图像区域特征
以 Halcon 里支持的 Region 特征为基础,做概念总结
形状特征
1)圆度(Circularity)
衡量一个形状接近圆的程度,取值为 [0, 1]
另一种算法是,统计边界点到中心的距离,根据方差反映圆度
Halcon 对应上面两种思路有相应的算子:circularity、roundness
2)紧密度(Compactness)
参考 wikipedia,衡量一个形状紧致程度,取值为 [0, 1],对于圆,紧密度为 1
其中
关于紧密度的一个比喻:用不同长度的绳子围成一个面积一定的区域,使用的绳子长度越短则紧密度越高。
又由于圆的边缘没有转角,很光滑,因此紧密度又称为粗糙度
Halcon 对应的算子为 compactness
3)矩形度(Rectangularity)
参考《图像处理基本算法 形状特征》,衡量一个形状接近矩形的程度,取值为 [0, 1]
其中
Halcon 对应算子为 rectangularity
4)凸性(Convexity)
参考文献【1】(顺便推荐作者关于凸性的研究主页),凸性的计算有很多种方法。这里介绍两种,第二种(Halcon用的这种)更为常见
定义1:对于二维形状
定义2:对于二维形状
图1是
图1. 二维形状的外接凸形
Halcon使用算子 convexity 计算凸率;使用 shape_trans 转换区域为凸包/最小外接圆/外接矩形
5)偏心率(Eccentricity)
参考章毓晋的《图像工程》,介绍一种平移、旋转和尺度不变的算法
令三维形状的每个点坐标为
其中
Halcon 里是用其等效椭圆的长半轴除以短半轴计算的:eccentricity
6)蓬松度(Bulkiness)
参考Halcon13的文档,感觉跟紧密度相反,圆为1,越松散值越大
其中
其中
Halcon13文档里有以上特征的描述及图例
区域特征
1)区域面积
就是像素点相加
但区域一般是用形成编码表示,累加每行的行程就可以
2)区域中心
中心点
3)区域几何矩
几何矩具有旋转、尺度不变性,应用在形状分类上
4)等效椭圆
区域的方向和范围可以用等效椭圆来表示
等效椭圆的中心与区域中心一致,长半轴
Halcon里对应的算子为 elliptic_axis()
【1】J. Zunic, P.L. Rosin, “A New Convexity Measure for Polygons”, IEEE Transactions Pattern Analysis and Machine Intelligence, vol. 26, no. 7, pp. 923-934, 2004.