图像处理和分析教程 作者 章毓晋 CIPA12.pptVIP

第12章 典型图像分割算法 第12章 典型图像分割算法 12.1 SUSAN检测算子 12.1 SUSAN检测算子 12.1 SUSAN检测算子 12.1 SUSAN检测算子 12.2 主动轮廓模型 12.2 主动轮廓模型 12.2 主动轮廓模型 12.3 特色的取阈值技术 12.3 特色的取阈值技术 12.3 特色的取阈值技术 12.3 特色的取阈值技术 12.3 特色的取阈值技术 12.3 特色的取阈值技术 12.3 特色的取阈值技术 12.3 特色的取阈值技术 12.3 特色的取阈值技术 12.4 分水岭分割算法 12.4 分水岭分割算法 12.4 分水岭分割算法 教程作者（章毓晋）联系信息 第12章 12-* 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： 随着各学科许多新理论和方法的提出，人们也提出了许多结合一些特定理论、方法和工具的分割技术 图像分割至今为止尚无通用的自身理论。所以，每当有新的数学工具或方法提出来，人们就试着将其用于图像分割，因而提出了不少特殊的或者说有特色的分割算法 介绍几个具有比较特殊思路的典型方法 12.1 SUSAN检测算子 12.2 主动轮廓模型 12.3 特色的取阈值技术 12.4 分水岭分割算法 USAN原理 检测模板的中心称为“核” 核同值区域 与核像素的灰度相同或相似的模板区域 利用USAN面积的变化可检测边缘或角点 USAN面积较大（超过一半）时表明核像素处在图像中的灰度一致区域，在模板核接近边缘时该面积减少，而在接近角点时减少得更多，即在角点处面积取得最小值 SUSAN算子边缘检测 边缘检测 SUSAN算子采用圆形模板来得到各向同性的响应。将模板内每个像素的灰度值与核的灰度值进行比较 游程和 SUSAN算子边缘检测 将游程和S与一个固定的几何阈值G进行比较，该阈值设为3Smax/4 初始的边缘响应R(x0, y0)根据下式得到： 当图像中有噪声时，将阈值G设为3Smax/4可给出最优的噪声消除性能 边缘方向的检测 将边缘分成两类来讨论：区域A和B都对应同一类边缘点的情况，即边缘都通过USAN区域的重心，只是模板核分别落在边缘的两边。区域C对应模板核与USAN区域的重心位置相重合 逐步改变封闭曲线的形状以逼近图像中目标的轮廓，也称蛇模型（Snake ） 主动轮廓 图像上一组排序的点的集合 处在轮廓上的点可通过解一个最小能量问题来迭代地逼近目标的边界 设计能量函数 内部能量 用来推动主动轮廓形状的改变并保持轮廓上点之间的距离不要太远或太近 连续能量项的作用是迫使不封闭的曲线变成直线，而迫使封闭的曲线变成圆环 膨胀力可用于闭合的变形轮廓上以强制轮廓在没有外来影响的情况下扩展或收缩 设计能量函数 外部能量 将变形模板向感兴趣的特征吸引 图像灰度能量函数为正将轮廓向低灰度区域移动，为负将轮廓将向高灰度区域移动 图像梯度能量函数将变形轮廓吸向图像中的边缘 多分辨率阈值选取 图像在小波变换后可分解为一系列尺度不同的分量。图像直方图在小波变换后也可进行多分辨率分析 首先利用在粗分辨率下的直方图细节信息确定分割区域的类数，即检测出真正的峰点和谷点 确定类数后，可利用多分辨率的层次结构在直方图的相邻峰之间确定最优阈值，即对峰点和谷点进行较精确的定位 多分辨率阈值选取 (1)　用从负值变化到正值的零交叉点确定峰的起点 (2)　用从正值变化到负值的零交叉点确定峰的终点 (3)　用起点和终点间的最大值点确定峰的位置 (4)　用前一个峰的终点和后一个峰的起点间的最小值点 确定这两个 峰之间谷点 的位置 类间最大交叉熵阈值 交叉熵 一种用来度量两个概率分布之间信息量差异的量，其对称形式称为对称交叉熵 类间最大交叉熵 阈值的选取要使目标与背景应有尽可能大的差异，可以用交叉熵来度量目标与背景间的差异 类内最小模糊散度阈值 模糊散度 可以表达图像中的模糊性。它既能定量反映集合内成员对该集合的隶属程度，又能结合概率分布表征两个集合之间的相似程度 分割后得到的二值图中包含目标和背景 当模糊散度最小时可以看作在模糊信息意义上分割图最接近原始图，所以可利用类内最小模糊散度准则，穷举搜索最优分割阈值 借助过渡区选择阈值 实际数字图像中的边界是有宽度的，它本身也是图像中的一个区域，一个特殊的区域。一方面它将不同的区域分隔开来，具有边界的特点；另一方面，它面积不为零，具有区域的特点；可将这类特殊区域称为过渡区 先计算图像中目标和背景间的过