图像工程概论2012 NO2【荐】.pptVIP

* * 类间方差阈值分割 这是由Ostu提出的最大类间方差法，又称为大津阈值分割法，是在判决分析最小二乘法原理的基础上推导得出的 具体算法： 设原始灰度图像灰度级为L，灰度级为i的象素点数为ni，则图像的全部象素数为 N=n0+n1+…+nL-1 归一化直方图，则 pi=ni/N，∑i=0L-1pi=1 按灰度级用阈值t划分为两类：C0=(0,1,..t)和C1=(t+1,t+2,…L-1),因此，C0和C1类的类出现概率及均值层分别由下列各式给出 其中： 可以看出，对任何t值，下式都能成立： C0和C1类的方差可由下式求得： 定义类内方差为： 类间方差为： 总体方差为： 引入关于t的等价判决准则： 类间/类内 三个准则是等效的，把使C0,C1两类得到最佳分离的t值作为最佳阈值，因此，将λ(t)、η(t)、κ(t)定义为最大判决准则。 由于σw2是基于二阶统计特性，而σB2是基于一阶统计特性，它们都是阈值t的函数，而σT2与t值无关，因此三个准则中η(t)最为简单，因此选其作为准则，可得到最佳阈值t* * * * * * * * * * * * * 基于边缘的分割 先检测不连续的点，然后将点连接成边界 点检测 线检测 边缘检测 无论哪种方法，其处理过程为 R = w1z1+w2z2+…+w9z9 = S wkz 其中 zk 是 与模板系数wk相联系的灰度级象素 R代表模板中心象素的值 w1 w2 w3 w6 w9 w8 w7 w4 w5 边缘检测 两个具有不同灰度值得相邻区域之间总存在边缘 边缘是灰度值不连续的结果，这种不连续常可利用求导数方便的检测到，一般常用一阶和二阶导数来检测边缘 常见的边缘剖面图有三种，如图所示 图像 水平方向剖面 一阶导数 二阶导数 阶梯状－处于图像中2个具有不同灰度值的相邻区域之间 脉冲状－对应细条状的灰度值突变区域 屋顶状－上升下降沿都比较缓慢 一阶导数在图像由暗变明的位置处有1个向上的阶跃，而其它位置都为0，这表明可用一阶导数的幅度值来检测边缘的存在，幅度峰值一般对应边缘位置 二阶导数在一阶导数的阶跃上升区有1个向上的脉冲，而在一阶导数的阶跃下降区有1个向下的脉冲，在这两个脉冲之间有1个过0点，它的位置正对应原图像中边缘的位置，所以可用二阶导数的过0点检测边缘位置，而用二阶导数在过0点附近的符号确定边缘象素在图像边缘的暗区或明区 对(a、b)而言 对(c)而言，脉冲状的剖面边缘与(a)的一阶导数形状相同，所以(c)的一阶导数形状与(a)的二阶导数形状相同，而它的2个二阶导数过0点正好分别对应脉冲的上升沿和下降沿，通过检测脉冲剖面的2个二阶导数过0点就可确定脉冲的范围 对(d)而言，屋顶状边缘的剖面可看作是将脉冲边缘底部展开得到，所以它的一阶导数是将(c)脉冲剖面的一阶导数的上升沿和下降沿展开得到的，而它的二阶导数是将脉冲剖面二阶导数的上升沿和下降沿拉开得到的，通过检测屋顶状边缘剖面的一阶导数过0点，可以确定屋顶位置 主要介绍以下几种边缘检测算子 （1）梯度算子 （2）方向算子 梯度算子 梯度对应一阶导数，梯度算子是一阶导数算子，在边缘灰度值过渡比较尖锐且图像中噪声比较小时，梯度算子效果好。 对1个连续图像函数f(x,y)，它在位置(x,y)的梯度可表示为1个矢量： 这个矢量的幅度(也常直接简称为梯度)和方向角分别为： 有时用其它方式计算幅度，如： 上面各式中的偏导数都需对一个象素位置计算，在实际中，常用小区域模板进行卷积近似计算 梯度运算比较复杂一点，在数字图像梯度运算过程中，可以按图像内容试用一些近似运算，以获得既能满足要求又能使运算简单的方法。对于数字图像，可用一阶差分代替一阶微分 在数字图像中，还经常使用Robert和Sobel等算子检测边缘 Robert梯度采用的是对角方向相邻两象素之差，即 1 -1 1 －1 Roberts模板 Sobel梯度算子先做加权平均，然后再微分，即 -1 1 1 1 -1 -1 1 1 1 -1 -1 -1 Prewitt模板 -1 1 2 1 -1 -2 1 2 1 -1 -2 -1 Sobel模板 水平 水平 垂直 垂直 Sobel算子是常用的，而且效果较其它两种算子好 实例 原图 水平方向 垂直方向 梯度 ?f ? |Gx| + |Gy| Sobel算子 Roberts算子 Prewitt算子 原图 基于区域的分割 图像分割－把图像分解为若干个有意义的子区域，而这种分解－基于物体有平滑均匀的表面，与图像中强度恒定或缓慢变化的区域相对应，即每个子区域都具有一定的均匀性质 前面所讨论的边缘、阈值，没有明显使用分割定义中的均匀测度度量 区域分割－直接根据事先确定的相似性准则，直接取出若干特征相近或相同象素组成区域 常用的区域分割－区域增长(区域生长