图像分割与特征提取课件.pptx

1、主要内容n1.图像目标分割方法图像目标分割方法n2.图像特征的提取图像特征的提取n3.图像纹理特征的描述图像纹理特征的描述它的主要目的是将一幅图像划分为一个个区域它的主要目的是将一幅图像划分为一个个区域,每每一个区域与一个实际目标相对应一个区域与一个实际目标相对应，可将感兴趣的目，可将感兴趣的目标（标（AOIAOI）区域分割出来。）区域分割出来。这是一个将一个集合划分成一些子集的基本操作这是一个将一个集合划分成一些子集的基本操作.每一个子集可能对应着一个目标或一种现象每一个子集可能对应着一个目标或一种现象.对一对一幅图像而言幅图像而言,区域可视为连通的和灰度区域可视为连通的和灰度特征特征一致的

2、一致的片区片区。分割方法两类分割方法两类:第一类是直接构成目标区域第一类是直接构成目标区域，第二第二类是先寻找边缘来构成域类是先寻找边缘来构成域。图图 像像 分分 割割 图图 像像 分分 割割 图像分割是将图像划分成若干个互不相交的小区域的过程，图像分割是将图像划分成若干个互不相交的小区域的过程，小区域是某种意义下具有共同属性的像素的连通集合，如不同小区域是某种意义下具有共同属性的像素的连通集合，如不同目标物体所占的图像区域。连通是指集合中任意两个点之间都目标物体所占的图像区域。连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径。对于离散图像而言，连通存在着完全属于该集合的连通路径。

3、对于离散图像而言，连通有有4连通和连通和8连通之分。连通之分。(a)(b)图像分割有两种不同的途径：图像分割有两种不同的途径：其一是将各像素划归到相应物体或区域的像素聚类方其一是将各像素划归到相应物体或区域的像素聚类方法法,即区域法；在图像分割技术中，最常用的是利用阈即区域法；在图像分割技术中，最常用的是利用阈值化处理进行的图像分割。值化处理进行的图像分割。其二是通过直接确定区域间的边界来实现分割的边界其二是通过直接确定区域间的边界来实现分割的边界方法；这种方法首先检测边缘像素，再将边缘像素连方法；这种方法首先检测边缘像素，再将边缘像素连接起来构成边界形成分割。接起来构成边界形成分割。图图 像

4、像 分分 割割 的方法的方法灰度阈值法分割灰度阈值法分割 常用的图像分割方法是把图像灰度分成不同的等级，常用的图像分割方法是把图像灰度分成不同的等级，然后用设置灰度门限（阈值）的方法确定有意义的区然后用设置灰度门限（阈值）的方法确定有意义的区域或分割物体的边界。常用的阈值化处理就是图像的域或分割物体的边界。常用的阈值化处理就是图像的二值化处理，二值化处理，即选择一阈值，将图像转换为黑白二值即选择一阈值，将图像转换为黑白二值图像，图像，用于图像分割及边缘跟踪等预处理。用于图像分割及边缘跟踪等预处理。图像阈值化处理的变换函数表达式为图像阈值化处理的变换函数表达式为 TyxfTyxfyxg),(25

5、5),(0),(在图像的阈值化处理过程中，在图像的阈值化处理过程中，选用不同的阈值其处选用不同的阈值其处理结果差异很大。如图所示理结果差异很大。如图所示,阈值过小，阈值过小，会提取多余会提取多余的部分；的部分；而阈值过大，又会丢失所需的部分（注意：而阈值过大，又会丢失所需的部分（注意：当前背景为黑色，当前背景为黑色，对象为白色时刚好相反）。因此，对象为白色时刚好相反）。因此，阈值的选取非常重要。阈值的选取非常重要。灰度阈值法分割灰度阈值法分割(a)原始图像；(b)阈值T=43；(c)阈值T=130；(d)阈值T=91 原始图像的直方图如图所示。分析该直方图可知，原始图像的直方图如图所示。分析该

6、直方图可知，该直方图具有双峰特性，图像中的目标（细胞）分布该直方图具有双峰特性，图像中的目标（细胞）分布在较暗的灰度级上形成一个波峰，图像中的背景分布在较暗的灰度级上形成一个波峰，图像中的背景分布在较亮的灰度级上形成另一个波峰。此时，用其双峰在较亮的灰度级上形成另一个波峰。此时，用其双峰之间的谷低处灰度值作为阈值之间的谷低处灰度值作为阈值T进行图像的阈值化处理，进行图像的阈值化处理，便可将目标和背景分割开来便可将目标和背景分割开来阈值法分割阈值法分割Otsu阈值算法阈值算法n图像分割：图像分割：Otsu灰度图像阈值算法灰度图像阈值算法(Otsu thresholding)n图像有图像有L阶灰度

7、，阶灰度，ni是灰度为是灰度为i的像素数，图的像素数，图像总像素数像总像素数 N=n1+n2+nLn灰度为灰度为i的像素概率：的像素概率：pi=ni/Nn类间方差：类间方差：Otsu thresholdingn灰度图像阈值灰度图像阈值:uOtsu灰度图像二值化算法演示及程序分析灰度图像二值化算法演示及程序分析:特征的选择与提取特征的选择与提取n特征的选择与提取是模式识别中重要而困难的一特征的选择与提取是模式识别中重要而困难的一个环节：个环节：n分析各种特征的有效性并选出最有代表性的特分析各种特征的有效性并选出最有代表性的特征是模式识别的关键一步征是模式识别的关键一步n降低特征维数在很多情况下是

