链码结构的边界填充

在数字图象或图形处理中,常用到边界填充技术.本文首先提出了一种链码结构的边界填充算法;然后介绍了边界图的获取方式;最后列举了边界填充技术的某些应用.     

一种新的基于链码描述的轮廓填充方法

基于链码描述的轮廓填充是图象处理的基础算法,已广泛应用于图象处理、目标分析、图象压缩和计算机图形学中,但存在需要较大的辅助空间和速度较慢的问题。为此,在分析现有算法的基础上,提出了一类基于将整条码链的填充分解成子链填充的算法,这样每条子链都是简单封闭轮廓,与现有算法相比,该算法最大仅需要屯友链等大的辅助空间,而且在非二值图象或码链允许更改时,可不需要任何辅助空间;另外,该算法既不需要排序操作,也不需要用人工交互的方式给出种子,即可通过在子链中根据相邻链码的值来自动给出种子,理论和实验表明,该方法能正确填充任意复杂形状的轮廓,并具有实现方便、速度快、算法简单、易于理解等特点,此快速简单算法具有很大的应用价值。     

一种利用方向链码重建二值图象的新方法

由于实际应用中,仅有边缘轮廓信息并不足以准确、有效地描述被检测物体,所以如何根据边缘的方向链码来重建二值图象是图象处理应用中的一类常见问题,人们已经研究过许多不贩方法,例如奇偶检测法、种子法等等,但这些方法或者由于计算量大,或者可能出现判别错误的现象,因而不能满足实际需求,为了准确、快速地解决这一类问题,因此在方向链码的,先将边缘点按照区域填充法则进行分类,进而提出了一种依据方向链码和边缘点分类,     

一种新的基于链码的填充算法

将计算机图形学的栅栏填充算法移植到链码的填充算法中，发展出了一种新的基于链码的填充算法。利用边界Freeman链码，定义了一种新的边界点分类方法，通过对边界上的左右端点到栅栏间的像素取补填充该区域，算法能填充任意复杂图像区域，不需要辅助内存空间和标记边界色。与现有的算法进行了对比实验，实验表明该文提供的算法对于图像具有填充速度快、效率高等优点。     

一种新的珍珠形状匀称性检测算法

珍珠形状匀称性是衡量珍珠质量的重要指标之一。提出了一种新的珍珠形状匀称性检测算法——四象限边缘链码自相似性检测算法,是通过计算各个象限中边缘链码之间的相似度来判定珍珠形状的匀称性算法。采用四个方向的边缘算子对珍珠形状特征面进行边缘检测、融合,把已融合的珍珠边缘划分在四个象限;通过旋转、翻转方法把不同象限的珍珠边缘表示在同一象限;对表示在同一象限中的珍珠边缘进行8方向数链码编码,根据边缘链码计算出珍珠边缘的自相似性。实验显示,四象限边缘链码自相似性能够很好地描述珍珠形状匀称性,具有一定的实用价值。     

一种修改的二值图象边缘跟踪算法

本文在对J.R.Ullmann叙述的一种二值图象边缘跟踪算法进行理论分析的基础上,指出了该算法的适用范围和存在的问题,提出了一种修改算法并进一步从理论上加以证明。用本文的方法来跟踪印刷体汉字的轮廓边缘,提取汉字轮廓的链式方向码序列,取得了令人满意的结果。计算机模拟和实际扫描实验表明,修改的二值图象边缘跟踪算法能够克服文中算法所存在的问题,是一种有效和实用的二值图象边缘跟踪算法。     

基于ECCC的细胞图像分割算法

针对粘连细胞图像,提出ECCC(Eleven Components Chain Code)链码分割算法。首先对细胞边缘二值图像进行链码统计和边缘拐点检测,新算法对Freeman链码进行了改进,在链码中加入表示边缘拐点的新的链码元素,然后计算边缘拐点的链码差来筛选真实分割点,最后对分割点线性插值实现粘连细胞分割。实验结果表明,针对2粘连和3粘连细胞,ECCC法的分割成功率分别为100%和98%,平均耗时分别为0.42 s和0.67 s,比传统链码分割法减少了近55%的计算量,在复杂的细胞图像分割中具备一定的有效性和可行性。     

FCC到VCC的转化

一种新型的顶点链码（VCC）,由于它所具有的平移和旋转不变性、起始点不变性、镜像不变性等特点而成为一种很好的图象边缘描述方法。关于它的许多性质以及在图象识别中的应用正在引起广泛的兴趣。本文从Freeman链码（FCC）出发,提出了等位码元和切割码元的概念,找到了一种从FCC到VCC直接转化的算法,这样我们不仅获得了图形边缘的诸如旋转不变性等重要的性质,为VCC链码的应用奠定了基础,更重要的是由此揭示了FCC与VCC两种不同的链码之间的关系。实验的结果同样也说明了这种转化所带来的优越性。     

基于边缘检测的载带压痕检测

为了检测编带后的烫封质量,提出了一种基于边缘检测的载带压痕检测方法;该算法将边缘检测与链码技术相结合,先通过拉普拉斯高斯边缘检测算法得到初始边缘,然后对提取到的边缘进行链码追踪,根据提出的合并准则对获得的链码进行合并,再利用判据和先验知识对合并后的边缘进行判定,确定压痕位置,通过直线拟合和参数化获得压痕直线方程,通过直线方程计算出压痕尺寸;通过大量的实验,表明该算法能够有效地实现载带压痕的检测问题,并具有较好的鲁棒性.     

