104 •电子技术与软件工程 Electronic Technology & Software Engineering图像与多媒体技术·Image & Multimedia Technology【关键词】Matlab 图像特征提取 骨架算法 体素化方法1 引言我们可以从图像中获得许多信息，最终是为了让人们理解其所蕴含的的内容。而光学系统，计算机系统，微电子技术和数学研究都处在数字图像研究之内，其包含性强大的不热门学科，随着科技的进步，这种技术已经获得了很广泛的使用。在此处讨论的关于图像的骨架提取法，目的是将图代替平面，是结构表示法的一种代表。为了得到这种方法一般使用细化技术来完成。这种方法保证了其对于边界距离性质的描述，如果想得到原始的部分，就必须利用合适的度量长度来规定每个骨架点。细致来说就是利用圆的性质以骨架点为圆心，最小距离为半径画圆。其涵盖的区域就是其包含的部分，另一种方法是小于其最小距离为半径，每个骨架点还是圆心的圆群所覆盖的区域，这些方法让骨架的研究顺风顺水，尤其在图像识别中作用明显，一旦骨架理论结合图像辨别方法，其环节自然而然就会发生变化，推动时代的进步。正因如此，人工智能，图像识别，计算机科学成为骨架理论的探讨的主要部分，这里将对MATLAB平台利用骨架提取算法解决问题进行细致的研究。2 骨架定义为了更详细的理解骨架，广义的含义为一个个体组与其早先的形态和拓扑分布一致结合形成物体形态的曲线组合。Blum先提出了骨架定义的狭义组合，即“中间轴”。基于Matlab的图像特征提取方法的探析文/高晶　王颖本文研究了利用Matlab进行图像各种骨架算法和框架，分析和比较了不同分类的骨架算法，列出了其优点与缺点。为了实现对比，本文研究并实现了数字图像的点特征提取及骨架提取直线提取。比较了现有的体素化方法的优点和缺点，然后使用基于改进的最小欧几里德距离度量网格模型边界框的体素化算法，应用加速算法并将其集成到可视化骨架提取Matlab平台。摘 要骨架即指点点之间的最小距离，度量形式有流行的欧式、复杂的棋盘和城市区域。距离的长度决定何为最近距离，也就将MAT和其关系变得更加的紧密，通过欧式方法得到的骨架，其主要是针对细长物体来说的，能够获得很多信息，但是粗短物体就不能利用这种方法了。3 特征识别的几种方法3.1 特征点提取算子发展状况 对于专业学者来说，骨架树状特点使用起来更加的方便易懂，但是其数学定义还没有被统一下来，仍有争议。具有极大曲率值点，二维方面信号变化明显的点，边缘线的交叉点，图像方面断断续续变化的点和图像中梯度值和相对发生率特别的点被大多数学者普遍认为是骨架树状点的含义，但是其中小部分还是不被小部分学者接受。如果通过查阅文档资料，会得到许多对于骨架树形状特征点不同的但是大部分都正确的阐述。所以如果想要检测骨架特征点，根据不同文档，往往会出现很多大同小异的方法来进行这种过程。为什么会出现如此多的方法，因为存在差异的探究结果和出发点，结合其想要获得的目的和当下所处的大环境，不同的算子使用价值往往都有很大的差异和方法的相同。我们可以从两个不同的方面来理解骨架树的大概形状，一方面是利用模板来检测骨架树的形态，另一种是以几何算法为基本算法来检测骨架树形态的方法。谈到第一种检测骨架树形态的算法，定义是：第一步找出许多的模板特征点，第二步算出其与图像下辖窗口的相似程度，利用相似程度来断定来自下辖窗口地像元是不是特征点。处于这种方法中的模板固定不变，往往用于那些图像微信息简单明了，数量不多的特点的判定，为了算出下辖窗口和模板的相似程度，计算起来往往复杂多变，消耗很多的时间和精力，在现实中使用性不强，流行不起来。而以几何算法为基本算法来检测骨架树形态的方法又能够细分为两种，一是利用图形边缘线取得，将图像分成不同的部分，得到不同的边缘码，从而以此判断哪些点变化迅速，而这种方法的局限性是图像的分离结果，困难就来源于此，分离起来极其的费时费力，进一步造成其计算起来复杂性进一步提升。二是利用灰度信息来取得，研究人员在研究和测试中往往会采取这种方法，因为它省时省力，步骤不繁琐，易于实行。就几何特征点算法来说，几何特征是其提取的主要依据，计算快捷，使用方便，流行面非常广泛。3.2 骨架树识别发展状况Paul Hough在1962年首先提出了骨架树的识别理论，而且向美国当局申请了专利保护，骨架树是指图像空间部分对参数空间部分的反映，拥有很多的长处和不可忽视的特性。这也就免不了招来世界各地的专家和专业人员的重视。这种识别方式的目的是测定二值图像的直线与曲线的特性。骨架树识别是为了通过图像特征点反映空间参数得到图像特点的方法。为了减少噪声和间断曲线的作用，往往利用后曲变换来测定看得见物体的形态，这种变换的长处在于其是独立个体，不受外部环境影响，在信噪低下的环境下仍能工作，测定直线。在空间参数二维变化的控制的情形下，会有意想不到的效用，不过，如果空间参数值变大，计算量会成指数增长，占用大部分有用的内存空间，也会花费更长的时间。为了避免这种情况的发生，许多的前辈都耗费毕生的心血来改良常规骨架树，取得了很多有价值的信息和方法。为了识别图像中的几何形态，骨架树一般会被当做基本方法来使用。为什么会有骨架树识别，它来源于点线之间的关系，将本来空间图像中的去向通过其本身表述成空间参数的点。另一方面就将固定图像的测试问题变成了集中空间图像中关系密切的像元，找出能够将对应各点累计起来分析的问题。也就是找出空间参数中的最大值。平面中任意一条直线可以用极坐标方程方程来表示，即可以用ρ和θ两个参数确定下来，对于图像空间任意点 ，其函数关系为： ρ=xcosθ+ysinθ 其中ρ为原点到直线的距离(即原点到直线的垂直线的长度，θ确定了直线的方向(即原点到直线的垂直线与x轴方向的夹角)。数字图像处理中我们在图像空间(x,y)和Hough空间H(ρ,θ)面对的都是离散量。因此，每个像<<下转105页

