数字图像处理8 图像分割new精品.pptVIP

第七章 图像分割 § 7.1 图像分割引言 § 7.2 边缘检测 § 7.3 边缘跟踪 § 7.4 Hough变换检测直线 § 7.5 区域分割 § 7.6 区域增长 引言 图像分析的概念 图像分析系统的基本构成 图像分割的概念 图像分割的基本思路 图像分割的基本策略 一.图像处理： 着重强调在图像之间进行变换以改善图像的视觉效果。 二.图像分析的概念： 主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息从而建立对图像的描述，即从图像中提取信息的技术。 三. 图像理解： 重点是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得出对原始客观场景的解释，从而指导和规划行动。 四. 区域： 是指相互连通的、有一致属性的像素的集合。它是一个方便的、很好的图像中层描述符号，是对图像模型化和进行高层理解的基础。为了辨识和分析目标，需要将它们分离提取出来，在此基础上才有可能对目标进一步分析。 五. 图像分割的概念 就是指把图像分解成构成它的区域并提取出感兴趣目标在图像中的位置和范围的技术和过程。 图像分割是由图像处理到图像分析的关键步骤： 1. 是目标表达的基础，对特征测量有重要的影响。 2. 将原始图像转化为更抽象更紧凑的形式。 从简到难，逐级分割。 控制背景环境，降低分割难度。 把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上。 七. 图像分割的基本策略 分割算法基于灰度值的两个基本特性：不连续性和相似性。 检测图像像素灰度级的不连续性，找到点、线（宽度为1）、边（不定宽度）。先找边，后确定区域。 检测图像像素的灰度值的相似性，通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边。 九.今后主要的研究方向 1）提取有效的属性； 2）寻求更好的分割途径和分割质量评价体系； 3）分割自动化。 阶跃状和屋顶状边缘其邻近灰度方向导数变化情况 边的检测 边的检测 基本思想： 计算局部 微分算子 一．梯度算子 对阶跃状边缘，在边缘点处一阶导数有极值，因此可计算每个像素处的梯度来检测边缘点。 1. 梯度的定义式及其简化计算: 函数f(x,y)在(x,y)处的梯度为一个向量： 计算这个向量的大小为： 近似为： 或： 梯度的方向角为： 离散形式: 模板表示: 梯度的大小代表边缘的强度，梯度方向与边缘走向垂直。 2. 检测边缘点： 1) 计算梯度图像； 2) 选取适当的阈值T，对梯度图像进行二值化； 当?f (x，y)≥T时，令?f (x，y)＝l，则为阶跃状边缘点。否则?f (x，y)＝0，形成一幅边缘二值图像。 3. 梯度算子特点： 一阶微分：用梯度算子来计算 特点：对于亮的边，边的变化起点是正的，结束是负的。对于暗边，结论相反。常数部分为零。 用途：用于检测图像中边的存在 二阶微分：通过拉普拉斯来计算 特点：二阶微分在亮的一边是正的，在暗的一边是负的。常数部分为零。 用途： 1）二次导数的符号，用于确定边上的像素是在亮的一边，还是暗的一边。 2）0跨越，确定边的准确位置 梯度算子仅用最近邻像素的灰度计算，对噪声敏感，无法抑制噪声的影响。 二．Roberts梯度算子 1.差分表达式如下： ? 2. Roberts梯度算子对应的模板： 3. Roberts梯度计算: 按 或： 计算Roberts梯度 4. Roberts梯度算子特点： Roberts算子进行边缘检测的同时去噪作用 仍然小，但效果较梯度算子好。 三． Prewitt和Sobel算子 1. Prewitt算子 1) 算子思想: 在检测边缘的同时减少噪声的影响，Prewitt从加大边缘检测算子的模板大小出发，由2×2扩大到3×3来计算差分算子。 2) Prewitt算子对应的模板: 3) Prewitt算子特点: Prewitt算子检测边缘点的同时能抑制噪声的影响。 2. Sobel算子 1) 算子思想: Sobel在Prewitt算子的基础上，对4—邻域采用带权的方法计算差分。 2) Sobel算子对应的模板: 3) Sobel算子特点: Sobel算子检测边缘点的同时能进一步抑制噪声的影响，但检测的边缘较宽。 四. 方向算子 1. 算法思想： 利用一组模板分别计算在不同方向上的差分值，取其中最大的值作为边缘强度，而将与 之对应的方向作为边缘方向。 2. Kirsch（3×3）八方向模板: 各方向间的夹角为45°。