8、有效设计分类器降低特征维数在很多情况下是有效设计分类器的重要课题的重要课题n三大类特征：物理、结构和数学特征三大类特征：物理、结构和数学特征n物理和结构特征：易于为人的直觉感知，但有物理和结构特征：易于为人的直觉感知，但有时难于定量描述，因而不易用于机器判别时难于定量描述，因而不易用于机器判别n数学特征：易于用机器定量描述和判别，如基数学特征：易于用机器定量描述和判别，如基于统计的特征于统计的特征n原始特征形成原始特征形成(acquisition)：n信号获取或测量信号获取或测量原始测量原始测量n原始特征原始特征n实例：实例：n数字图象中的各像素灰度值数字图象中的各像素灰度值n人体的各种生理指

9、标人体的各种生理指标n原始特征分析：原始特征分析：n原始测量往往不能反映对象本质原始测量往往不能反映对象本质n高维原始特征不利于分类器设计：计算量大，高维原始特征不利于分类器设计：计算量大，冗余，样本分布十分稀疏冗余，样本分布十分稀疏特征的选择与提取特征的选择与提取n两类提取有效信息、压缩特征空间的方法：两类提取有效信息、压缩特征空间的方法：特征提取和特征选择特征提取和特征选择n特征提取特征提取 (extraction)(extraction)：用映射（或变换：用映射（或变换）的方法把原始特征变换为较少的新特征）的方法把原始特征变换为较少的新特征n特征选择特征选择(selection)(sel

10、ection)：从原始特征中挑选：从原始特征中挑选出一些最有代表性，分类性能最好的特征出一些最有代表性，分类性能最好的特征n特征的选择与提取与具体问题有很大关系，特征的选择与提取与具体问题有很大关系，目前没有理论能给出对任何问题都有效的特目前没有理论能给出对任何问题都有效的特征选择与提取方法征选择与提取方法特征的选择与提取举例特征的选择与提取举例n细胞自动识别：细胞自动识别：n原始测量：（正常与异常）细胞的数字图像原始测量：（正常与异常）细胞的数字图像n原始特征（特征的形成，找到一组代表细胞性原始特征（特征的形成，找到一组代表细胞性质的特征）：细胞面积，胞核面积，形状系数质的特征）：细胞面积，

11、胞核面积，形状系数，光密度，核内纹理，光密度，核内纹理n压缩特征：原始特征的维数仍很高，需压缩以压缩特征：原始特征的维数仍很高，需压缩以便于分类便于分类n特征选择：挑选最有分类信息的特征特征选择：挑选最有分类信息的特征n特征提取：数学变换特征提取：数学变换n傅立叶变换或小波变换傅立叶变换或小波变换n用用PCA方法作特征压缩方法作特征压缩特征抽提特征抽提特征抽提特征抽提纹理纹理、直方图直方图、边缘形状边缘形状、目标所占的区域的面目标所占的区域的面积的大小积的大小、区域的长轴、区域的短轴、空间位置（、区域的长轴、区域的短轴、空间位置（质心）等质心）等。其中其中 纹理特征的提取纹理特征的提取(1)纹

12、理特征的两要素：纹理特征的两要素：(A)形状与大小，形状与大小，(B)基元排列的稀密，周期性，方向性。基元排列的稀密，周期性，方向性。(2)纹理分析的方法：统计方法和结构方法纹理分析的方法：统计方法和结构方法区域直方图特征区域直方图特征 方法:比较已知目标的直方图与图像中某个给定区域的灰度直方图，从而决定两目标是否相似。操作步骤操作步骤:(1)选取适当的区域大小。选取适当的区域大小。(2)计算其区域的灰度直方图。计算其区域的灰度直方图。(3)比较此直方图与基元的直方图，决定两者是否比较此直方图与基元的直方图，决定两者是否相似，若相似，则说明所给的图像中有我们所相似，若相似，则说明所给的图像中有

13、我们所需的纹理。需的纹理。(4)比较不同像素的直方图的相似性，决定纹理的比较不同像素的直方图的相似性，决定纹理的稀密，周期性，方向性。稀密，周期性，方向性。衡量直方图相似的常见度量衡量直方图相似的常见度量(1)直方图的均值直方图的均值(2)直方图的方差直方图的方差(1)互相关(2)自相关自相关 特点：若纹理较粗，特点：若纹理较粗，d=|x|+|y|增大时增大时变化较慢。若上式的值呈周变化，同可获得变化较慢。若上式的值呈周变化，同可获得纹理变化的情况。纹理变化的情况。作纹理测试函数:若作纹理测试函数为若作纹理测试函数为:其它常见的区域特征其它常见的区域特征(1)边缘周长边缘周长 l定义为边缘上的像素个数定义为边缘上的像素个数(2)区域圆度区域圆度其中其中S为区域面积为区域面积(3)欧拉数欧拉数一个区域中连通部数一个区域中连通部数H与吼数与吼数C的差：的差：E=|C-H|作业 1.图像目标分割由哪些常用的方法？图像目标分割由哪些常用的方法？2.如何描述图像的纹理特征，试给出两种方如何描述图像的纹理特征，试给出两种方法及算法流程？法及算法流程？