图像处理课件05图像分割.ppt

图像分割 图像分割 图像分割 图像分割算法基于亮度值的两个特性： 不连续性（边缘） 相似性（区域） 图像分割 间断检测 边缘连接和边界检测 门限处理 基于区域的分割 基于形态学分水岭的分割 分割中运动的应用 一、间断检测 点检测 线检测 边缘检测 １、点检测 １、点检测 ２、线检测 例：线检测 ３、边缘检测　 ３、边缘检测　 ３、边缘检测 例：利用梯度进行边缘检测 ３、边缘检测 ３、边缘检测 ３、边缘检测 ３、边缘检测 ３、边缘检测 高斯型函数的目的：对图像进行平滑。 拉普拉斯算子的目的：提供一幅零交叉确定边缘位置的图像。 １、局部处理 １、局部处理 ２、通过霍夫变换进行整体处理 ２、通过霍夫变换进行整体处理 ２、通过霍夫变换进行整体处理 一种基于霍夫变换的连接方式： 计算图像的梯度并对其设置门限得到一幅二值图像； 在ρθ平面内确定细分； 对像素高度集中的地方检验其累加器单元中的数目； 检验选择的单元中像素之间的关系（主要针对连续性）； 三、门限处理 优势： 直观性 易于实现 在图像分割中处中心地位 １、亮度的作用 １、亮度的作用 １、亮度的作用 ２、基本全局门限 自动获取阈值： 选择一个T的初始估计值； 用T分割图像。这样做会分成两组像素：G1由所有灰度值大于T的像素组成，而G2由所有灰度值小于或等于T的像素组成。 对区域G1和G2中的所有像素计算平均灰度值 和 计算新的门限值： 重复步骤2到4，直到逐次迭代所得的T值之差小于事先定义的参数T0. ３、基本自适应门限 将图像进一步细分为子图像，并对不同的子图像使用不同的门限进行分割。 关键问题：如何细分？ 如何为子图像估计门限值？ ４、最佳全局和自适应门限 ４、最佳全局和自适应门限 ４、最佳全局和自适应门限 ４、最佳全局和自适应门限 5、利用边界特性改进直方图和局部门限处理 5、利用边界特性改进直方图和局部门限处理 四、基于区域的分割 目的：将图像划分为不同区域。 基本公式 区域生长 区域分离与合并 1、基本公式 ２、区域生长 区域生长：是一种根据事先定义的相似性准则将像素或子区域聚合成更大区域的过程。 基本方法：以一组种子点开始，将与种子点性质相似的相邻像素附加到生长区域的每个种子上。 ２、区域生长 根据所解决问题的性质而选择一个或多个起点； 相似性准则的选择； 连通性和相邻性信息的使用； 区域生长的终止规则。 ３、区域分离与合并 五、基于形态学分水岭的分割 基本概念 水坝构造 分水岭分割算法 应用标记 １、基本概念 分水岭概念是以图像进行三维可视化处理为基础的：其中两个是坐标，另一个是灰度级。 １、基本概念 分水岭分割算法主要目的：是找出分水线。 基本思想：假设在每个区域最小值的位置上打一个洞，并且让水以均匀的上升速率从洞中涌出，从低到高淹没整个地形。当处在不同的汇聚盆地中的水将要聚合在一起时，修建的大坝将阻止聚合。大坝的边界对应于分水岭的分水线。 １、基本概念 分水岭分割算法的主要应用： 从背景中提取灰度值近似均匀的对象。 ２、水坝构造（分水线） 几个符号： 表示在两个区域极小值中包含的点的坐标集合。 　 表示第n-1阶段汇水盆地中的点的坐标集合。 表示汇水盆地集合的联合。 3、分水岭分割算法 ４、应用标记 一个标记是属于一个连通分量： 重要对象相联系的内部标记； 同背景相联系的为外部标记。 选择标记的过程： 预处理 定义一个所有标记必须满足的准则集合。 六、分割中运动的应用 空间技术 频域技术 １、空间技术 １、空间技术 １、空间技术 ２、频域技术 ２、频域技术 ２、频域技术 ２、频域技术 ２、频域技术 R表示整幅图像区域，基于区域的分割是将R划分为n个 子区域R1,R2,…,Rn的过程： 例：区域生长在焊缝检测中的应用 任何像素和种子之间的灰度级绝对差必须小于65。 添入某一个区域的像素必须与此区域中至少一个像素是8连通的。 ３、区域分离与合并 对R进行分割的一种方法是反复将分割得到的结果图像 再次分为四个区域，直到对任何区域都有 然后进行区域聚合：仅对相邻的区域进行聚合，但聚合的区域必须满足谓词P。 对于任何区域 ，如果　　　　 ，就将每个区域都拆分成4个相邻的区域。 将 的任意两个相邻区域 和 进行聚合。 当再无法进行聚合和拆分时操作停止。 例：拆分和聚合 相似性准则：区域 内至少有80％的像素具有 的性质，就定义 原图 拆分和聚合 门限处理 考虑三类点： 属于局部性最小值的点； 汇水盆地或分水岭； 分割线或分水线。