数字图像处理图像分割详解.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * （3）门限处理的分类 A、全局门限处理 T仅取决于f(x,y)，即仅取决于灰度级值。 B、局部门限处理 T取决于f(x,y)和p(x,y)。 C、动态（自适应）门限处理 T取决于空间坐标x和y。 f(x,y)是点(x,y)的灰度级，p(x,y)表示点(x,y)的局部性质。 2 照明不均匀的影响 照明条件不好的图像，用单阈值时很难分割的。 常用的改进措施： 3 基本全局门限处理 4 基本自适应门限处理 不均匀亮度等成像因素会造成单一全局门限无法有效分割。另一种改进措施是将图像进一步细分为子图像，并对不同的子图像使用不同的门限进行分割。 你有什么其它的改进方法？ 5 最佳全局和自适应门限（自学） 6 利用边界特性改进直方图和局部门限处理 （1）基本思想 如果直方图的尖峰很高、很窄、具有对称性且被很深的波谷割开，则门限处理就具有非常好的效果。 一种改进直方图形状的方法是只考虑边缘附近的像素，使得直方图对于对象和背景大小的依赖性变小。 另外，使用某些简单度量的像素会趋向于加深直方图尖峰之间的波谷，如拉普拉斯算子。 （2）基本方法 A、 对图像分别进行梯度运算和拉普拉斯运算； （局部运算） B、由梯度图计算门限T； C、生成三级图像： D、进行扫描，标记目标和对象。 (…)(-,+)(0,或+)(+,-)(…) 7 基于不同变量的门限 （自学） 8 MATLAB实现 全局阈值处理 语法：T=graythresh(f) 说明：T是阈值，归一化为0至1之间的值。 局部阈值处理 通过一个形态学顶帽算子并对得到的结果使用graythresh来计算。 示例： f=imread(‘cell.tif’); imshow(f); T=graythresh(f); G=f=T; figure, imshow(g); 补充材料：一种快速稳健的指纹图像分割方法 1、3×3均值滤波的效果 2、Sobel算子锐化增强并自适应阈值化 未锐化增强 锐化增强+全局阈值 锐化增强+自适应阈值 3 边框效应的消除 4 形态学操作 该方法运行速度快，并具有良好的稳健性，具有非常好的使用价值。 5.4 基于区域的分割 1 区域分割的集合描述 将区域R划分为若干个子区域R1,R2,…,Rn，这些子区域满足5个条件： 1)完备性： 2)连通性：每个Ri都是一个连通区域 3)独立性：对于任意i≠j，Ri∩Rj= Ф 4)单一性：每个区域内的灰度级相等， P（Ri）= TRUE，i = 1,2,…,n 5)互斥性：任两个区域的灰度级不等， P（Ri∪Rj）= FALSE，i≠j 2 区域生长 算法实现： 1）根据图像的不同应用选择一个或一组种子，它或 者是最亮或最暗的点，或者是位于点簇中心的点。 2）选择一个相似性准则。 （灰度级、 彩色、 纹理、 梯度等特性相似） 3）从该种子开始向外扩张，不断将与集合中各个像 素连通、且满足相似性准则的像素加入集合。 4）上一过程进行到不再有满足条件的新结点加入集 合为止。（终止准则） 区域A 种子像素 种子选择准则：最亮的点。 相似性准则：新加入像素值与已生长的区域的平均值小于 2，且为4连通。 终止准则：没有像素加入。 随堂练习：（区域生长） 4 3 3 1 6 5 6 5 4 4 7 6 7 6 4 7 8 7 6 4 4 5 6 4 5 3 3 4 3 3 2 2 3 4 3 2 3 区域分离与合并 算法实现： 1）对图像中灰度级不同的区域，均分为四个子区域 2）如果相邻的子区域所有像素的灰度级相同，则将其合并。 3）反复进行上两步操作，直至不再有新的分裂与合并为止 随堂练习：（区域分裂-合并） 4 3 3 1 6 5 6 5 4