ch8_图像分割解析.pptVIP

第八章 图像分割 第八章 图像分割 第八章 图像分割 分割的目的：将图像划分为不同区域 三大类方法 8.1 概述 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，这些部分一般称为目标或前景 为了辨识和分析目标，需要将有关区域分离提取出来，在此基础上对目标进一步利用，如进行特征提取和测量 图像分割就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 特性可以是灰度、颜色、纹理等，目标可以对应单个区域，也可以对应多个区域 8.1 概述 图像分割算法基于亮度值的不连续性和相似性 8.1 概述 图像分割举例 第八章 图像分割 8.2 间断检测 点检测 线检测 边缘检测 寻找间断的一般方法：模板检测 8.2.1 点检测 使用如图所示的模板，如果|R|≥T，则在模板中心位置检测到一个点 其中，T是阈值，R是模板计算值 8.2.1 点检测-示例 8.2.1 点检测-示例 8.2.2 线检测 4个线检测模板 8.2.2 线检测 用R1,R2,R3和R4分别代表水平、45°、垂直和-45°方向线的模板响应，在图像中心的点，如果|Ri|| Rj |，j≠i，则此点被认为与在模板i方向上的线更相关? 例：如果 |R1|| Rj |，j=2，3，4，则该点与水平线有更大的关联 在灰度恒定的区域，上述4个模板的响应为零 8.2.2 线检测-示例 8.3 边缘检测 什么是边缘？ 一组相连的像素集合，这些像素位于两个区域的边界上。 图像的边缘是图像最基本的特征，它是灰度不连续的结果。 通过计算一阶导数或二阶导数可以方便地检测出图像中每个像素在其邻域内的灰度变化，从而检测出边缘。 8.3 边缘检测 数字边缘模型 8.3 边缘检测 边缘和导数 8.3 边缘检测 对于阶梯状边缘(a)，在灰度斜坡的起点和终点，其一阶导数均有一个阶跃，在斜坡处为常数，其它地方为零； 其二阶导数在斜坡起点产生一个向上的脉冲，在终点产生一个向下的脉冲，其它地方为零，在两个脉冲之间有一个过零点。因此，通过检测一阶导数的极大值，可以确定阶梯状边缘; 通过检测二阶导数的过零点，可以确定边缘的中心位置。 对于脉冲状边缘，在边缘的起点与终点处，其一阶导数都有一个阶跃，分别对应极大值和极小值；在边缘的起点与终点处，其二阶导数都对应一个向上的脉冲，在边缘中心对应一个向下的脉冲，在边缘中心两侧存在两个过零点。因此，通过检测二阶导数的两个过零点，就可以确定脉冲状边缘的范围；检测二阶导数的极小值，可以确定边缘中心位置。 屋顶状边缘的一阶导数和二阶导数与脉冲状型类似，通过检测其一阶导数的过零点可以确定屋顶的位置。 8.3 边缘检测 结论 8.3 边缘检测 Roberts交叉梯度算子 8.3 边缘检测 Prewitt梯度算子——3x3的梯度模板 8.3 边缘检测 Sobel梯度算子——3x3的梯度模板 8.3 边缘检测 结论 8.3 边缘检测 示例：梯度和它的分量说明 8.3 边缘检测 8.3 边缘检测 8.3 边缘检测 拉普拉斯算子 8.3 边缘检测 拉普拉斯算子总结 8.3 边缘检测 高斯-拉普拉斯(LOG)算子 把高斯平滑滤波器和拉普拉斯锐化滤波器结合起来实现边缘检测，即先通过高斯平滑抑制噪声，以减轻噪声对拉普拉斯算子的影响，再进行拉普拉斯运算，通过检测其过零点来确定边缘位置。 8.3 边缘检测 8.3 边缘检测 LOG算子总结 8.3 边缘检测 通过零交叉检测边缘 8.3 边缘检测 拉普拉斯算子结论（对比二阶拉普拉斯算子和一阶 Sobel梯度算子） 第八章 图像分割 8.3 边缘连接和边界检测 为什么需要边缘连接？ 8.3.1 局部处理 分析图像中每个边缘点(x,y)的一个邻域内的像素，根据某种准则将相似点进行连接，由满足该准则的像素连接形成边缘 如何确定边缘像素的相似性 8.3.1 局部处理 边缘像素梯度算子的响应强度,若 8.3.1 局部处理-示例 8.3.2 通过Hough变换进行整体处理 Hough变换 8.3.2 通过Hough变换进行整体处理 Hough变换问题的提出 8.3.2 通过Hough变换进行整体处理 Hough变换的基本思想 8.3.2 通过Hough变换进行整体处理 8.3.2 通过Hough变换进行整体处理 8.3.2 通过Hough变换进行整体处理 Hough变换的基本思想 8.3.2 通过Hough变换进行整体处理 Hough变换算法实现 8.3.2 通过Hough变换进行整体处理 Hough变换的扩展 第八章 图像分割 8.4 阈值处理 基础 基本全局阈值 基本自适应阈值 最佳全局和自适应阈值 通过边界特性选择阈值 8.4.1 基