MATLAB图像处理编程与应用 作者张涛 第9章 图像分割.pptVIP

第九章 图像分割 9.1 概述 图像分割 ? 分割出来的各区域对某种性质例如灰度，纹理而言具有相似性，区域内部是连通的的且没有过多小孔。 ? 区域边界是明确的 ? 相邻区域对分割所依据的性质有明显的差异 图像分割 ? 边缘检测 ? 边缘跟踪 ? 阈值分割 ? 区域分割 T=155的二值化图像 T=210的二值化图像 原始图像 图像直方图 人工阈值 自动阈值 迭代法 基本思想：开始时选择一个阈值作为初始估计值，然后按某种策略不断地改进这一估计值，直到满足给定的准则为止。在迭代过程中，关键之处在于选择什么样的阈值改进策略，好的阈值的改进策略应该具备两个特征，一是能够快速收敛，二是在每一个迭代过程中，新产生阈值优于上一次的阈值。 自动阈值 迭代法 (1)? 选择图像灰度的中值作为初始阈值Ti=T0。 (2)? 利用阈值Ti把图像分割成两部分区域， R1和R2，并计算其灰度均值 (3) 计算新的阈值Ti+1 (4) 重复步骤2、3，直到Ti+1和Ti的值差别小于某个给定值 自动阈值 迭代法 原始图像 迭代阈值二值化图象 图9.20 迭代式阈值二值化图像 自动阈值 Ostu法 ? Matlab工具箱提供的graythresh函数是采用Ostu法求取阈值 I = imread(coins.png); subplot(121); imshow(I); title(原始图像); level = graythresh (I); BW = im2bw(I,level); subplot(122); imshow(BW); title(Otsu方法二值化图像); 自动阈值 分水岭算法 ?分水岭算法(watershed)是一种借鉴了形态学理论的分割方法，它将一幅图象看成为一个拓扑地形图，其中灰度值被认为是地形高度值。高灰度值对应着山峰，低灰度值处对应着山谷。将水从任一处流下，它会朝地势底的地方流动，直到某一局部低洼处才停下来，这个低洼处被称为吸水盆地，最终所有的水会分聚在不同的吸水盆地, 吸水盆地之间的山脊被称为分水岭，水从分水岭流下时，它朝不同的吸水盆地流去的可能性是相等的。 ?将这种想法应用于图像分割，就是要在灰度图像中找出不同的吸水盆地和分水岭，由这些不同的吸引盆地和分水岭组成的区域即为我们要分割的目标。 自动阈值 分水岭算法 (a)原始图像 (b)图像对应的拓扑地形图 图9.23 图像对应的拓扑表面图 9.3 边缘跟踪 数字图像可用各种方法检测出边缘点，但是由于噪声、光照不均等因素的影响，获得的边缘点有可能是不连续的，必须通过边界跟踪将它们转换为有用的边界信息，以便于后续处理。 基本步骤 从图像中一个边缘点出发，然后根据某种判别准则搜索下一个边缘点以此跟踪出目标边界。 ?确定边界的起始搜索点，起始点的选择很关键，对某些图像，选择不同的起始点会导致不同的结果。 ?确定合适边界判别准则和搜索准则，判别准则用于判断一个点是不是边界点，搜索准则则指导如何搜索下一个边缘点。 ? 确定搜索的终止条件。 是一种适用于黑白二值图像的图像分割方法。 算法步骤： (1)在靠近边缘处任取一起始点，然后按照每次只前进一步，步距为一个象素的原则开始跟踪； (2)当跟踪中的某步是由白区进入黑区时，以后各步向左转，直到穿出黑区为止； (3)当跟踪中的某步是由黑区进入白区时，以后各步向右转，直到穿出白区为止； (4)当围绕目标边界循环跟踪一周回到起点时，则所跟踪的轨迹便是目标的轮廓；否则，应继续按(2)和(3)的原则进行跟踪。 9.3.1　轮廓跟踪法 黑 起点 白 黑 起点 白 黑 白 起点 (a)某些小凸部分可能被漏掉 (b)利用不同起点跟踪小凸部分 9.3.2　光栅跟踪法 光栅跟踪方法的基本思想是先利用检测准则确定接受对象点，然后根据已有的接受对象点和跟踪准则确定新的接受对象点，最后将所有标记为1且相邻的对象点联接起来就得到了检测到的细曲线。 ◆ 需要事先确定检测阈值d、跟踪阈值t，且要求dt。 ◆检测准则：对图像逐行扫描，将每一行中灰度值大于或等于检测阈值d的所有点（称为接受对象点）记为1。 ◆跟踪准则：设位于第i行的点(i，j)为接受对象点，如果位于第i+1行上的相邻点(i+1，j-1)、(i+1，j)和(i+1，j+1)的灰度值大于或等于跟踪阈值t，就将其确定为新的接受对象点，并记为1。 光栅跟踪图像分割算法： （1）确定检测阈值d和跟踪阈值t，且要求dt； （2）用检测阈值d逐行对图像进行扫描，依次将灰度值大于或等于检测阈值d的点的位置记为1； （3）逐行扫描图像，若