数字图像处理第二版第七章7.1和7.2图像分割.ppt

第七章 图像分割 讲解内容 1.图像分割的概念与方法分类 2.边缘检测 3.Hough变换检测法 4.区域分割 5.区域生长 6.分裂合并法 目的 1.掌握图像分割的概念和边缘检测的原理与方法 2.掌握Hough变换检测直线原理,了解Hough变换检测曲线方法； 3.掌握最简单图像区域分割,了解区域生长和分裂合并法 7.1 概述 图像分析的概念 对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息，从而建立对图像的描述 图像分析系统的基本构成 7.1 概述 图像分析的步骤 把图像分割成不同的区域或把不同的对象分开 找出分开的各区域的特征 识别图像中要找的对象或对图像进行分类 对不同区域进行描述或寻找出不同区域的相互联系，进而找出相似结构或将相关区域连成一个有意义的结构 7.1 概述 图像分割的概念 把图像分成互不重叠的区域并提取感兴趣目标的技术 7.1 概述 图像分割的基本策略 分割算法基于灰度值的两个基本特性：不连续性和相似性 检测图像像素灰度级的不连续性，找到点、线（宽度为1）、边（不定宽度）。先找边，后确定区域。 7.1 概述 图像分割的基本策略 检测图像像素的灰度值的相似性，通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边 7.1 概述 图像分割的方法 基于边缘的分割方法 先提取区域边界，再确定边界限定的区域。 区域分割 确定每个像素的归属区域，从而形成一个区域图。 区域生长 将属性接近的连通像素聚集成区域 分裂－合并分割 综合利用前两种方法，既存在图像的划分，又有图像的合并。 7.2 边缘检测算子 边缘的定义： 图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合 边缘的分类 阶跃状 屋顶状 7.2 边缘检测算子 基本思想：计算局部微分算子 7.2 边缘检测算子 一阶微分：用梯度算子来计算 特点：对于亮的边，边的变化起点是正的，结束是负的。对于暗边，结论相反。常数部分为零。 用途：用于检测图像中边的存在 7.2 边缘检测算子 二阶微分：通过拉普拉斯来计算 特点：二阶微分在亮的一边是正的，在暗的一边是负的。常数部分为零。 用途： 1）二次导数的符号，用于确定边上的像素是在亮的一边，还是暗的一边。 2）0跨越，确定边的准确位置 7.2 边缘检测算子 几种常用的边缘检测算子 梯度算子 Roberts梯度算子 Prewitt算子 Sobel算子 Kirsch算子 Laplacian算子 Marr算子 Canny边缘检测算子 梯度算子 函数f(x,y)在(x,y)处的梯度为一个向量： ?f = [?f / ?x , ?f / ?y] 计算这个向量的大小为： G = [(?f / ?x)2 +(?f / ?y)2]1/2 近似为: G ? |?fx| + |?fy| 或 G ? max(|?fx|, |?fy|) 梯度的方向角为： φ(x,y) = tan-1(?fy / ?fx) 可用下图所示的模板表示 Roberts算子 公式： 模板： 特点： 与梯度算子检测边缘的方法类似，对噪声敏感，但效果较梯度算子略好 Prewitt算子 公式 模板： 特点： 在检测边缘的同时，能抑止噪声的影响 Sobel算子 公式 模板 特点： 对4邻域采用带权方法计算差分 能进一步抑止噪声 但检测的边缘较宽 Sobel算子 Sobel梯度算子的使用与分析 1. 直接计算?y、?x可以检测到边的存在， 以及从暗到亮，从亮到暗的变化 2. 仅计算|?x|，产生最强的响应是正交 于x轴的边； |?y|则是正交于y轴的边。 3. 由于微分增强了噪音，平滑效果是Sobel 算子特别引人注意的特性 Kirsch算子（方向算子） 模板 拉普拉斯算子 定义： 二维函数f(x,y)的拉普拉斯是一个二阶的微分定义为： ?2f = [?2f / ?x2 , ?2f / ?y2] 离散形式： 模板： 可以用多种方式被表示为数字形式。对于一个3x3的区域，经验上被推荐最多的形式是： 拉普拉斯算子 定义数字形式的拉普拉斯的基本要求是，作用于中心像素的系数是一个负数，而且其周围像素的系数为正数，系数之和必为0。 拉普拉斯算子 拉普拉斯算子的分析： 优点： 各向同性、线性和位移不变的； 对细线和孤立点检测效果较好。 缺点： 对噪音的敏感，对噪声有双倍加强作用； 不能检测出边的方向； 常产生双像素的边缘。 Marr算子 Marr算子是在Laplacian算子的基础上实现的，它得益于对人的视觉机理的研究，有一定的生物学和生理学意义。 由于Laplacian算子对噪声比较敏感，为了减少噪声影响，可先对图