数字图像处理第6章图像分割北邮出版社200810论述.ppt

图像处理 第6章 图像分割 6.1 基于阈值的图像分割方法 6.2 基于边界的图像分割方法  6.3 基于区域的图像分割方法  6.4 * 基于二值数学形态学方法的分割 图像分割： 图像分割即把图像分成各具特性的区域并提取感兴趣目标的技术和过程。 特性可以是像素的灰度、颜色、纹理等。 提取目标可以对应于单个区域，也可以对应多个区域。 图像分割的目的： 对特定对象或区域进行研究 是图像分析、图像理解的基础 图像分割方法的分类： 不同的分割策略有不同的分割方法 6.1 基于阈值的图像分割方法 6.1.1. 阈值化分割基本原理 基本原理 选取一个或多个处于图像灰度取值范围之中的灰度阈值。 将图像中各个像素的灰度值与阈值进行比较。 根据比较的结果将图像中的对应像素分成两类或多类，从而把图像划分成互不交叉重叠区域的集合。 阈值化图像分割的重点、难点 分割区域或目标的数目。 阈值的确定。 分割方法 只有一种目标和背景的简单模型 原始多灰度图像 缺点：分割结果可能出现不同区域的某些部分具有相同的特征。 （ 只考虑了像素本身的灰度值， 忽略了像素之间的空间相关性 ） 6.1.2. 固定阈值法 适合目标区域和背景区域灰度值差异很大的情况 6.1.3. 直方图方法 将直方图的包络看成一条曲线，选取直方图谷值作为分割的阈值，采用求曲线极小值的方法。设用h(z)表示图像直方图，z为图像灰度变量，那么极小值应满足 ： 原始图像 6.1.4. 最大类间方差法 Otsu于1978年提出的一种典型的图像分割方法。 假定某一阈值T将图像各像素按灰度分成两类C0和C1 ，每个灰度级的概率为Pi 。 C1类：包含灰度级为[z+1,z+2,…,K-1]的像素 图像的总平均灰度为： 定义类间方差为： 方差是灰度分布均匀性的一种度量: 方差越大，构成图像的两部分差别越大， 目标错分为背景 or 背景错分为目标 ? 两部分差别变小。 类间方差最大的分割==目标和背景被错分概率最小。 实用中，直接应用（6.5）式计算量太大，实现时采用如下最佳阈值T： 6.1.5. 统计最优阈值法 根据灰度阈值T对图像进行分割， 灰度小于T的像点作为背景点， 灰度大于T的像点作为目标点。 将目标点误判为背景点的概率为： 将背景点误判为目标点的概率为： 总的误差概率为： 图6.4 最优阈值选取方法 对于高斯分布概率密度类型的图像,有 化简成标准的二次式，其系数为： 改进方法： （1）先灰度级校正，再单一阈值分割 （2）把图像分成小块，每一块设置局部阈值 6.2 基于边界的图像分割方法 6.2.1. 并行微分算子法 高斯－拉普拉斯边缘检测算子 －－最有效的边缘检测器之一。 拉普拉斯算子对图像噪声比较敏感， 为了减少噪声影响，先对检测图像采用高斯滤波器进行平滑。 二维高斯滤波器的响应函数为： 设f(x,y)为原始灰度图像，则采用式（6.17）平滑后的结果相对于求f(x,y)和G(x,y)的卷积，对平滑后的图像再运用拉普拉斯算子 ： 化简最后得到： Canny算子 6.2.2. 模板匹配法 设 表示3×3模板的不同方格上的加权值， 与模板紧扣着的图像上的像素灰度值为 ， 则上述求和的过程就可以看成是图像与模板的卷积过程， 相当于求模板矢量和图像矢量的内积。 把3×3模板推广到n×n模板，有： （6.30） 线检测模板如图6.9所示，它由多个不同的模板组成。 设W1、W2、W3、W4分别是图6.9中四个3×3模板的加权矢量，与模板紧扣着的图像上的像素灰度为 则线模板的各个响应为 ，i=1,2,3,4。如果第i个模板响应最大，则可以认为X与第i个模板最接近。或者说，如果对所有的j值，除j=i外，有： 可以说X和第i个模板相近，具有与此模板对应的直线或线段。 6.2.3. 边界跟踪算法 边界跟踪是提取图像边界和轮廓的一种常用方法 。 链码是一种常用的边界跟踪描述方法，分为直接链码和差分链码两种。 直接链码编码器根据四邻域或八邻域直接表示轮廓的走向 。 差分链码是用邻近两个走向编号的差值表示。