数字图像处理技术图像分割课件.ppt

1、第四章第四章 图像分割图像分割数字图像处理的目的之一是用作图像识别，本章内容介绍的图像分割是图像识别工作的基础。引言引言图像处理的一个重要任务是对图像中的景物进行分析和理解，包括：n图像分割：把图像分割成不同的区域n特征抽取：找出分开的各区域的特征n图像识别与分类：识别图像中要找的东西，或对图像中不同的特征进行分类n图像分析或理解：对于不同区域进行描述，或寻找不同区域之间的相互联系，或把相关区域连接起来组成一个有意义的结构引言引言图像处理、识别与理解的含义：n图像处理包括图像增强与恢复，可看作是预处理。其输入、输出均为图像n图像识别对图像的分割、特征提取、分类及结构分析可称为图像识别。输入是图

2、像，输出是分类及结构分析n图像理解对图像的描述与解释。输入是图像，输出是描述和解释引言引言n图像分割根据某种均匀性的原则将图像分成若干个有意义的部分，使每部分都符合某种一致性的要求。而任意两个相邻部分的合并都会破坏这种一致性 n图像的边缘边缘指的是包围着连通区域的一条封闭的边缘曲线。边缘两侧分属于两个区域，每个区域内部特性相对一致，而两个区域之间特性有差异，存在着灰度的突变，引言引言图像分割的原则：n基于点相关的分割依据各个像素点的灰度不连续性进行分割。如基于边界的分割方法n基于区域相关的分割依据同一区域具有相似的灰度这一特性，寻求不同区域之边界。如基于区域的分割方法一一 寻找图像边界的分割寻

3、找图像边界的分割（1）确定作为搜索起点的边缘点（通常采用梯度值最大的点）（2）采取一种合适的数据结构和搜索机理，在已经发现的边界点基础上确定新的边界点。（3）确定搜索终结的准则或终止条件一一 寻找图像边界的分割寻找图像边界的分割PCCPCPCPCPPCPCPC一一 寻找图像边界的分割寻找图像边界的分割针对锐化后图像边缘间隔大或边缘点稀疏的情况，采用直线段或曲线函数来拟合这些边缘点，以形成部分边界，从而得到整个完整边界二二 基于区域灰度的图像分割基于区域灰度的图像分割通过对图像的直方图进行分析，发现图像分割的阈值，通过该阈值完成对图像不同区域的分割二二 基于区域灰度的图像分割基于区域灰度的图像分

4、割1、灰度级的门限化法（1）门限化法：适用于对象与背景占据不同灰度级范围n原理：选取一个适当的灰度级门限，然后将每个像素灰度和它进行比较，超过门限的重新分配以最大灰度，低于门限的分配以最小灰度。这样可组成一幅新的二值图像，并将对象从背景中分离出来二二 基于区域灰度的图像分割基于区域灰度的图像分割（2）半门限化法n原理：对图像中的背景表示成最大或最小的灰度，而把图像中的对象保留下来。TT1111二二 基于区域灰度的图像分割基于区域灰度的图像分割（3）用门限化法检测对象边缘n原理：使用门限化法时，令灰度和所取门限值相同的像素点具有新的灰度值为1，而其余的各点的灰度值为0，即可检测出边缘。n实用的方

5、法：令原图像灰度值在门限值近旁一个小区域内的像素点的灰度为1，其余为0。2、阈值的选择n极小点阈值通过寻找直方图的极小点确定分割阈值，在确定极小点过程中可能需要对直方图进行平滑。n最优阈值通常，图像中目标和背景的灰度值有部分交错，再分割时总希望减少分割误差。为此，需要研究最优阈值问题。通过背景和目标 的灰度概率分布函数可以在一定条件下确定最佳阈值)()()(tPdrrptEotootbtbbdrrpdrrptE)(1)()()(1)()(tPdrrptEbtbb)(1)1()(tPtPbo22222)(2)(21)(21)(bboorbbrooerperp0)()1()(dttPddttPdb

6、o0)()1()(tptpbo22222)(lnln2)(ln)1ln(ooobbbtt02CBtAt)1ln(2)(22222222222boobboobboobobCBA)()1()()(rprprHbo)(21obt3、边缘检测基于灰度不连续性进行分割的方法n差分边缘检测处在边缘两侧的点，图像灰度将发生急剧的变化，因此具有较大的差分值，当差分方向与边界方向垂直时，具有最大的差分值。差分是灰度变化的有方向性的运算n梯度边缘检测n梯度是各向同性的运算，它既可以检测出边缘，又和施加运算的方向无关n可采用四邻域和八邻域的运算3、边缘检测n拉普拉斯边缘检测n各向同性的运算，对灰度突变敏感n用于边缘

7、检测时，为避免出现负值，常取其绝对值n方向模板边缘检测n类似于锐化模板，采用方向模板进行边缘检测n各种边缘检测算子：Sobel、Prewitt、Krisch、Wallis等算子既可以用于图像锐化，又可以用于图像边缘检测3、边缘检测Roberts梯度交叉边缘检测n普通梯度算子检测水平或垂直方向上的变化；nRoberts梯度交叉算子检测的是沿与图像坐标轴45度或135度角方向上的灰度梯度；-10010-110Roberts交叉边缘检测效果3、边缘检测Sobel模板101202101xd121000121yd垂直检测模板水平检测模板Sobel模板边缘检测效果3、边缘检测Kirsch算子对八邻域进行计

8、算，用3个相邻点的加权和减去5个相邻点的加权和；33-53-533-53-5-53-5333-5-5-533333-5-53-53333-533-53-533333-53-5-5333333-5-5-53333-53-5-53、边缘检测Laplace算子无方向性的二阶微分算子，可用二阶差分代替；经常表示成模板形式用于边缘检测时，为避免出现负值，常取其绝对值对图像中的噪声非常敏感，另外还会产生双象素宽的边缘，很少直接用于边缘提取0-10-14-10-10-10-1040-10-1-1-1-1-18-1-1-1-13、边缘检测LoG算子（Laplacian of Gaussian）对Laplace

9、算子的改进，为减少噪声的影响，对图像进行平滑，平滑函数采用高斯函数对平滑后的图像再用Laplace算子LoG算子是轴对称的各向同性算子Laplacian of GaussianCanny算子边缘检测效果三三 区域扩张的图像分割区域扩张的图像分割基本思路：将图像划分为逐级分解的小区，利用一定的合并和分裂准则对小区进行检验，确定小区是否需要分裂或相邻小区是否需要合并。通常特征准则是以图像某些特征(灰度、色彩、统计特征)的均匀性为依据的。三三 区域扩张的图像分割区域扩张的图像分割1、区域生长法n从生长点开始，搜索其邻域，把符合接收规则的点或子区归并进来，形成新的生长点，直到当前区域不能再合并为止三三 区域扩张的图像分割区域扩张的图像分割2、子区域合并法n以小区域内的灰度分布的相似性来进行区域合并n将图像分成若干个子区n从第一个子区开始，分别计算子区与相邻子区的灰度统计量，然后做相似性判别。若满足则合并；不满足，则进行标记n继续新一轮判定，直到没有可归并的子区为止n对整幅图像中有标记的子区重复上述操作门限法示例返回