第十部分图像分割1.pptVIP

设图象由物体与背景组成 物体象素灰度分布的概率密度函数----- 背景象素灰度分布的概率密度函数----- 物体,背景象素占图象总象素的比分别为 和 分割阈值为 两类可能的误分概率 方法和步骤： 1） 选定区域的一初始点(种子)。 2） 按一定的规则(相似性或区域均匀度的测试),在其周围各个方向进行区域生长(逐步增加区域的点数). 3） 对新的区域重复过程2,直到没有区域邻点可接受时(不满足均匀度的测试)生长过程终止 华南理工大学 电子与信息学院 杨春玲 * 电 子 与 信 息 学 院 常用方法: A.基于边缘检测(非连续性) B.基于区域(相似性) 第10章 图像分割 定义：按某种结构特征或一致性原则把图象划分成一些有意义的不同区域,把感兴趣区域分离出来. 目的: 作出正确分割后,提取区域特征,作分类识别或描述等其他操作 A.不同区域间的结构特征具有差异性，不连续性 B.同一区域内的结构特征具有相似性(如灰度取值均匀,或灰度统计分布一致,或纹理,几何结构相似等),区域应是连通的,轮廓封闭 分割依据: (3)设置阈值T 如果 ,待检测目标存在. 10.1 不连续性检测 是模板系数 相联系的象素灰度值 基于边缘的检测方法，首先介绍点、线和边缘的检测方法 最基本的检测方法是模板匹配 模板匹配基本过程: (1)建立待检测目标的标准模板 (2)模板中心(参考点)对准图象的待处理点,计算模板与模板覆盖图象区域的相似程度, 10.1.1 点检测 当前点是孤立点 10.1.2 线检测 10.1.3 边缘检测 基本概念 理想边缘 斜坡边缘 斜坡边缘的检测 一阶导数可检测斜坡边缘的存在 一阶导数 二阶导数 二阶导数可检测斜坡边缘上的点是在暗的一边，还是在亮的一边 二阶导数的特性：1、双边缘（不希望的） 2、零交叉点，可表示边缘的中心点 噪声对斜坡边缘检测的影响 二阶导数对噪声更加敏感 一阶导数对噪声也较敏感 检测中要判断一阶导数大于某一阈值才能判断该点为边缘点 梯度算子 需要分别计算x和y方向上的梯度 梯度幅值 梯度方向 检测对角方向的梯度算子 例：梯度边缘检测 例： 例：用梯度检测模糊图像的边缘 例：对角边缘检测模板的检测结果 拉普拉斯算子 拉普拉斯模板 拉普拉斯扩展模板 由于二阶倒数对噪声非常敏感，且会产生双边缘，因此实际中并不直接用拉普拉斯算子来检测边缘。 高斯拉普拉斯算子(LOG,Laplacian of a Gaussian) 标准差 LOG算子 LOG检测结果 梯度算子 零交叉点 结果比较： 零交叉点边缘更细 但零交叉点的计算较复杂。 在边缘检测中，梯度法更常用 10.2 边缘连接和边界检测 1、检测边缘点 检测为边缘点 2、边缘点连接 梯度强度 梯度方向 则 连接 10.3 阈值处理 10.3.1 基础 利用同一个区域中图像的灰度值具有相似性 半阈值法 阈值法 阈值处理中关键是找到合适的阈值 10.3.2 全局阈值 计算全局阈值的迭代方法 1、给出初时阈值T 2、用T分割图像得到G1和G2 3、计算两部分的均值 直接选取 迭代方法 4、计算新的阈值 5、重复2－4，直到 10.3.2 全局阈值（例） 初时阈值 三次迭代 10.3.3 照度的影响 成像模型 照度不均匀的影响 全局阈值分割结果 10.3.4 自适应阈值 1、分块 2、块分类 对每个块计算其方差，方差大的为边缘块。方差小的为背景或目标块 3、对不同块分别处理 边缘块进行阈值分割。背景和目标块合成一个子图象进行分割 对分割不好的块进一步细化 最佳阈值----最小误分概率的阈值 总误分概率 背景误分为物体的概率 物体误分为背景的概率 10.3.5 全局最佳阈值 全局最佳阈值的估计方法 当 为正态分布,其均值,方差分别为 最优阈值满足 即 即 当 最优阈值为 阈值法的优缺点:较简单,但不能保证得到连通的区域 心脏血管照片分割例 预处理结果 分割结果 预处理： 灰度变换 去噪声 10.4 基于区域的分割 10.4.1 区域分割的基础 区域生长 区域分裂合并 区域分割：按某种一致性准则把图像R分割成一系列子区域 且满足: 是联通区域 10.4.2 区域生长 华南理工大学 电子与信息学院 杨春玲