第三章图形图像处理技术 .ppt

基于幅度的图像分割 在确定阈值时，如果阈值定得过高，偶然出现的物体点就会被认作背景； 如果阈值定得过低，则会发生相反的情况，克服的方法是使用两个阈值，例如t1＜t2，把灰度值超过t2的像素分类为核心物体点，而灰度值超过t1的像素仅当它们紧靠核心物体点时才算作物体点。t2的选择要使每个物体有一些像素灰度级高于t2，而背景不含有这样的像素。同时，应选择t1使每个物体像素点具有高于t1的灰度级。 如果只使用t2则物体总是分割得不完整；如果只使用t1则会有许多背景像素被错分为物体像素； 如果同时使用t1和t2就能把背景和物体很好地分割开来。当然，如果物体与背景的对比是鲜明的，就不必使用这种方法。 * 基于幅度的图像分割 此外，如果存在一个阈值t2，使得每个物体的像素灰度级高于t2，而背景不包含这种像素，可对图像设置阈值t2，然后检查高于阈值像素的邻域，目的是寻找一个局部阈值。以便在每个类似邻域中物体和背景分开。如果这些物体相当小，并且不太靠近时，这种方法比较适用。使用的邻域应足够大，以保证它们既包含物体像素，也包含背景像素，这样就可以使邻域的直方图是双峰的。 有时需要寻找一幅图像的局部最大点，即提取某种局部性质值比附近像素高的像素。一般来讲，也要求这些点具有一个高于低阈值t1的值，一旦超过，不管它的绝对值大小如何，一切相对的最大值都被采纳。因此，可以寻找局部最大值作为局部设置阈值的极端情况。在对图像进行匹配运算或检测界限时可采用这种方法。 * 图像的区域分割 作为区域分割的方法，最基本的是区域扩张法。 这种方法把图像分割成特征相同的小区域（最小的单位是像素），研究与其相邻的各个小区域之间的特征。把具有类似特征的小区域依此合并起来。 例如，为了从像素开始进行区域扩张，可操作如下： 对图像进行光栅扫描，求出不属于任何区域的像素。 把这个像素的灰度与其周围的（4邻域或8邻域）不属于任何一个区域的像素灰度相比较，如果其差值在某一阈值以下，就把它作为同一个区域加以合并。 对于那些新合并的像素，反复进行2的操作。 反复进行2、3的操作，直至区域不能再扩张为止。 返回到1，寻找能成为新区域出发点的像素。 * 图像的区域分割 图3.32 边缘对区域扩张的影响 * 图像的区域分割 不依赖于区域扩张起始点的方法。 设灰度差的阈值=0，按上述1~5操作进行区域扩张（使具有同一灰度的像素合并）。 求出所有邻接区域的平均灰度差，合并具有最小灰度差的邻域区域组。 通过反复进行2的操作，依此把区域合并。 用这种方法，如果在不适当的阶段停止区域合并，整幅画面最终就会成为一个区域。 以上的方法是把灰度差作为区域合并的判定标准的。 * 图像的区域分割 根据小区域内的灰度分布的形似性进行区域合并的方法，称为统计假说检测法。 把图像分成相互稀疏的，大小为n×n的小矩形区域。 比较邻接区域的灰度直方图，如果灰度分布情况都是相似的，就合并成一个区域。 反复进行2的操作，直至区域合并完了为止。 * 图像的区域分割 设h1(x)，h2(x)为相邻的两个区域的灰度直方图，从这个直方图求出累积灰度直方图H1(x)和H2(x)，根据以下两个准则： ⑴Kolmogorov-Smirnov检测 ⑵Smoothed-Difference检测 求出两者之差，如果这个差在某一阈值以下，就把两个区域合并。这里灰度直方图h(x)的累积灰度直方图H(x)被定义为 在数字化图像中， * 图像的区域分割 根据上述的灰度分布相似性的区域扩张法，不仅能为分割灰度相同的区域使用，而且也能为分割具有纹理性的某个区域使用。 但采用这种方法，把最初的n×n矩形区域作为单位，会出现下述情况：把n定大了，则区域的形状就变得不自然，小得对象物就会漏过；若把n定小了，可靠性就会减弱。所以n应常设在5～10的范围内。 * 图像的区域分割 根据区域的形状作为判断标准的区域合并法。 首先把图像分割成灰度固定的区域，然后根据如下的评价函数进行区域合并。 1.把任意的邻接区域R1、R2的周长设为P1、P2，把在两个区域共同边界线两侧的灰度差在某一阈值α值以下的那部分长度设为W。如果 θ1：阈值 则合并R1、R2。 2.在把R1，R2的共同边界的长度设为B的时候，如果 θ2：阈值 则合并R1、R2。 1的标准是为了合并得到一致的理想形状的标准， R1、R2的共同边界在凸凹的情况下也易于被合并。 2则是合并共同边界中对比度低的部分比较多的区域的标准。 * 图像的区域分割 区域扩张法是基于重视图像空间的连通性而进行的区域