6.2 二值圖像的特征參數
所謂圖像的特征，就是圖像中包括具有何種特征的物體。如果想從圖6.1中提取香蕉，該怎么辦？對于計算機來說，它并不知道人們講的香蕉為何物。人們只能通過所要提取物體的特征來指示計算機，例如，香蕉是細長的物體。也就是說，必須告訴計算機圖像中物體的大小、形狀等特征，指出諸如大的東西、圓的東西、有棱角的東西等。當然，這種指示依靠的是描述物體形狀特征（shape representation and description）的參數。
圖6.1 原始圖像
以下，說明幾個有代表性的特征參數及計算方法。表6.1列出了幾個圖形以及相應的參數。
表6.1 圖形及其特征
［面積］（area）
計算物體（或區域）中包含的像素數。
［周長］（perimeter）
物體（或區域）輪廓線的周長是指輪廓線上像素間距離之和。像素間距離有圖6.2（a）和（b）兩種情況。圖6.2（a）表示并列的像素，當然，并列方式可以是上、下、左、右4個方向，這種并列像素間的距離是1個像素。圖6.2（b）表示的是傾斜方向連接的像素，傾斜方向也有左上角、左下角、右上角、右下角4個方向，這種傾斜方向像素間的距離是
像素。在進行周長測量時，需要根據像素間的連接方式，分別計算距離。圖6.2（c）是一個周長的測量實例。
圖6.2 像素間的距離（像素）
如圖6.3所示，提取輪廓線需要按以下步驟對輪廓線進行追蹤。
圖6.3 輪廓線的追蹤
①掃描圖像，順序調查圖像上各個像素的值，尋找沒有掃描標志a0的邊界點。
②如果a0周圍全為黑像素（0），說明a0是個孤立點，停止追蹤。
③否則，按圖6.3的順序尋找下一個邊界點。用同樣的方法，追蹤每一個邊界點。
④到了下一個交界點a0，證明已經圍繞物體一周，終止掃描。
［圓形度］（compactness）
圓形度是基于面積和周長而計算物體（或區域）的形狀復雜程度的特征量。例如，可以考察一下圓和五角星。如果五角星的面積和圓的面積相等，那么它的周長一定比圓長。因此，可以考慮以下參數：
（6.1）
e就是圓形度。對于半徑為r的圓來說，面積等于πr2，周長等于2πr，所以圓形度e等于1。由表6.1可以看出，形狀越接近于圓，e越大，最大為1；形狀越復雜e越小，e的值在0和1之間。
［重心］（center of gravity或centroid）
重心就是求物體（或區域）中像素坐標的平均值。例如，某白色像素的坐標為（xi，yi）（i=0，1，2，…，n-1），其重心坐標（x0，y0）可由下式求得：
（6.2）
圖6.4 圖6.1的二值圖像
除了上面的參數以外，還有長度和寬度（length and breadth）、歐拉數（Euler’s number）以及可查看物體的長度方向的矩（moment）等許多特征參數，這里不再一一介紹。
利用上述參數，好像能把香蕉與其他水果區別開來。香蕉是那些水果中圓形度最小的。不過，首先需要把所有的東西從背景中提取出來，這可以利用二值化處理提取明亮部分來得到。圖6.4是圖6.1的圖像經過二值化處理（閾值為40以上），再通過2次中值濾波去噪聲后的圖像。
到此為止還不夠，還必須將每一個物體區分開來。為了區分每個物體，必須調查像素是否連接在一起，這樣的處理稱為區域標記（labeling）。