Image & Multimedia Technology·图像与多媒体技术Electronic Technology & Software Engineering 电子技术与软件工程• 105素点都能投影到参数空间中的一些点上。如果对于同一直线l上的n个点进行上述变换，则原图像空间n个点在参数空间中对应地得到n条正弦曲线，并且这些曲线相交于同一点，它同样具有以上的两个性质。因此图像空间中共线的点与参数空间中共点的线存在对应关系，只要找出参数空间中共点的曲线，就能确定图像空间中的曲线。3.3 骨架提取方法专家Marr的观点是认识形状不需要重新构造物体的表面线条，往往用一些木棒就能拼出某个物体的形状。而这些木条是一种更为方便简单的表达方式相比于本来的实物，它既有结构延伸的传递也有观察物体部分的信息来源。这种介质（木棒）既是骨架或中间轴最初的描述，有很多人都有感觉，这种介质类似动物骨骼。这个学说来源于Blum1967年的“烧草理论”。Blum假定同时点燃火源，同时向内部燃烧，等到火全部熄灭之后，形成的集合就是骨架，而且他还定义了什么是最大圆，最大圆是指处于物体内部闭合曲线中，而且范围闭合曲线内的圆都大的内接圆。将闭合曲线当成物体轮廓，骨架点就是最大内接圆的圆心，二者之间会形成两个切点，定义这两个切点为骨架生成点，和数学专业中的定义相同。4 基于MATLAB的实验分析MATLAB在图像处理方面拥有很大的优势，利用简单的函数来处理差异性大的图形。不同的处理函数操作过程构成了MATLAB的图像处理工具，包括以下这些图像处理方法：几何处理，部分处理；线性过滤和其器具的制造；DCT变化；探究图形和增加强度；操作二值图等。利用功能的差异，处理图像所用到的工具包函数有下面这些：显示图形，输入输出图形，几何作用；像素的分析，探究图形和增加强度；图像过滤和其器具制造；颜色空间的变化和转换的反映，图像本身的替换，设定工具包和制定参数，和其他的工具一样，可以根据用户的个人需要，制定适合用户本身的函数和结合信号处理和小波等工具包工具处理方法一起使用，这样得到的信号更准确。MATLAB不仅仅能够在变化处理、图像视觉效果强化和形态数学而且在图像边缘测定方面成果斐然，实验成功率大大提高，对新技术新目标的实现都有很大的帮助。就MATLAB骨架技术，其研究的重点是使用函数模型来研究骨架，细节内容是简化曲线形物体成单个的线，从图像显示的拓扑特性获得物体的主要骨架形体。5 结论形态学骨架算法在解决整体性比较好、细节性不多的物体形状方面效果较好，比如人体轮廓、大型的动物轮廓、整体性较好的汽车等轮廓。但最大的缺陷是在离散域中，难以保证骨架的连通性。同时该算法不具有良好的抗边界噪声鲁棒性。二值图像细化算法的方法在解决细节性较多、形状多为线状长条状等这些规则性强的结构的物体形状方面效果较好，如图所示细化能准确提取汉字的骨架。提取出的图像骨架较为光滑，在保持了原图像的连通性及对称性的同时，基本保证了骨架的单像素宽。参考文献[1]刘鹏宇.基于内容的图像特征提取算法的研究[D].吉林大学,2004.[2]王霞英.基于MATLAB GUI指纹图像特征提取与对比的研究[D].中北大学,2013.作者单位辽宁师范大学海华学院　辽宁省沈阳市　 110100【关键词】小波变换 边缘检测 墨西哥帽小波1 引言小波变换对图像的边缘检测 文/武鹏程　李志超　王泽睿如果一个信号是在时域或者空域中是稳恒过程分布的，则傅里叶变换对其给出了完美的结果。但是传统傅里叶分析是不包含任何的时频信息。这是傅里叶变换的严重缺陷。小波变换的出现在时域和频域上都有很强的表征局部信号的能力。它很好的弥补了傅里叶变换的缺陷。因此，小波变换在信息处理中得到广泛的运用。本文主要研究了小波变换在图像处理中的应用及其优越性。摘 要在传统的傅里叶变换中，信号完全是在频域中展开的，不包含任何的时频信息，这时傅里叶分析非常有用，这对于某些研究来说是很恰当的。但是，傅里叶变换之后的信号失去了时间信息。小波变换的出现在时域和频域上都有很强的表征局部信息的能力。因此具有很好的局部化性质。在信号图像处理中有很好的运用，也是目前光学信息处理领域及其活跃的课题之一。2 光学小波变换小波函数的基函数ha,b(x)称为子波，它是由小波母函数h(x)以扩缩和位移的方式产生的。基函数的定义为：ha,b(x)= （1）式中b称为小波变换的位移因子，a>0称为伸缩因子，上式表明基本小波是母函数经平移和缩放的结果，基本小波又称为小波。信号g(x)的小波变换定义为：Wa,b{g(x)}=ha,b(x),g(x)= h*g(x)d(x)= g(b) （2）上式为信号与扩缩子波之间的相关运算， Wa,b是某一固定的扩缩因子a下，时间位移b的函数。扩缩因子a体现了不同的分辨率。当<<上接104页