第八章 图像分割1要点.ppt

第8章 图像分割 8.1 概述 1.图像分割 图像分割是指把图像分成各具特性的区域并提取出感兴趣的目标的技术与过程。 从数学角度来看，图像分割是将数字图像划分成互不相交的区域的过程。 2.图像分割的原则 分割算法基于灰度值的两个基本特性： 不连续性和相似性。 不连续性---依据像素灰度值的不连续性进行分割。 相似性---依据同一区域内部像素的灰度值具有相似性进行分割。 3.图像分割的主要方法 4.工作流程 (1)确定待分割的对象 (2)选择对分割对象敏感的波段 (3)选择分割方法进行分割 (4)将分割后的结果图像转为矢量图 8.2 灰度阈值法 灰度阈值法的基本思想： 1.首先确定一个合适的阈值T （阈值选定的好坏是此方法成败的关键） 。 2.所有灰度值大于或等于这个阈值的像素都被判属于目标，所有灰度值小于该阈值的像素都被排除在目标之外（背景）。 确定阈值的方法： 根据分割对象与背景之间的差异，产生不同的确定阈值的方法。 1.全局阈值法 如果背景的灰度值在整个图像中可合理地看为恒定，且所有目标与背景都具有几乎相同的对比度，那么，只要选择了正确的阈值，使用一个固定的全局阈值就会有较好的分割效果。 2.自适应阈值法 背景的灰度值并不是常数，目标和背景的对比度在图像中也有变化。在这种情况下，可把灰度阈值取成一个随位置变化而缓慢变化的函数值，这种方法称为自适应阈值法。 3.最佳阈值的选择 1）直方图方法 2）自适应阈值方法 3）分水岭算法 8.3 梯度方法 当梯度计算完之后，采用什么形式来突出图像的轮廓呢？下面是几种常用的方法，可根据需要选择使用。 8.3.1 边缘检测 应用不同的锐化算法可进行边缘检测。 常用的算法： 梯度算子 Roberts算子 Prewitt算子 Sobel算子 Laplacian算子 边缘检测的基本思想是通过检测每个像素和其邻域的状态，决定该像素是否位于一个目标的边界上。 * * * * * * 灰度阈值为150，大于150的值拉伸到1-255，否则为0，以保留云的纹理。 自适应分割可用二次图像处理实现。 处理前，根据目标的大小将图像划分成大小固定的块。根据各块的灰度直方图，阈值被确定为背景峰值与数据峰值的中点。 第一次处理，每块目标的边界用各自固定的阈值确定。计算每个目标内部的平均灰度值。 第二次处理，每个目标使用各自的阈值，该值由内部灰度值和它主块的背景灰度值的中间值来定义。 图像最初在一个低灰度值上阈值化。该灰度值把图像分割成正确数目的目标，但它们的边界偏向目标内部。随后，阈值逐渐增加，每一次增加一个灰度级，目标的边界将随阈值的增加而扩展，直到边界相互接触。这些初次接触的点构成了相邻目标间的最终边界。该过程在阈值达到背景的灰度级之前中止。 图像中，灰度变化较大的区域梯度值较大，变化缓慢的区域梯度值较小，在灰度均匀的区域梯度值为零。 1) 梯度图像直接输出，使各点的灰度等于该点的梯度幅度，即 2) 加阈值的梯度输出，表达式为 保留背景。 3) 给边缘规定一个特定的灰度级，即 边缘用固定的灰度级来表示。 4) 将背景设为特定的灰度级，即 背景用固定的灰度级来表示。 * * *