Liu et al. Convex Shape Decomposition CVPR 2010
- 65. Сегментация по выпуклым областямCompute multiple Morse functions;for each Morse function doConstruct Reeb Graph;Compute Mutex pairs and add them into MutexSet;Compute candidate cuts and add them intoCandidate Cut Set;endfor each cut in Candidate Cut Set dofor and each mutex pair in Mutex Set doCheck whether the cut satisfy the mutex pairendend4. Solve the linear programming problem5. Obtain final cuts;57
- 67. Вопросы59