图像处理-6章-1(研究生)要点解析.pptVIP

第六章 图像分割和分析 6.1 图像分割 6.2 特征表示与描述 6.3 识别与解释 6.1 图像分割(Image Segmentation) 6.1.1 图像分割引言 6.1.2 间断分割（非连续性分割） 6.1.3 边缘连接法 6.1.4 阈值分割法（相似性分割） 6.1.5 基于区域的分割(相似性分割） 6.1.6 数学形态学图像处理 6.1.1 图像分割引言 1 图像分析的概念 从图像中提取信息的技术。 2 图像分析系统的基本构成 6.1.1 图像分割引言 6.1.1 图像分割引言 2 图像分割的概念 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。 6.1.1 图像分割引言 3 图像分割的基本策略 ? 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 ? 图像分割的基本策略，基于灰度值的两个基本特性： 1) 不连续性——不连续性是基于特性（如灰度）的不连续变化分割图像，如边缘检测 2) 相似性——根据制定的准则将图像分割为相似的区域，如阈值处理、区域生长 6.1.2 间断(Discontinuities)分割（非连续性分割） 6.1.2.1 点检测 6.1.2.2 线检测 6.1.2.3 边缘检测 6.1.2.1 点检测 R = (-1 * 8 * 8 + 128 * 8) / 9 = (120 * 8) / 9 = 960 / 9 = 106 设 ：阈值：T = 64 R T 6.1.2.1 点检测 点检测——算法描述 设定阈值 T，如T = 32、64、128等,并计算高通滤波值R。 如果R值等于0，说明当前检测点的灰度值与周围点的相同。 当R的值足够大时，说明该点的值与周围的点非常不同，是孤立点。通过阈值T来判断 若|R| T，则检测到一个孤立点。 6.1.2.2 线检测 线检测(Line Detection) 通过比较典型模板的计算值，确定一个点是否在某个方向的线上。 6.1.2.2 线检测 用4种模板分别计算 R水平 = -6 + 30 = 24 R45度 = -14 + 14 = 0 R垂直 = -14 + 14 = 0 R135度 = -14 + 14 = 0 6.1.2.2 线检测 线的检测——算法描述 依次计算4个方向的典型检测模板，得到Ri i=1,2,3,4 如 |Ri| |Rj| ，j≠i，那么这个点被称为在方向上更接近模板i 所代表的线。 设计任意方向的检测模板 可能大于3?3 模板系数和为0 感兴趣的方向的系数大。 6.1.2.3 边缘检测(Edge Detection) 1 边缘的定义 图像中灰度发生突变或不连续的微小区域（一组相连的像素集合）,即是两个具有相对不同灰度值特性的区域的边界线。 在一幅图像中，边缘有方向和幅度两个特性。一般认为沿边缘走向的灰度变化较为平缓，而垂直于边缘走向的灰度变化剧烈。即灰度梯度指向边缘的垂直方向。 6.1.2.3 边缘检测 2 基本思想 计算局部微 分算子。 6.1.2.3 边缘检测 6.1.2.3 边缘检测 二阶微分：通过拉普拉斯来计算 特点：拉普拉斯算子的结果在亮的一边是正的，在暗的一边是负的。常数部分为零。 6.1.2.3 边缘检测 6.1.2.3 边缘检测 3 梯度算子(Gradient operators) 函数f(x,y)在(x,y)处的梯度为一个向量： ?f = [?f / ?x , ?f / ?y]T 计算这个向量的大小为： |?f| = mag(?f ) = [(?f / ?x)2 +(?f / ?y)2]1/2 近似为: |?f| ? |Gx| + | Gy | 梯度的方向角为： ?(x,y) = arctan(Gy / Gx) 6.1.2.3 边缘检测 6.1.2.3 边缘检测 Sobel（Prewitt）梯度算子的使用与分析 1) 直接计算Gx 、 Gy可以检测到边的存在， 以及从暗到亮，从亮到暗的变化。 2) 仅计算| Gx |，产生最强的响应是正交 于x轴的边； | Gy |则是正交于y轴的边。 6.1.2.3 边缘检测 4 拉普拉斯(the Laplacian) 1) 二维函数f(x,y)的拉普拉斯是一个二阶的微分，定义为： ?2f = ?2f / ?x2 + ?2f / ?y2 可以用多种方式将