图像边缘提取与分割课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《图像边缘提取与分割课件.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 图像 边缘 提取 分割 课件
- 资源描述:
-
1、1第第3章章 图像边缘提取和分割图像边缘提取和分割l3.1引言引言l3.2 图像分割处理图像分割处理2022-11-323 第第3章章 图像边缘提取和分割图像边缘提取和分割l3.1引言引言l 图像最基本的特征是图像最基本的特征是边缘边缘,边缘边缘是指其周是指其周围像素灰度有围像素灰度有阶跃变化阶跃变化或或屋顶状变化屋顶状变化的那些像的那些像素的集合,它存在于目标与背景、目标与目标、素的集合,它存在于目标与背景、目标与目标、区域与区域、基元与基元之间。它是图像分割区域与区域、基元与基元之间。它是图像分割所依赖的最重要的特征,也是纹理特征中的重所依赖的最重要的特征,也是纹理特征中的重要信息源和形状
2、特征的基础。而图像的纹理形要信息源和形状特征的基础。而图像的纹理形状特征的提取又常常要依赖于图像分割。状特征的提取又常常要依赖于图像分割。2022-11-34 3.1.1 统计模式识别简介统计模式识别简介 统计模式识别认为图像可能包含一个或多个物体,并统计模式识别认为图像可能包含一个或多个物体,并且每个物体属于若干事先定义的类型、范畴或模式之一。且每个物体属于若干事先定义的类型、范畴或模式之一。虽然模式识别可以用多种方法实现,但是在此只关心用数虽然模式识别可以用多种方法实现,但是在此只关心用数字图像处理技术对它的实现。字图像处理技术对它的实现。在给定一幅含有多个物体的数字图像的条件下,模式在给
3、定一幅含有多个物体的数字图像的条件下,模式识别过程如图识别过程如图3.1所示,由三个主要阶段组成。所示,由三个主要阶段组成。2022-11-35 3.1.1 统计模式识别简介统计模式识别简介 图图3.1 模式识别的三个阶段模式识别的三个阶段 2022-11-36l图像分割:检测出各个物体,把它们的图像和其图像分割:检测出各个物体,把它们的图像和其 余景物分离,这一过程也可以称为图像预处理。余景物分离,这一过程也可以称为图像预处理。2022-11-33.1.1 统计模式识别简介统计模式识别简介73.2 图像分割处理图像分割处理l 用计算机进行数字图像处理的目的有两个:用计算机进行数字图像处理的目
4、的有两个:一是产生更适合人类视觉观察和识别的图像;一是产生更适合人类视觉观察和识别的图像;二是希望计算机能够自动进行识别和理解图像。二是希望计算机能够自动进行识别和理解图像。l图像处理的关键问题是对图像进行分解。图像处理的关键问题是对图像进行分解。分解的最终结果是各种特征的最小成分(基元)。分解的最终结果是各种特征的最小成分(基元)。产生基元的过程就是图像分割的过程。产生基元的过程就是图像分割的过程。2022-11-38 3.2 图像分割处理图像分割处理l图像分割也可以按照如下的标准分类:图像分割也可以按照如下的标准分类:l1.1.基于区域的分割方法基于区域的分割方法 包括阈值分割法、区域生长
5、和分裂合并法、聚类分包括阈值分割法、区域生长和分裂合并法、聚类分割法等;割法等;l2.2.基于边界的分割方法基于边界的分割方法 包括微分算子法、基于区域和边界技术相结合的包括微分算子法、基于区域和边界技术相结合的分割方法。分割方法。2022-11-39 3.2.1 基于区域的分割方法基于区域的分割方法l直方图分割(灰度阈值分割)直方图分割(灰度阈值分割)最简单的方法是建立在灰度直方图分析的基础上。最简单的方法是建立在灰度直方图分析的基础上。如果一个图像是由明亮目标在一个暗的背景上组成如果一个图像是由明亮目标在一个暗的背景上组成的,其灰度直方图将显示两个最大值,一个是由目的,其灰度直方图将显示两
6、个最大值,一个是由目标点产生的峰值,另一个峰值是由背景点产生的。标点产生的峰值,另一个峰值是由背景点产生的。2022-11-310图图 31 31 图像图像 的直方图的直方图 ),(yxf11 由直方图可以知道图像由直方图可以知道图像 的大部的大部分像素灰度值较低,其余像素较均匀地分布在其分像素灰度值较低,其余像素较均匀地分布在其他灰度级上。由此可以推断这幅图像是由有灰度他灰度级上。由此可以推断这幅图像是由有灰度级的物体叠加在一个暗背景上形成的。可以设一级的物体叠加在一个暗背景上形成的。可以设一个阈值个阈值 T T,把直方图分成两个部分,如图所示。,把直方图分成两个部分,如图所示。T T 的选
