·562· 北京科技大学学报 2000年第6期 摄影站B 物体（物体是深色，背景是浅色）. Gxy)=1若fxy)2T, Gxy)=0若fxy水T. 摄影站 阅值T可以根据经验来指定，但较好的方 (X,Y.Z.) 法是根据图像的灰度直方图自动找到一个阈 像点 (cy,-) 值.图像的灰度直方图具有明显的双峰特性，这 样可以从2个灰度极值之间找到一个波谷作为 %) 标靶物点（化，Y,) 分割的阅值. 相片A(已经翻转过来) 3.4图像分割 图2摄影示意图 图像分割即能明确问题，又可以降低算法 Fig.2 Sketch map of photographing 的规模.二值化完成后，又已知待识别物体是连 二乘法精确解得各个未知数，求得的飞，，k将 通的，就可以使用连通性的判断来对图像进行 可靠地反映镜头的畸变 分割.也就是说，从任一个物体上的点开始，不 断向外扩展与这个点相连通的点，直到找到包 2标靶的标记和匹配 含所有与这个点连通的点的最小矩形区域.在 二值化效果不理想的情况下，也可以使用“边沿 在上述方法中，为了知道各个标志点的实 检测”的方法来探测物体的边界范围，从而完成 际坐标，需要将各张照片上标靶的各个标志点 分割图像的工作. 进行精确标记，还需要对不同照片上的同一标 3.5细化 志点进行匹配.所谓匹配，就是给不同照片上的 识别物体的关键在于提取出合适的特征， 同一标志点标志上相同的编号，这项繁琐的工 待识别物体的最关键、最本质的特征是标志点 作如果由人工完成的话，需要较长的时间，而且 的十字形状.在数字图像处理中对物体形状描 人会产生疲劳，可能发生标记错误或者匹配错 述有很多参数，如灰度直方图特点、物体的圆 误，这些人工错误将会使计算结果产生较大的 度、物体的矩形度、物体的边界描述特征等，但 误差，通过对数字图像处理和模式识别领域的 是最直接的方法是得到构成十字形状的两条交 研究，可得出用计算机对标靶进行自动识别和 叉线条.为了从分割后的数字图像中提取构成 匹配的算法 物体形状的信息，可以采用细化的方法来提取 物体的形状骨架， 3自动识别和匹配标靶的算法 细化首先标记物体的边界点，但是并不是 31灰度化 马上删除边界点，而是只删除那些不破坏物体 使用亮度公式将彩色数字图像转化为灰度 的连通性的点；不断进行上面的操作，直到剩下 图像，Y-0.299R+0.587G+0.114B(Y亮度；R红光强 的点都是边界点，细化是一个不断剥去物体边 度；G绿光强度；B蓝光强度) 界点的过程，物体经过细化后，最终可以变成单 3.2消除噪声 像素宽的线条，而拓扑学特征不会变化. 采用领域平均法可以消除数字图像上的孤 实现细化算法有2个具体问题需要解决： 点噪声，用fxy),八xy)表示计算后的灰度和原 (1)判断哪些点是物体的边界点；(2)判断删除 来实际灰度，2(i=1,2,,8)表示这点邻近8点的 哪些点将破坏物体的连通性.第1个问题十分 灰度值，则有： 简单，考察与这点邻接的8个点中有没有外部 xw馆犯 当-g2Ope时： 点就可以了.第2个问题比较复杂这里没有采 用复杂的逻辑判别的方法，而是只在一个小的 f'(xy)=fxy)其他. 邻域范围(3*3)内来判断连通性的变化.考虑到 3.3图像二值化 领域8个点只有256种组合可能，那么可以预 图像二值化的目的在于将待识别物体和背 先做好判断，然后查表就可以了，实际证明，这 景区分开.其方法是：设定一个门限阈值T,大 种方法快捷而有效.