论文思路：
这个色块提取办法发了专利： 一种反对多源拼接图像的色块主动宰割办法 能够去度娘
写的比拟水hhh
一 色块提取办法：
①首先是色调模型的转换 由RGB色彩空间转到HSV色彩空间
起因：RGB色彩空间适宜显示零碎，然而各重量间相关性很强，比方当图像亮度发生变化时，RGB三个重量都会产生相应扭转 然而HSV色彩空间更能感知色彩的变动，比如说 H=60时 就是黄色 S和V只是决定了黄色的饱和度和明度 所以更适宜进行图像宰割
另一方面 我解决的多源拼接图像 可能存在的问题 可能是亮度也可能是色调的不同 所以用HSV重量更适宜
咱们察看到多源拼接影像 色块间亮度或者色彩差别很大 然而可能说不晓得哪个重量更适宜进行图像宰割等操作 兴许人眼能够看进去比方亮度差别过大的时候 咱们采纳V重量 色调差别能够用H或者S 然而为了省掉这个人为抉择重量的麻烦 也是为了实现自动化 咱们对这三个重量都做解决 而后主动判断哪个后果最好 对HSV三个重量进行上面步骤
②大津法宰割图像
咱们的目标是取得高低散布的色块 并且是下面全是前景区域 上面全是背景区域
所以用大津法做了一个初步的图像宰割
③小连通区去除
大津法宰割图像当前 上边前景区域还包含很多 背景区域（同样下边背景区域也包含局部前景区域） 所以进行图像闭运算（先收缩后侵蚀 收缩的目标是去除下面前景区域的小背景区域 而后再进行雷同尺寸的侵蚀让他回到原来的形态 ）
然而 边界四周有很多小的连通区，收缩当前会毁坏边界线信息 影响后续的轮廓拟合 比方b外面分界线四周有小连通区 先收缩在侵蚀当前边界线会发生变化 所以要在闭运算之前进行小连通区去除
④ 图像闭运算 + 轮廓拟合
小连通区干掉当前，能够进行图像闭运算了 然而这个尺寸如何确定： 咱们收集的数据集大多数在500X500左右 闭运算适宜的尺寸在30左右 然而为了尽可能适宜大多数图像
咱们还是设置了一个闭运算的范畴 尺寸从10-100 ，而后主动判断出 哪个尺寸的闭运算失去的后果最为合乎色块散布
所以这里就要有一个判断规范 判断哪个闭运算尺寸失去的后果最好（最合乎色块散布）
什么时候最合乎色块散布嘞 我抉择的是 均值差 高低色块在某个重量的均值差
比方 b是 H重量 它的高低色块 像素值之间差别是很显著的 高低色块的均值差是最大的
这个最大 是跟 （10-100共10个尺寸）所有闭运算尺寸解决的所有重量 计算出的均值差后果比的
有点形象（或者我语言表达的不到家） 咱们计算了 十个尺寸三个重量 也就是三十个均值差数据
看上面的图 对H重量 尺寸是40和20的后果 计算红黄两个区域的均值差 40的必定大于20的
这个论断一方面是察看的 另一方面做了几十组试验失去的
闭运算 + 轮廓拟合（用的多边形拟合 因为色块分界线也可能是折线）当前 就失去第一次提取后果了 然而！ 色块也可能有多个！ 所以还要判断色块数目 比方这个 还得持续宰割
二 色块数目判断
色块数目判断目标在于判断提取后果是否是单个色块 不是判断有几个色块
上面的过程也很麻烦。。。 我导非要实现自动化 啥都主动 当初我觉的这是天方夜谭
然而我导说 没有解决不了的问题 （起初跟我师弟也这样说。。）
这一部分的目标就是 尽可能把色块散布体现进去 一步一步简化地物 把实在的色调散布展现进去
换张图阐明
① 均值分布图
咱们钻研的区域只针对 前景区域(非彩色区域)
同样 把这两个图像转为HSV 提取HSV三重量 对每个重量
（1）首先 分成50×50 的块 有余50的就忽略不计
（将背景区域先设置为255 这个255是为了让后果看的更显著
从左到右分块 就是左边最初一个有余50就不论他 间接设置为255
从上到下分块 最上面有余50就不论他 设为255）
（2）计算每个块的均值 并用均值代替块内的每个像素
这时候咱们曾经取得HSV 三个重量 的均值分布图了 然而用哪个重量更能看出有几个色块呢
我把每个重量外面的均值数据别离记成一个汇合 如果说是某个重量外面色块差别很显著 那么这个重量的均值数据汇合外面的数值肯定是变动最激烈的 咱们抉择计算标准差来示意各重量中图像块均值数据的离散水平 找到HSV三个重量计算出的对应三个标准差 最大的就是想要找到的那个重量
上面是后果 能够在图一看出一点差异 但差异不是很显著 所以持续
②重赋值均值分布图
