2014数字图像处理第六章图像分割(正)讲解.pptVIP

图 像 分 割 Image Segmentation 区域（region）是图像中相邻的具有类似性质的点组成的集合。同一区域中的像素是相邻的，就是说区域是像素的连通集。如不同目标物体所占的图像区域、前景所占的图像区域等。 连通（connectedness）：在连通集的任意两个像素间，存在一个完全由这个集合中的元素构成的路径。同一区域中的任意两个像素间至少存在一条连通路径。 ■如果依据八邻域（加上四个对角像素）确定连通，就称为8连通（eight-connectivity）。 8连通方法指的是从区域上一点出发，可通过左、 右、上、下、左上、右上、左下、右下这8个方向的移动组合来到达区域内的任意像素。 通常8连通的结果误差小，与人的感觉更相近。 在同一类问题的处理中，应当采用一致的准则。 6.1分割方法分类 从分割依据出发 “相似性分割”就是将具有同一灰度级或纹理的像素聚集在一起，形成图像中的不同区域。这种基于相似性原理的方法常称为“基于区域相关的分割技术” “非连续性分割”需要先检测图像的局部不连续性，然后将它们连接起来形成边界，这些边界将图像分割成不同的区域。这种基于不连续原理检测图像中物体边缘的方法也称为“基于点相关的分割技术”。 要点： 对一个或几个相连目标，可选梯度值最大的点为搜索跟踪的起始出发点； 根据当前点C和前一点P位置，大体决定下一个搜索前进方向； 8邻域搜索，不会出现大于45°的搜索。 ●主要利用图像中背景与对象之间的灰度差异。 ● 理想状态下图像的灰度直方图上呈明显的双峰分布，两类物体灰度级间无交叠。在直方图中处于谷底的区域选取一个灰度值作为阈值，根据灰度与阈值的关系将像素判定为对象点或背景点，这个过程称为图像二值化。对二值图像进行进一步的分析就可以获得图像的分割结果。 门限法(阈值法) 常用的阈值化处理就是图像的二值化处理， 即选择一阈值，将图像转换为黑白二值图像， 用于图像分割及边缘跟踪等预处理。 最后输出 坐标示例 例 多阈值二值化 图像边缘提取 ● 边缘算子法 ■?微分算子 △ 梯度算子 △ Laplacian算子 以图4.4所示的图像边缘灰度分布，运用(4.9)式进行计算，以了解Laplacian算子用于边缘提取的特性。处理结果见图4.5。 在图4.4、4.5中，中心的点用作比较输入和输出图案的参考值，细线框内为处理范围。 分析两图不难看出，孤立点(见图4.4(a))的输出是一个略为扩大或略带模糊的点(见图4.5(a)，其输出幅度是该点灰度值的4倍；对于线结构(见图4.4(b))，输出宽度加租，外观仍呈线型，组成初始线的各位置上的▽2F值是原来幅度的2倍(图4.5(b))；对阶跃边缘(图4.4(c))，其检测结果是线(图4.5(c))。 模板匹配法 模板(又称掩模)是为了检测某些图像区域特征而设计的阵列。模板元素和窗口像素之间的对应关系(以3x3窗口为例)定义如下： 1）点模板 点模板(图4.8(a))、图4.8(b)为线摸板)一般用于背景强度恒定、目标图像灰度相同或基本相同的图像(如二值图像)。 点模板检测图像区域时，通常是拖动模板在图像域移动，横向移动间隔取1个像素，纵向移动间隔取1个扫描行。在每一个位置上，将模板元素分别与相应的图像灰度级相乘并求和(当和小于零时，可作两种处理，一是取绝对值，二是作零对待)。 当f(j,k)=0时，说明模板位于均衡背景或目标区域内部，F(j+m，k+n)相同；当f(j,k) ≠0,表明当前窗口内既有背景也有目标；当模板中心正好是目标和背景的交界处时，f(j,k)值最大；模板中心离开目标和背帚的交界处时，f(j,k)值减小。图4.9(a)是背景灰度为1、目标灰度为4的二值图像，图4.9(b)是点模板中间计算结果，图4.9(c)是点模板最后匹配输出，结果与上述结论吻合。 连接区域生长举例 连接核—9 接收准则:可并入的点的灰度与连接核灰度均值差△F2; 第一次区域生长:3个邻点被连接核吸纳,其灰度平均值F1=8.25; 第二次向外生长:2个邻点被连接核吸纳,其灰度平均值F2=7.83; 第三次向外生长:1个邻点被连接核吸纳,其灰度平均值F3=7.57;(书中有误F3=6.29) 再次生长时,不存在满足接收准则的点,生长终止. p一参数法 p一参数法是针对预先已知图像中目标物所占比例的情况下，所采用的一种简单且有效的方法。 基本思路：选择一个值Th，使前景目标物所占的比例为p，背景所占比例为1一p p一参数法的具体步骤如下: ①首先获得理想状态下的目标物所占画面的比例p ②计算图像的灰度分布pi (i=0,1,2,…,255), ③计算累计分布Pk(k=0,1,2,…,255). p一参数法的图像分割效果（图7