区域分析Chapter 4 Region Analysis.pptVIP

北京邮电大学自动化学院 南京航空航天大学 自动化学院 区 域 分 析 Chapter 4 Region Analysis 第 4 章 1 区域和边缘（Region and Edge） 如何精确解释一幅图像？ 区域: 相互连结的具有相似特性的一组像素 边缘：区域边界上的像素(pixel) 2 分割的定义(segmentation) 图像分割最简形式: 把灰度图(gray image)转换成二值图 讨论： 基于区域的分割 基于边缘检测的分割 理论上，区域分割和边缘检测应该产生相同的结果 基于场景中的物体、环境和应用域等知识： 物体的图像灰度特性，物体的尺寸， 物体在图像中所占比例，图像中不同类型物体的数量。 使用上述知识并在无人介入的情况下自动选取阈值的方法称为自动阈值化方法．自动阈值化算法通常使用灰度直方图来分析图像中灰度值的分布，并使用特定应用域知识来选取最合适的阈值．由于所用的知识具有普遍性，因此大大增加了算法的应用范围． 3 自动阈值化法(auto-threshold) 　(1) 模态方法(mode) 图像中的物体、背景各具有一灰度值，图像被零均值高斯噪声污染，灰度分布曲线是由两个正态分布函数叠加而成．图像直方图将会出现两个分离的峰值，阈值选取波谷最佳。 具有不同灰度均值的多物体图像中．背景和物体灰度值正态分布参数为： (2) 迭代式阈值选择 算法4.1 迭代式阈值选择算法 1. 选一初始阈值，如:灰度均值 2. 利用阈值把图像分割成两组，R1和R2 3. 计算区域R1和R2的均值 、 4. 选择新的阈值 5. 重复2－4步，直到 和 的均值不再变化为止 阈值的改进策略是这一方法的关键 (3) 自适应阈值化方法 场景照明不均匀时， 一个阈值？ 把图像分成m×m个子图像，求出子图像的阈值。 分割的最后结果是所有子图像割的逻辑并。 (4) 变量阈值化方法 在不均匀照明条件下的另一种实用的阈值化方法是使用简单的函数，如平面、二次曲面等，来逼近不均匀照明下的物体图象与背景图象之间的分界面。分界面在很大程度上是由背景灰度值确定的。 (5)双阈值方法 在许多应用中，属于物体的某些灰度值是已知的．然而，可能还有一些灰度值或者属于物体，或者属于背景．在这种情况下，人们可能使用一个保守一点的阈值T1来分离物体图像，称之为物体图像核，然后，使用有关算法来增长物体图像． 增长物体图像的方法取决于特定的应用，通常使用另一个阈值来吸收那些图像核像素的邻接像素，或用图像强度特性（如直方图）来决定属于物体区域上的那些点，一种简单的方法是吸收低于第二个阈值T2并且与原先物体图像点相连结的所有点． 算法4．2 区域增长的双阈值算法 1、选择两个阈值T1和T2． 2、把图像分割成三个区域：R1，包含所有灰度值低于阈值T1 的像素；R2，包含所有灰度值位于阈值T1和T2之间的像 素；R3，包含所有灰度值高于阈值T2的像素． 3、查看分配给区域R2中的每一个像素．如果某一像素邻接区 域R1，则把这一像素重新分配给R1． 4、重复步骤3直到没有像素被重新分配． 5、把区域R2剩下的所有像素重新分配给R3． （6） 直方图方法的局限性 恒定灰度值.在物体图像具有恒定灰度值的情况下特别有用．如果场景中不同部分具有不同的照明，那么，即使图像中仅包含有一个物体，也无法用一个阈值来分割图像． 没有利用图像强度的空间信息.基于直方图的图像分割方法没有利用图像强度的空间信息，因此，在本质上存在着局限性．直方图仅描述了图像强度分布，因此具有不同灰度空间分布的图像可能具有类似的直方图．例如，用直方图无法区分随机分布的黑白点图像、黑白棋格图像和黑白各半的图像． 4 区域表示(region representation) 三类型：阵列表示； 层级表示； 基于特征的区域表示。 区域有许多应用，也有许多种表示方法．不同的表示方法有着不同的应用．一些应用只需计算单个区域，而另一些则需要计算图像各区域的关系． 4.1 阵列表示 区域表示的基本形式是一个与原始图像一样大小的阵列，阵列元素表示像素所属区域．这样，如果阵列元［i,j］具有标记a，那么对应的图像像素就属于区域a．这种表示的最简单例子是二值图像，其中每个像素属于区域0或属于区域1． 　　另一种表示方法是使用模板(mask)或比特位图(bitma