二維自動化光學檢測及應用_陳金聖_影像處理基礎複習(下)_影像特徵表示與描述1

. DeltaMOOCx
50粉絲
2023年12月2日
DeltaMOOCx 台達磨課師是大學及高中/高工的免費公益磨課師(MOOCs)平臺。練習題、討論、教師輔導及更多數位課程資源,請至https://univ.deltamoocx.net 註冊。本影片採用「創用CC-姓名標示-非商業性-禁止改作4.0」臺灣授權條款,相關授權作業依「創用CC-姓名標示-非商業性-禁止改作4.0」規範辦理。
歡迎各位回到影像處理基礎的複習,那這個單元會跟各位介紹影像特徵的表示跟描述。
首先讓我們來看一下,基於視覺的圖形辨識或是電腦視覺的應用,
通常會從影像中截取出有用的物件跟特徵。
其實在我們前面章節中有提到segmentation,某種程度也是要把有用的部分把它分離出來,
然後在我們這個章節裡來進行我們的表示跟描述。
那什麼叫表示跟描述呢?如果我們直接用物件的區塊內容的話,難度會比較高,而且比較沒有效率。
所以我們希望用簡單的表示式來表示我們有用的一個物件,
然後再以更精簡的數值來描繪物件,這樣可以簡化我們的工作量,
而且也可以提高我們運算或是工作的一個效能。
這邊給一個例子來看,圖右這張圖有一個網球,那你當然可以用整個圖像上的資訊來表達,
那也可以用一個紅圈圈來表達這個網球的圓形,所以紅圈圈就可以代表這個網球裡面甚至有一些小紋理,
這就是表示。然後另外描述,我們可以用簡單的圖形,用數值來描繪出來,
這樣就可以作為分析跟辨識之用,比如說剛剛這紅色的圈圈,我們就可以用它的圓心跟半徑來描述這個圈圈,
所以就也不需要這麼多圈圈上的畫素來描述這個圓了。
另外,影像物件的特徵其實有很多種,如右邊這張圖,
它可能有一個圓形、長方形或甚至裡面有一些紋理,那我們可以用特徵鏈來表達,
也可以用輪廓的外形來表達,也可以用結構的關係,比如說圈圈裡麪包含了四個矩形,這矩形又有它的相關性,
然後我們甚至可以用顏色來表達它,或者進階的用它的紋理來表達,這些都是我們影像上能夠找到的一個物件特徵。
那各位可以看到右邊這有三張圖,個別有不同的表達,那所以我們的影像表示是有可能是用外形來表達,
用boundary representation,或者用骨幹來表達,骨架來表達,叫skeleton representation,
然後在描述部分,同樣我們可以用外形來描述,用boundary description,或者是用區域描述,叫region description,
這些都可以交叉的互相運用,來達到我們最後要對影像做一個表示跟描述。
另外最後一點要強調的,影像的特徵,我們希望具有不變的特性,
也就是物件跟相機之間可能有不同的距離,或甚至不同的視角,如右邊這張圖,
你會發覺中間那個紙盒,它其實上面跟下面遠近不一樣,角度也略有差異性,
上面那個窗戶也同樣具有這種特性,讓我們在做描述的時候,或是做表示的時候,我們希望能夠有這種不變性的,
能夠不因為物件它擺放的遠近跟方向不同,就辨識不出來,就認不出來是同一個物件,
所以我們就必須有不同的方法,來從這個物件的表示跟描述,能夠摘除掉它的物件大小、
位置跟方向,其實要讓它無關,這纔是我們要做影像表示跟描述的一個重要的一個觀念。
接下來我們對影像特徵表示與描述1來進行一個小節,
首先我們在這邊介紹了影像特徵的一個表示,然後我們強調一下影像特徵描述的一個重點,
並且希望這些東西是一個不變的,也就是隨物體的角度、大小或視角是不變的。
