06图像分割.pptVIP

图像分割 北京化工大学 图像分割 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 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。 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。 ２、水坝构造（分水线） 形态学膨胀算法 3、分水岭分割算法 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 ２、频域技术 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 三类点： 局部最小值的点； 汇水盆地或分水岭； 分割线或分水线。 分水岭分割算法主要目的：找出分水线 １、基本概念 主要应用：从背景中提取灰度值近似均匀的对象。 构造水坝：以二值图像为基础。 　　方法：形态学膨胀算法。 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。 几个符号： ２、水坝构造 膨胀受到q的约束 在引起集合聚合的那些点上不能执行膨胀 淹没步骤的第n-1步图像 第n步，q表示此时的连通分量 为梯度图像，min和max代表最小值和最大值 第n阶段汇水盆地被水淹没的部分的集合 所有汇水盆地的集合 第n阶段汇水盆地中点的坐标的集合 水平面下方点的集合： 与n同步增长 结论：　　　中每个连通分量都恰好是　　的一个连通分量。 假设在第n步时，已经构造了 Q代表T[n]中的连通分量的集合，对于每个连通分量 例：分水岭分割算法说明 带有斑点图像 梯度图像 分水线 叠加于原图 的分水线 ４、应用标记 噪声和梯度的局部不规则性将造成过渡分割 电泳现象图像 对梯度图像使用分水岭分割结果 一个标记是一个连通分量： 与重要对象相联系的为内部标记； 同背景相联系的为外部标记。 控制过度分割？ ４、应用标记 显示标记 分割图像 选择标记的过程： 预处理(平滑处理) 定义一个所有标记必须满足的准则集合。 基本方法 检测两帧图像之间的变化的最简单方法是将两幅图像逐个像素进行比较。 问题：图像的位置配准；