7、择要本着如下原则的选择要本着如下原则:B:B1 1 应尽可能包含与背应尽可能包含与背景相关连的灰度级,而景相关连的灰度级,而B B2 2 则应包含物体的所有灰则应包含物体的所有灰度级。度级。),(yxf12 当扫描这幅图像时,从当扫描这幅图像时,从 到到 之间之间的灰度变化就指示出有边界存在。当然,为了的灰度变化就指示出有边界存在。当然,为了找出水平方向和垂直方向上的边界,要进行两找出水平方向和垂直方向上的边界,要进行两次扫描。也就是说,首先确定一个门限次扫描。也就是说,首先确定一个门限 ,然后执行下列步骤:然后执行下列步骤:B1B2T13 第一,对第一,对 的每一行进行检测,产的每一行进行检
8、测,产生的图像的灰度将遵循如下规则生的图像的灰度将遵循如下规则 其他处在不同的灰度级上和BELyxfyxfLyxf)1,(),(),(1式中式中 是指定的边缘灰度级,是指定的边缘灰度级,是背景灰度级。是背景灰度级。),(yxfLELB14 第二,对第二,对 的每一列进行检测,产的每一列进行检测,产生的图像的灰度将遵循下述规则生的图像的灰度将遵循下述规则 其他上灰度处在不同的灰度级和BELyxfyxfLyxf),1(),(),(2),(yxf15l在数字图像处理中,样板是为了检测某些不变在数字图像处理中,样板是为了检测某些不变区域特性而设计的阵列。样板可根据检测目的区域特性而设计的阵列。样板可根
9、据检测目的不同而分为点样板、线样板、梯度样板、正交不同而分为点样板、线样板、梯度样板、正交样板等等。样板等等。l点样板的例子如图点样板的例子如图32所示。下面用一幅具有所示。下面用一幅具有恒定强度背景的图像来讨论。恒定强度背景的图像来讨论。l1)、点样板)、点样板3.2.2 基于边界检测方法(样板匹配)基于边界检测方法(样板匹配)16-1-1-1-1-1-1-1-18 8-1-1-1-1-1-1-1-122222222230 220292222222822222222222222222用点样板用点样板的检测步的检测步骤如下:骤如下:3-2 点样板检测17 样板中心(标号为样板中心(标号为8 8
10、)沿着图像从一个像素移)沿着图像从一个像素移到另一个像素,在每一个位置上,把处在样板内到另一个像素,在每一个位置上,把处在样板内的图像的每一点的值乘以样板的相应方格中指示的图像的每一点的值乘以样板的相应方格中指示的数字,然后把结果相加。如果在样板区域内所的数字,然后把结果相加。如果在样板区域内所有图像的像素有同样的值,则其和为零。否则其有图像的像素有同样的值,则其和为零。否则其和不为零。和不为零。18 例如,设例如,设 代表代表3 33 3模模板的权,并使板的权,并使 为模板内各为模板内各像素的灰度值。从上述方法来看,应求两个矢像素的灰度值。从上述方法来看,应求两个矢量的积,即:量的积,即:1
11、29,xxx129,W XxxxxTnnn11229919 19 线检测样板如图线检测样板如图3333所示。其中,样板所示。其中,样板(a)(a)沿一沿一幅图像移动,它将对水平取向的线(一个像素宽度)幅图像移动,它将对水平取向的线(一个像素宽度)有最强的响应。对于恒定背景,当线通过样板中间有最强的响应。对于恒定背景,当线通过样板中间一行时出现最大响应;样板一行时出现最大响应;样板(b)(b)对对4545方向的那些方向的那些线具有最好响应;样板线具有最好响应;样板(c)(c)对垂直线有最大响应;对垂直线有最大响应;样板样板(d)(d)则对则对-45-45方向的那些线有最好的响应。方向的那些线有最
12、好的响应。1)、线样板)、线样板20图图33 33 线样板线样板 21设设 是图是图33中四个样板的权值组成的九维中四个样板的权值组成的九维矢量。与点样板的操作步骤一样,在图像中的任一矢量。与点样板的操作步骤一样,在图像中的任一点上,线样板的各个响应为点上,线样板的各个响应为 ,这,这 里里 i=1、2、3、4。此处。此处 X 是样板面积内九个像素形成的矢是样板面积内九个像素形成的矢量。给定一个特定的量。给定一个特定的 X ,希望能确定在讨论问题,希望能确定在讨论问题的区域与四个线样板中的哪一个有最相近的匹配。的区域与四个线样板中的哪一个有最相近的匹配。如果第如果第 i 个样板响应最大,则可以
13、断定个样板响应最大,则可以断定 X 和第和第 i 个样板最相近。个样板最相近。W W W W1234,W XiT22换言之,如果对所有的换言之,如果对所有的 值,除值,除 外,外,有:有:jij W XW XiTjT 就就 可可 以以 说说 和和 第第 个个 样样 板板 最最 接接近近 。如果如果 ,=2=2、3 3、4 4,可以断,可以断定定 代表的区域有水平线的性质。代表的区域有水平线的性质。XiW XW XiTjTj23 对于边缘检测来说也同样遵循上述原理。通对于边缘检测来说也同样遵循上述原理。通常采用的方法是执行某种形式的二维导数。类似常采用的方法是执行某种形式的二维导数。类似于离散梯
