DIP_Presentation_Chapter10.ppt

第十章 图像分割 Image Segmentation 手工定灰度阈值/门限T的练习 以下是一个16级灰度图像的直方图，图像中包含一个放在有较暗色背景上的水果。已知像素间距为1mm, 问用什么技术分割该图像? 该水果是苹果或西瓜？ [100 300 600 1000 600 300 100 100 600 1900 4000 18000 4000 2000 600 200] 基于边缘检测——相邻象素特性突变。 基于区域——相邻并相似的象素集合； 两种图象分割的基本原则： 数值相似性， 空间接近性。 将图象R分割为n个区域Ri ，i=1,2, …,n的过程： Ri是一个连通区域， i=1,2, …,n. Ri∩Rj=φ，对于所有i≠j. P(Ri) = True, i=1,2, …,n. P(Ri∪Rj) = False, i≠j. 10.4.2 区域生长 根据预定的准则将像素或子区域聚合成更大区域的过程。 找到/指定一些种子(像素)，对每个种子，将与该种子性质相似(诸如灰度级或颜色的指定范围)的相邻像素附加到生长区域。 例如：地图填色。边界的4连通与8连通问题。 图像分小区，在各小区内计算该区域内成员隶属度，计算用的参数包括 平均灰度，纹理，或颜色； 检查有共同边界的相邻区域，成员隶属度相近的区域则取消边界，重新计算合并区域的成员隶属度，重复该步直到没有可合并的区域。 适合于先验知识较少的自然景物图象分割。 10.5.3 分水岭分割算法 P504err: 本节第3行(试回想，任一汇水盆地内的点都组成一个连通分量) 倒数第7行。‘。’-‘，’或 ：“令Cn(Mi)表示汇水盆Mi在(前)n次涨水中被淹没的坐标集合。”，因为C(Mi)才是Mi聚水盆的所有坐标集合。 P505err:第一段最后一行：“C[n-1]的每个连通区域都恰好是？包含在T[n]的一个连通区。” 10.5.3 分水岭分割算法(1) 设： M1,M2,…,MR为图象g(x,y)局部最小值的各坐标集合。 C(Mi)为汇水盆Mi的所有坐标集合。 Cn(Mi)为汇水盆Mi在第n次涨水中被淹没的坐标集合, n=[min(g)+1, max(g)+1]. C[n]为在第n次涨水中被淹没的(各)汇水盆的坐标集合 T[n]={(s,t)|g(s,t)n}。 即(前)n次涨水所淹没的所有坐标集合，或海拔(灰阶)n以下的地形。 10.5.3 分水岭分割算法(2) 10.5.3 分水岭分割算法(3) 初始化：C[min+1]=T[min+1] 递归调用： 设第n步已经构造(淹没)C[n-1]；由C[n-1]求C[n]的过程如下：令Q为T[n]中连通区域的集合。对每个连通区q∈Q[n],有三种可能： Case1,q∩C[n-1]为空。 Case2,q∩C[n-1]包含C[n-1]的一个连通区 Case3,q∩C[n-1]包含C[n-1]的多个连通区 10.5.3 分水岭分割算法(4) 根据上述条件从C[n-1]构造C[n]： 当遇到一个新的最小值就满足case1,则将q并入C[n-1]构成C[n]； 当q位于某区域最小的汇水盆内就满足case2 ，则将q并入C[n-1]构成C[n]； 当遇到全部或部分分离不同汇水盆的山脊线时就满足case3 ，则在q内建筑水坝防止盆间溢出。 10.3.4 基本自适应门限 图a的直方图是图10.27d，无法用单一的全局门限 分割失败在于单峰 继续划分子图： 4*4-8*8 10.3.5 最佳全局和自适应门限 最佳门限是使误分的概率最小 例10.13 心血管造影X线图像 分成有50%重叠的7*7个区域。仅检测有双峰直方图的子图，计算各子图最佳门限(p491)。 单峰的子图门限靠插值。使各子图都有门限。 使用邻近的子图门限对各像素设定门限Txy 对应A,B子图的直方图。 例10.13续1 例10.13续2 10.3.6 利用边界特性改进直方图和局部门限 在白纸上带下划线的一笔签字(e493err*2) 设法使背景与前景的像素比例接近; 仅采用前景与背景分割线或边缘附近的像素做直方图，得到双峰深谷便于确定分割门限。 找边缘对应的像素做+,-标记(式10.3.16) 利用该方法确定“局部”门限的实例： 银行支票 门限化效果 10.3.7 基于不同变量的门限 肤色分割 红色分量分割 10.4 基于区域的分割 10.4.1 基本公式 10.4.2 区域生长 最高灰度级作为种子 区域生长：邻接并与种子的灰度相似 焊缝区域边界在原图上的叠加 利用直方图确定焊缝区域的灰度范围，确定灰度的相似域值。 10.4.3 区域分离与合并 区域拆分，如果： 如果只有拆分，最后的分区可能有相同性质的相邻分区。 因此，进行拆分的同时也允