咱们把大津法利用到均值数据汇合外面 找到均值数据的阈值 大于阈值的就设为150（纯正是不便察看） 小于阈值的就设为0 下图就看进去比拟显著了
③均值散布纠正图
咱们持续
咱们曾经把这个能大抵反映色块散布的图稿进去了 依据提取色块时候说的色块间的均值差
单色块间的均值差 会小于 多色块均值差 两头会有一个阈值 以上图为例
图一外面计算 灰色区域和彩色区域这两个区域对于均值数据 的均值差d1
图二外面计算 灰色区域和彩色区域这两个区域对于均值数据 的均值差d2
d1>d2 然而架不住会有些非凡状况 为了更好地判断 咱们做了两个预处理
第一个： 比方图2 单色块外面会有一些非凡区域 比方高亮水域建筑物等 会使均值差变大 所以咱们把高亮建筑物这些 归类到彩色区域（也就是填充均值数据很大的连通区）
因而当重赋值均值分布图中前景区域存在面积较小的值为150的连通区时，须要将这些连通区填充为背景区域。
第二个：
在计算差值之前 咱们能够通过判断色块形态来剔除掉一部分容易判断的
影像中各个色块个别是由直线或者斜线形成的规定多边形，如果填充后的连通区仍然是不规则区域，就阐明该连通区不是一个残缺的色块，而是在单个色块中的其余类型地物。咱们抉择依据其面积最大的连通区的边数作进一步判断， （连通区有斜边的时候 会有很多小锯齿 咱们先做一个多边形拟合 而后找到面积最大轮廓 而后统计轮廓的边数即可）
据试验得 边数阈值设为25 大于25的就是单色块 小于25的须要持续进行判断
进行上述两个预处理后 咱们要开始计算均值差 来判断色块了
咱们依据数据集 外面的数据计算的均值差
做了个折线图 存在阈值17.4
这样就能判断 是否是单色块了
不是单色块的持续进行色块提取操作
直到全是单色块为止
lswl 试验外面不定的值挺多的 我能做到的就是尽可能有理有据
三 常识裁减
1.色彩空间
（1）.RGB色彩空间
①RGB色彩空间是RGB三个重量 三重量取值都是0-255 三个重量组合后可能造成很多种颜色
②它比拟合乎人类的视觉感触，人眼看来比拟合乎自然界的色彩 罕用来显示零碎，
③然而RGB三个重量之间是高度相干的，比如说图像亮度变动时，三个重量都会产生相应扭转，不适宜图像宰割。
RGB转灰度：灰度图就是从0-255 示意从暗到亮的过程
8位灰度图是单通道图像，24位图像是三通道图像
RGB色彩空间 RGb转灰度
（2）HSV色彩空间
①H色调，示意色调信息
从红色开始按逆时针方向旋转，Hue=0 示意红色，Hue=120 示意绿色，Hue=240 示意蓝色等等。
在 GRB中 色彩由三个值独特决定，比方黄色为即 (255,255,0)；在HSV中，黄色只由一个值决定，Hue=60即可。
②S饱和度，饱和度示意色彩靠近光谱色的水平。饱和度越高，阐明色彩越深，越靠近光谱色饱和度越低，阐明色彩越浅，越靠近红色。饱和度为0示意纯白色。取值范畴为0～100%，值越大，色彩越饱和。
③V 明度越高，示意色彩越亮堂，范畴是 0-100%。明度为0示意纯彩色（此时色彩最暗）。
所以说 HSV色调模型中亮度重量（V）与图像的黑白信息(H)无关，
能很直观地表白色彩的色调、娇艳水平和明暗水平，罕用于宰割指定色彩的物体。
比方蓝色 在HSV色彩空间里 H在200到260左右，S在0.2到1之间，V大概在0.3到1之间，指定这个值就能宰割蓝色区域
然而在RGB色彩空间里就比拟含糊了
（3）RGB到HSV的互相转换
（4）其余色彩空间：
Lab色彩模型
CMYK色彩模型
RGB是显示在显示设施上 CMYK是在适宜用在印刷方面 CMYK模式是最佳的打印模式
YUV色彩模型
YUV(YCrCb)是被欧洲电视零碎所采纳的一种色彩编码方法。
亮度信号Y 和 色度信号U、V 是拆散的。如果只有Y信号重量而没有U、V，那么这样示意的图像就是黑白电视机。彩色电视就是采纳YUV空间。
2.图像宰割
图像宰割办法的分类
基于阈值：全局阈值（大津法 原理）+自适应阈值（分块设定阈值解决）
基于区域 （区域成长和区域决裂）
基于边缘
基于特定实践 小波变换
3.图像形态学解决
（1）小连通区去除
二值图像中具备雷同像素值且地位相邻的前景像素组成的图像区域称为连通区域
孔洞是 前景像素相连的边界所突围的一个背景区域
①连通重量的提取
②孔洞填充
（2）图像闭运算（侵蚀收缩）
（3）多边形边界拟合
发表回复