14、度计算,考虑于离散梯度计算,考虑大小的模板,如图大小的模板,如图3434所示。所示。24图图34 3 334 3 3样板样板 考虑考虑的图像区域,的图像区域,及及 分别用下式表示分别用下式表示 GxGyGghiadcx()()22Gcfiadgy()()2225采用绝对值的一种定义为采用绝对值的一种定义为 在在 点的梯度为点的梯度为 eGGGxy2212GGGxy梯度模板如图梯度模板如图3535所示。所示。26图图35 35 梯度样板梯度样板 27 边缘检测也可以表示成矢量,其形式与线边缘检测也可以表示成矢量,其形式与线样板检测相同。如果样板检测相同。如果 代表所讨论的图像代表所讨论的图像区域
15、,则:区域,则:XGW XxT1GW XyT2这里这里 ,是图是图3535中的两个样板矢量。中的两个样板矢量。分别代表它们的转置。分别代表它们的转置。W1W2WWTT12,28这样,梯度公式如下这种形式:这样,梯度公式如下这种形式:GW XW XTT()()121212GW XW XTT1229 3.2.2 图像分割的一些常用基本方法图像分割的一些常用基本方法 原始图像原始图像 阈值阈值T=91 阈值阈值T=130 阈值阈值T=43 图图3.3 不同阈值对分割结果的影响不同阈值对分割结果的影响 2022-11-3 30l3.Sobel边缘算子边缘算子 对于阶跃状边缘,对于阶跃状边缘,Sobel
16、提出一种检测边缘点的算子。对提出一种检测边缘点的算子。对数值图像的每个像素考察它上、下、左、右邻点灰度的加权差,数值图像的每个像素考察它上、下、左、右邻点灰度的加权差,与之接近的邻点权大。据此,定义与之接近的邻点权大。据此,定义Sobel算子算子 2022-11-3)1,1(),1(2)1,1()1,(),1(2)1,1,(),(jifjifjifjjifjifjifjiS)1,1()1,(2)1,1()1,1()1,(2)1,1(jifjifjifjifjifjif3.2.2 边缘检测边缘检测31l4.Laplacian算子算子 对于阶跃状边缘,二阶导数在边缘点出现零交叉,即边缘对于阶跃状边
17、缘,二阶导数在边缘点出现零交叉,即边缘点两旁二阶导数取异号,据此,对数字图像的每个像素,取它点两旁二阶导数取异号,据此,对数字图像的每个像素,取它关于轴方向和轴方向的二阶差分之和。关于轴方向和轴方向的二阶差分之和。2022-11-3),(4)1,()1,(),1(),1(),(),(),(222jifjifjifjifjifjifjifjifyx3.2.2 边缘检测边缘检测32l 对于屋顶状边缘,在边缘点的二阶导数取极小值。对对于屋顶状边缘,在边缘点的二阶导数取极小值。对数字图像的每个像素取它的关于方向和方向的二阶差分之数字图像的每个像素取它的关于方向和方向的二阶差分之和的相反数,即和的相反数
18、,即Laplacian算子的相反数。算子的相反数。2022-11-3),(4)1,()1,(),1(),1(),(),(2jifjifjifjifjifjifjiL3.2.2 边缘检测边缘检测33l5 Kirsch边缘算子边缘算子l 图图3.7所示的所示的8个卷积核组成了个卷积核组成了Kirsch边缘算子。图像中边缘算子。图像中的每个点都用的每个点都用8个掩模进行卷积,每个掩模对某个特定边缘个掩模进行卷积,每个掩模对某个特定边缘方向做出最大响应。所有方向做出最大响应。所有8个方向中的最大值作为边缘幅度个方向中的最大值作为边缘幅度图像的输出。最大响应掩模的序号构成了对边缘方向的编图像的输出。最大
19、响应掩模的序号构成了对边缘方向的编码。码。2022-11-33.2.2 边缘检测边缘检测34l 00 450 900 1350 2022-11-33.2.2 边缘检测边缘检测35 1800 2250 2700 3150 图图3.7 Kirsch边缘算子边缘算子2022-11-33.2.2 边缘检测边缘检测36l6.Marr-Hildreth 边缘检测算子边缘检测算子l Marr-Hildreth边缘检测算子是将高斯算子和拉普拉斯算边缘检测算子是将高斯算子和拉普拉斯算子结合在一起而形成的一种新的边缘检测算子,先用高斯算子结合在一起而形成的一种新的边缘检测算子,先用高斯算子对图像进行平滑处理,然后
展开阅读全文