图像分割-第1讲.ppt

数字图像处理 1、掌握图像分割的概念和边缘检测原理与方法； 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 图像分析的步骤 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。 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。 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 从图像出发，确定每个像素的归属区域，从而形成一个区域图。 区域增长 从像素出发，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。 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 基本思想： 计算局部微分算子 几种常用的边缘检测算子 梯度算子 Roberts算子 Prewitt算子 Sobel算子 方向算子 Laplacian算子 Marr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) 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： 定义数字形式的拉普拉斯的基本要求：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： 对噪音敏感，对噪声有双倍加强作用； 不能检测出边的方向； 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，可先对图像进行平滑，然后再用Laplacian算子检测边缘。 平滑函数应能反映不同远近的周围点对给定像素具有不同的平滑作用，因此，平滑函数采用正态分布的高斯函数，即： 出发点 边缘跟踪的概念 将检测的边缘点连接成线就是边缘跟踪 由边缘形成线特征的两个过程 可构成线特征的边缘点的提取 将边缘点连接成线 连接边缘的方法 光栅跟踪 全向跟踪 概念 是一种采用电视光栅行扫描顺序，结合门限检测，对遇到的像素进行分析，从而确定是否为边缘的跟踪方法。 4、确定跟踪邻域。取像素(i，j)的下一行像素(i+1，j-1)，(i+1，j)，(i+1，j+1)为跟踪邻域。 5、扫描下一行像素，凡和上一行已检测出来的对像点相邻接的像素，其灰度差小于跟踪阈值t的，都接受为对象点，反之去除。 6、 对于已检测出的某一对象点，如果在下一行跟踪邻域中，没有任何一个像素被接受为对象点，那么，这一条曲线的跟踪便可结束。 如果同时有两个，甚至三个邻域点均被接受为对象点，则说明曲线发生分支，跟踪将对各分支同时进行。 如果若干分支曲线合并成一条曲线，则跟踪可集中于一条曲线上进行。 一曲线跟踪结束后，采用类似上述步骤从第一行的其他检出点开始下一条曲线的跟踪。 7、对于未被接受为对象点的其他各行像素，再次用检测阈值进行检测，并以新检出的点为起始点，重新使用跟踪阈值程序，以检测出不是从第一行开始的其他曲线。 8、当扫描完最后一行时，跟踪便可结束。 检测和跟踪所选择的特征可以不是灰度级，而是其他反映局部性质的量，例如对比度、梯度等。此外，每个点所对应的邻域也可以取其他的定义，不一定是紧邻的下一行像素，稍远一些的领域也许对于弥合曲线的间隙更有好处。 跟踪准则也可以不仅仅针对每个已检测出的点，而是针对已检出的一组点。这时，可以对先后检出的点赋予不同的权，如后检出的点给以较大的权，而早先检出的点赋予相对小一些的权，利用被检测点性质和已检出点性质的加权均值进行比较，以决定接收或拒绝。 光栅扫描跟踪和扫描方向有关，因此最好沿其他方向再跟踪一次，例如逆向跟踪，并将两种跟踪的结合综合起来能得到更好的结果。另外，若边缘和光栅扫描方向平行时效果不好，则最好在垂直扫描方