即为路径的两-linux内核设计与实现 原书第3版 完整版带书签目录下载

3．5 二值图像算法 从背景中分离出物体是一个困难的问题，在此将不讨论这个问题．这里假设物体可以从 背景中分离，并且使用某一谓词，可以对图像中属于物体的点进行标记．因此，问题就变为 如何将一幅图像中所有被标记的点组合成物体图像．这里还假设物体点在空间上是非常接近 的．利用空间接近概念可以严格定义，利用此定义研究的算法可以把空间上非常接近的点聚 合在一起，构成图像的一个成分（component）．下面首先引进一些定义，然后讨论有关算法． 3．5．1 定义 (1) 近邻 在数字图像中，一个像素在空间上可能非常接近其它一些像素．在用方格表示的数字 图像中，一个像素与其它四个像素有公共边界，并与另外四个像素共享顶角．如果两个像素 有公共边界，则把它们称为 4－近邻(4-neighbors)．同样，如果两个像素至少共享一个顶角， 则称它们为 8－近邻．例如，位于 ],[ ji 的像素有四个 4－近邻： ],1[ ji  ， ],1[ ji  ， ]1,[ ji ， ]1,[ ji ．它的 8－近邻包括这四个 4－近邻，再加上 ]1,1[  ji ， ]1,1[  ji ， ]1,1[  ji ， ]1,1[  ji ．一个像素被认为与它的 4－近邻是 4－连通(4－connected)关系，与它的 8－近 邻是 8－连通关系(如图 3．7）． 图 3．7 矩形像素网格的 4－近邻和 8－近邻示意图．像素 ],[ ji 位于图的中心． (2) 路径 从像素 ],[ 00 ji 到像素 ],[ nn ji 的路径(path)是指一个像素序列 ],[ 00 ji ， ],[ 11 ji ，．．．， ],[ nn ji ，其中像素 ],[ kk ji 是像素 ],[ 11  kk ji 的近邻像素， 10  nk ．如果近邻关系是 4 －连通的，则路径是 4－路径；如果是 8－连通的，则称为 8－路径．图 3．8 即为路径的两 个简单例子． [i-1, j] [i, j-1] [i, j] [i, j+1] [i+1, j] [i-1,j-1] [i-1,j] [i-1,j+1] [i,j-1] [i, j] [i,j+1] [i+1,j-1] [i+1,j] [i+1,j+1]