任明武数字图象处理图像分割(imagesegmentation).pptVIP

2002, Ver1.0 任明武，南京理工大学计算机系 注1：对各向同性的说明 假设图像f(x,y)的所有导数都存在并且连续，那么在对f(x,y)求导数时只依赖于点(x,y)附近的一个任意小的邻域内的像素的值，因此可以将这种运算认为是位移不变运算。 为了能得到图像中间任意方向伸展的边缘，还希望对图像的某种导数运算是各向同性。可以证明偏导数的平方和是各向同性，即： 目标1错分成目标2的错误概率为： 总的错误概率为： 使E0取最小值的T即为最佳的阈值。取最小值即取一阶导数等于0时的T。假设p1(z)和p2(z)均为正态分布，得到如下结论(中间求导和解的过程忽略，可自己推导)，当p1(z)和p2(z)的方差相等时： 其中，P1和P2分别目标1和目标2所占整个图像的面积比，P1+P2=1。显然当P1=P2时，T=(u1+u2)/2。在一般情况下，同时满足 ,P1=P2是很难的。 在一般情况下，上述参数是未知的，因此需要从图像的直方图来估计它们。在两个正态分布下的混合密度函数为： 实际的直方图为h(z)，因此h(z)和p(z)的均方误差(实际值与估计值之间的误差)为： 令E取最小值，得到所需参数。 4.2.2 目标/背景最大差距法 问题来源：假定有两类目标，称之为背景和目标，定义它们之间的差距度量(差异程度的度量，常用类间的距离表示)为： 显然可以看出，该方法分割效果依赖于： (1)是否真是或基本是2类目标。 (2)是否真是或接近是正态分布。 其中，W0(t)和W1(t) 分别是当阈值等于t时，目标和背景分别占的比例，显然W0(t)+W1(t)=1。 评价函数：(1)基于分割出的目标和背景之间的差距最大 即在(gmin,gmax)之间穷举t，使得diffObj_Bkg取最大值的t即为所求。此乃Otsu方法。 (2)基于分割出的目标和背景与原图像之间的差距最大 ①二者之和最大 此仍Otsu方法 ②二者之积最大 其中， 思考：设t1和t2分别是在原始直方图和原始直方图平滑后得到的直方图上求得的阈值，t1等于t2吗？ 2002, Ver1.0 任明武，南京理工大学计算机系 * 2002, Ver1.0 任明武，南京理工大学计算机系 * 第四章 图象分割(Image Segmentation) 定义：所谓图象分割就是按一定的规则将图象划分成若干有意义的 区域。 研究重点：(1)按什么样的规则。 (2)什么叫有意义。一般是符合特定场合的应用的才称为 有意义。因此图像分割是个病态问题(ill-posed problem)， 一种方法可能非常符合甲的需求，但与乙的需求矛盾。 说明：规则和需求的多样性导致了图像分割方法的多样性，到目前 为止，有人说有1800多种方法，可见其方法之多。同时也说 明不存在通用的图像分割方法。 在本章中，我们讲述边缘提取和基于直方图的图像分割，希望大家能够掌握一些基本的概念和处理问题的手段。 4.1 边缘检测(Edge Extraction, Edge detection) 定义：边缘点是指其周围象素的灰度有阶跃变化(step edge)或屋顶状变化(roof edge)的象素、常存在于目标与背景之间、目标与目标之间、目标与其影子之间。 分析手段：因为灰度的变化，可以反映为导数；因此，根据边缘的形状，可以通过求导的方法来寻求边缘。边缘的参数包括：边缘强度(edge intensity)和边缘方向(edge direction) 比如： 由此，可以看出求导和边缘检测的关系。 窗口中象素的灰度值 窗口中象素的梯度值 g(i) g(i) i i 一阶导数 二阶导数 极值点 屋顶状边缘： 一阶导数过零点，二阶导数最小值 阶跃边缘： 一阶导数最大值，二阶导数过零点 说明：在实际应用中，一般仅考虑阶跃边缘，因为只要采样分辨率足够或者说窗口足够小，边缘都可以看成是阶跃边缘。 分析手段：边缘是指图象中灰度发生急剧变化的区域。图象灰度的变化情况可以用灰度分布的梯度来反映，给定连续图象f(x,y)，其方向导数在边缘法线方向上取得局部最大值。 因此，边缘的检测转化为求f(x,y)在(x,y)处的方向导数问题。 f(x,y)沿任意方向r的方向导数为： 其中，θ为x轴到方向r的转角。fx和fy为f(x,y)的偏导数。与方向