例如： 于这个值的认为是背景：小于这个值的认为是北 京 科 技 图 摄影示意图 啥 址 二乘法精确解得各个未知 数 ， 求得 的 丸 ， 棍 ， 允将 可靠地反 映镜 头 的畸变 标靶的标记和 匹 配 在上 述方法 中 ， 为 了知 道各个标志 点 的实 际坐标 ， 需 要将各张照 片上 标靶 的各个标志 点 进行精确标记 ， 还需 要 对 不 同照 片上 的同一标 志 点进行 匹配 所谓 匹 配 ， 就 是给不 同照 片上 的 同一标志 点标志上相 同 的编号 这项繁琐 的工 作如果 由人工 完成 的话 ， 需要 较长 的时 间 ， 而且 人会产生疲 劳 ， 可 能发生标记错误 或 者匹 配错 误 这些人 工 错误将 会使计算结 果 产生较大 的 误差 通过对数字 图像处 理和 模式识 别领域 的 研 究 ， 可得 出用 计算机对标靶进行 自动 识别和 匹 配 的算法 自动识别和 匹配标靶的算法 灰度化 使用亮度公 式将彩色数字 图像转化为灰度 图像 ， 亮度 红光 强 度 绿光强度 蓝光 强度 消 除噪声 采用 领域平均法可 以消除数字 图像上 的孤 点噪声 用 ，必 丈才砂 表示计算后 的灰度和 原 来实际灰度 ， 必 ， ，… ， 表示这 点邻近 点的 灰度值 ， 则有 。间艺 必 气八大砂 图像二值化 当 、 一糕， 时 其他 图像二 值化 的 目的在 于将待识别物体和 背 景 区 分开 其方 法是 设 定 一 个 门限 阂值 ， 大 于 这个值 的认 为是 背景 小 于 这个值 的认 为 是 大 学 学 报 。 年 第 期 物 体 物 体 是 深色 ， 背景 是 浅色 功 若 八大功之 必 若 了卜必 闽值 可 以根据 经验 来指 定 ， 但较好 的方 法 是 根 据 图像 的灰 度 直 方 图 自动 找 到 一 个 阂 值 图像 的灰度直方 图具有 明显 的双峰特性 ， 这 样 可 以从 个灰度极值之 间 找到一 个波谷 作为 分 割 的 阂值 图像分割 图像分割 即能 明确 问题 ， 又可 以降低算法 的规模 二 值化完成后 ， 又 已知 待识别物体是连 通 的 ， 就 可 以使用 连通性 的判 断来对 图像进行 分割 也 就 是 说 ， 从任一 个物 体 上 的点开 始 ， 不 断 向外扩 展 与这个 点相 连通 的点 ， 直 到找到包 含所有 与这个 点连通 的点 的最 小矩形 区 域 在 二值化效果 不 理想 的情况 下 ， 也 可 以使用 “ 边沿 检测 ” 的方法来探测 物体 的边界范 围 ， 从 而完成 分割 图像 的 工 作 细化 识 别 物 体 的关键在 于 提取 出合适 的特征 ， 待识别 物体 的最关键 、 最本质 的特征是标志 点 的十字形 状 在数字 图像处理 中对物体形状描 述有很 多参 数 ， 如灰度直 方 图特 点 、 物体 的圆 度 、 物体 的矩 形 度 、 物 体 的边 界描述特征等 ， 但 是最直接 的方法是得到构 成十字形状 的两条交 叉线条 为 了从 分 割后 的数字 图像 中提取 构成 物 体形状 的信 息 ， 可 以采用 细 化 的方法 来提取 物体 的形状骨架 细 化 首 先 标记物 体 的边 界 点 ， 但是 并不 是 马上 删 除边界 点 ， 而 是 只 删 除那 些不 破 坏物体 的连通性 的点 不 断进行上 面 的操作 ， 直到剩下 的 点都 是 边界 点 细 化 是一 个不 断 剥去物体边 界 点 的过程 ， 物体经过细 化后 ， 最 终可 以变成单 像 素 宽 的线条 ， 而 拓 扑学特征 不会变化 实现 细 化 算 法 有 个 具 体 问题 需要 解 决 判 断 哪 些 点 是 物体 的边 界 点 判 断删 除 哪 些 点将 破坏物 体 的连通性 第 个 问题 十分 简单 ， 考 察与这 点邻接 的 个 点 中有没有外部 点就 可 以了 第 个 问题 比较 复杂 这里 没有采 用 复 杂 的逻辑判 别 的方法 ， 而 是 只 在一 个小的 邻 域 范 围 内来判 断连通性 的变化 考虑到 领域 个 点 只 有 种 组合 可 能 ， 那 么 可 以预 先 做好判 断 ， 然 后 查 表 就 可 以 了 实 际证 明 ， 这 种 方 法快捷而 有 效 例 如