倒角变换

发布网友发布时间：2022-05-02 03:21

共1个回答

热心网友时间：2022-06-27 14:40

在训练图像中,单个网格节点仅包含处于其位置的相的信息,而没有周围网格节点的相关信息,这样,在进行相似性计算的时候,就仅仅只考虑数据模式与数据事件之间的单个点对的对应关系,数据模式内不同点之间的相关性没有得到反映。根据计算机视觉理论,数据模式内点的相关性可以通过对图像进行处理来获得。

在计算机视觉及数字图像处理中,距离变换是常用的一种图像变换方法。通过距离变换可以获得图像的骨架、边缘特征等信息。距离变换还可以将图像内不同点之间通过距离和节点的值联系起来。由于这些节点相互之间有联系,也就是具有多点相关性,对由这些节点构成的数据模式进行相似性计算的时候也就包含了多点信息。对图像进行距离变换的常用的一个方法是倒角变换(chamfer transformation)。chamfer距离的名称首先由Borgefors在1983年正式提出。该名称是取自木工工艺的一个术语,即倒角(chamfering),用以表示计算距离时该类方法先后按相反两个方向的两遍扫描过程,且每一步计算只使用了一小块图像邻域(即选择的数据样板),其思路是全局的距离由局部距离的传播来近似计算。

考虑对图像进行倒角变换。首先将训练图像中所有节点进行分类,目标节点值设置为0,表示目标体距离本身的距离是0,而非目标体设置为∞,即初始定义非目标体距离目标体距离是无穷远;其次,利用定义的数据样板从左下角起以从左到右的方式扫描训练图像,计算中心点距离周围数据样板内节点的距离,并将距离与相应的节点值相加,中心点的值将被这些距离最小值替代,直到所有网格节点距离值被更新;再次,从右上角起以从右至左的方式扫描训练图像,重复上面过程,完成倒角变换。

在倒角变换完成后,还需要做一个归一化处理,即将目标值设置为1,非目标体距离目标越远其值越接近0。图2-5是利用倒角变换对二值图像处理的一个结果。

图2-5 倒角变换及归一化处理