6.2　二值图像的特征参数

所谓图像的特征，就是图像中包括具有何种特征的物体。如果想从图6.1中提取香蕉，该怎么办？对于计算机来说，它并不知道人们讲的香蕉为何物。人们只能通过所要提取物体的特征来指示计算机，例如，香蕉是细长的物体。也就是说，必须告诉计算机图像中物体的大小、形状等特征，指出诸如大的东西、圆的东西、有棱角的东西等。当然，这种指示依靠的是描述物体形状特征（shape representation and description）的参数。

以下，说明几个有代表性的特征参数及计算方法。表6.1列出了几个图形以及相应的参数。

［面积］（area）

计算物体（或区域）中包含的像素数。

［周长］（perimeter）

物体（或区域）轮廓线的周长是指轮廓线上像素间距离之和。像素间距离有图6.2（a）和（b）两种情况。图6.2（a）表示并列的像素，当然，并列方式可以是上、下、左、右4个方向，这种并列像素间的距离是1个像素。图6.2（b）表示的是倾斜方向连接的像素，倾斜方向也有左上角、左下角、右上角、右下角4个方向，这种倾斜方向像素间的距离是像素。在进行周长测量时，需要根据像素间的连接方式，分别计算距离。图6.2（c）是一个周长的测量实例。

如图6.3所示，提取轮廓线需要按以下步骤对轮廓线进行追踪。

①扫描图像，顺序调查图像上各个像素的值，寻找没有扫描标志a0的边界点。

②如果a0周围全为黑像素（0），说明a0是个孤立点，停止追踪。

③否则，按图6.3的顺序寻找下一个边界点。用同样的方法，追踪每一个边界点。

④到了下一个交界点a0，证明已经围绕物体一周，终止扫描。

［圆形度］（compactness）

圆形度是基于面积和周长而计算物体（或区域）的形状复杂程度的特征量。例如，可以考察一下圆和五角星。如果五角星的面积和圆的面积相等，那么它的周长一定比圆长。因此，可以考虑以下参数：

　　 （6.1） 　　

e就是圆形度。对于半径为r的圆来说，面积等于πr2，周长等于2πr，所以圆形度e等于1。由表6.1可以看出，形状越接近于圆，e越大，最大为1；形状越复杂e越小，e的值在0和1之间。

［重心］（center of gravity或centroid）

重心就是求物体（或区域）中像素坐标的平均值。例如，某白色像素的坐标为（xi，yi）（i=0，1，2，…，n-1），其重心坐标（x0，y0）可由下式求得：

　　 （6.2） 　　

除了上面的参数以外，还有长度和宽度（length and breadth）、欧拉数（Euler’s number）以及可查看物体的长度方向的矩（moment）等许多特征参数，这里不再一一介绍。

利用上述参数，好像能把香蕉与其他水果区别开来。香蕉是那些水果中圆形度最小的。不过，首先需要把所有的东西从背景中提取出来，这可以利用二值化处理提取明亮部分来得到。图6.4是图6.1的图像经过二值化处理（阈值为40以上），再通过2次中值滤波去噪声后的图像。

到此为止还不够，还必须将每一个物体区分开来。为了区分每个物体，必须调查像素是否连接在一起，这样的处理称为区域标记（labeling）。