图像处理和分析教程 作者 章毓晋 CIPA11.pptVIP

第11章 基本图像分割技术 第11章 基本图像分割技术 11.1 图像分割定义和技术分类 11.1 图像分割定义和技术分类 11.2 并行边界技术 11.2 并行边界技术 11.2 并行边界技术 11.2 并行边界技术 11.2 并行边界技术 11.2 并行边界技术 11.2 并行边界技术 11.2 并行边界技术 11.3 串行边界技术 11.3 串行边界技术 11.3 串行边界技术 11.3 串行边界技术 11.3 串行边界技术 11.4 并行区域技术 11.4 并行区域技术 11.4 并行区域技术 11.4 并行区域技术 11.4 并行区域技术 11.4 并行区域技术 11.4 并行区域技术 11.4 并行区域技术 11.5 串行区域技术 11.5 串行区域技术 教程作者（章毓晋）联系信息 第11章 11-* 图像处理和分析教程 章毓晋 在线教务辅导网： 教材其余课件及动画素材请查阅在线教务辅导网 QQ:349134187 或者直接输入下面地址： 在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣。这些部分常称为目标或前景（其它部分称为背景），它们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析目标，需要将这些有关区域分离提取出来 图像分割是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程 11.1 图像分割定义和技术分类 11.2 并行边界技术 11.3 串行边界技术 11.4 并行区域技术 11.5 串行区域技术 图像分割定义 可借助集合概念 (1)　 (2)　对所有的i和j， ，有 (3)　对i = 1, 2,…, n，有P(Ri ) = TRUE (4)　对 ，有 (5)　对i = 1, 2, …, n，Ri是连通的区域 图像分割技术分类 对灰度图像的分割常可基于像素灰度值的2个性质：不连续性和相似性 区域内部的像素一般具有灰度相似性，而在区域之间的边界上一般具有灰度不连续性 分割算法又可分为并行算法和串行算法 分割算法可根据这2个准则分成4类（见表11.1.1）：①　并行边界类；②　串行边界类；③　并行区域类；④　串行区域类 边缘及检测原理 边缘检测是所有基于边界的图像分割方法的第一步 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地检测到。一般常用一阶和二阶导数来检测边缘{图11.2.1} 在空域对边缘的检测常采用局部导数算子进行。先介绍一阶导数算子和二阶导数算子，再讨论如何将检测出的边缘点连接成曲线或封闭轮廓 一阶导数算子 梯度对应一阶导数，梯度算子是一阶导数算子。对一个连续函数f (x, y)，它在位置(x, y)的梯度可表示为一个矢量（两个分量分别是沿X和Y方向的一阶导数） 幅度（也常直接简称为梯度）和方向角分别为 一阶导数算子 幅度计算常采用1范数（对应城区距离）或?范数（对应棋盘距离） 模板卷积 二阶导数算子 拉普拉斯算子 一种常用的二阶导数算子，实际中可根据二阶导数算子过零点的性质来确定边缘的位置 二阶导数算子 马尔算子 在拉普拉斯算子的基础上实现 马尔边缘检测的思路源于对哺乳动物视觉系统的生物学研究。这种方法对不同分辨率的图像分别处理，在每个分辨率上进行如下计算 (1)　用一个2-D的高斯平滑模板与源图像卷积 (2)　计算卷积后图像的拉普拉斯值 (3)　检测拉普拉斯图像中的过零点作为边缘点 二阶导数算子 马尔算子 高斯加权平滑函数 对原始图f(x, y)的平滑结果为 以对r求二阶导数来计算拉普拉斯值 二阶导数算子 坎尼算子 好的边缘检测算子应具有的三个指标 ①　低失误概率，既要少将真正的边缘丢失也要少将非边缘判为边缘 ②　高位置精度，检测出的边缘应在真正的边界上 ③　单像素边缘，即对每个边缘有唯一的响应，得到的边界为单像素宽 边界闭合 在有噪声时，用各种算子得到的边缘像素常是孤立的或分小段连续的。为组成区域的封闭边界以将不同区域分开，需要将边缘像素连接起来 边缘像素连接的基础是它们之间有一定的相似性。用梯度算子对图像处理可得到像素2方面的信息：①梯度的幅度；②梯度的方向 先检测边缘再串行连接成闭合边界 图搜索 边界点和边界段可以用图结构表示，通过在图中进行搜索对应最小代价的通道也可以找到闭合边界 一个图可表示为G = [N, A]，其中N是一个有限非空的结点集，A是一个无序结点对的集。集A中的每个结点对(ni, nj)称为一段弧（ni?N，nj?N）。通路的总代价： 图搜索 定义图中的边缘元素是两个互为4-近邻的像素间的边界，边界由一系列边缘元素构成