基于链码的种子填充算法

本文提出了以链码为基础的种子填充算法，与传统的种子填充算法相比较，可以实现内部象素判断不重复，边界象素判断不超过两次，显著地提高了填充速度     

基于链码的合成孔径声纳图像目标识别算法研究*

为了进一步提高识别速度、增大识别效率,基于图像边缘的链码表示,将微积分中连续曲线曲率的定义推广到离散域,提出了链码离散曲率算法。通过利用链码计算图像边缘的离散曲率,结合特定的函数进行图像匹配,实现了以合成孔径声纳为代表的一类高分辨率、低信噪比的水声遥感图像的目标识别。实验结果表明,该算法计算复杂度较低,较之传统的基于特征提取的目标识别算法具有更高的识别效率。     

图象边界的链码表示研究

图象边界表示在模式识别、图象处理以及计算机视觉等领域扮演着十分重要的角色.本文研究了图象边界的链码表示,提出一种改进的链码表示方法.该方法通过二元组代替方向编号逐一编码方法,使用一个字节的高低位存取二元组的两个数值,节省了存储空间.理论分析和实验结果表明,与常用链码相比,该方法有效缩短了链码长度,能提高边界重绘速度,具有较强的实用性.     

对Freeman链码分析的角点检测算法

针对传统的基于轮廓曲线的角点检测算法需要计算曲率和选取阈值的不足,提出一种对Freeman链码分析的角点检测算法,首先通过图像边缘检测,轮廓提取得到轮廓的Freeman链码,当链码发生变化时分析其连续前后多个点的链码是否符合一定的规则来判定角点,无需经过传统的角点阈值选取,曲率计算等步骤.实验通过与He&Yung、CPDA、Fast-CPDA和ARCSS角点检测器比较,结果表明本文算法在角点检测时准确率（ACU）最高;在变换实验中,本算法的平均重复率（AR）最高,由此可以得出本算法具有良好的角点检测性能.     

线性四元树到边界链码的一种新转换算法

在图象编码过程中，往往需要将四元树转换为边界链码，针对这一问题，本文提出了一种线性四元树到边界链码的新转换算法，与以往一些算法相比，该算法实现起来非常简单而又不失通用性，在该算法中，四元树上所有大于最小黑结点的黑结点被递归划分为最小黑结点大小，随后采用一种堆栈的方式实现结点的邻接寻找，最后通过求得组成区域边界的有向线段从而得到区域的边界链码。     

二值图象边界平滑跟踪的一个算法

开发了一个用于二值图象边界平滑跟踪的一个算法。使用这个算法能去掉或修正某些可能是虚假的干扰点。这些点是二值图象边界一个或一组沿特定链码方向的凸点或凹点。重复地使用这个算法，直到边界不含有这些点。这个算法能有效地使用在二值图象的模式识别与机器人视觉的预处理中。     

描述蝴蝶兰图像外轮廓信息的对称8链码编码算法

外轮廓信息是评价蝴蝶兰生长态势的重要特征参数,主要通过轮廓提取和链码编码两个步骤获得。蝴蝶兰图像的边缘轮廓最适合利用数学形态学算法提取,但所得轮廓并非单像素宽度,而利用传统8链码算法编码会错误地表达其外轮廓信息,因此结合轮廓特点重新定义了起始链码方向,提出了对称8链码编码算法。在编码过程中,该算法能够通过变换点判断出当前轮廓走向,从而自适应地选择起始链码方向。验证性实验证明,该算法能够准确描述蝴蝶兰图像的外轮廓信息,保证外轮廓信息较低的误判率;通用性实验证明,该算法同样适用于其他已较好提取出目标的封闭图像。     

肺癌早期诊断系统中形态学识别的研究与实现

讨论了通过利用细胞图象中的形态学信息对肺癌细胞进行识别和检测的方法。该方法采用基于区域边界的链码方提取形态学特征,再根据形态学识别算法,对细胞自动进行分类,从而识别出图象中的肺癌细胞。     

基于局部直方图相关的造影图象边缘检测方法

造影图象的边缘检测是造影图象的组织或器官分割、测量和分析的基础 .由于造影图象的信噪比低、低电平纹理多 ,而且大量边缘是渐变的小幅度微弱边缘 ,因而其检测一直是造影图象研究与临床应用的重点之一 .针对这一问题 ,提出了一种检测数字造影图象边缘的新方法 .由于图象边缘区域与非边缘区域的局部直方图明显不同 ,因而可以利用这种差别来检测图象的边缘 ,同时还基于局部直方图构造了一种匹配滤波器算法——最大统计相关算法 ,该方法不敏感于图象的噪声和低电平纹理 ,而且能够有效地从噪声和纹理中分离提取造影图象的微弱边缘 .     

矩形点阵上链码的转换算法

链码是图像处理和图像识别中的一个重要工具.给出了四近邻图像的顶点链码（VCC）、Freeman链码和边界链码之间的转换算法,这样只要获得一种链码就可以得到其它的链码表示,由某种链码获得的图像信息也为其他链码所共享.     

基于图象结构对称性的图象修复

我们通过图象结构的对称性、应用图象的全局信息。提出了一种简单的图象修复算法，该算法主要是通过待修复区域的边缘信息，在图象的已知部分寻找最佳的匹配，然后再用找到的区域对待修复区域进行填充。该算法很好地保留了图象的线性结构和纹理结构，能对图象的一些特征区域进行修补，且修复速度快，对具有结构对称的图象效果较好，且在现实生活中有重要的应用价值（特别是在身份证的照片修复）。