数字图像处理第九章分析报告.pptVIP

第九章 图象分割 第九章 图象分割 图像分割就是从图像中将某个特定区域与其他部分进行分离并提取出来的处理。 图像分割处理实际上就是区分图像中的“前景目标”和“背景”，所以通常又称之为图像的二值化处理。 图像分割在图像分析、图像识别、图像检测等方面占有非常重要的地位。 图像分割方法依照图像特性不同，大致可以分为三大类： 第一类是阈值方法，这种方法是根据图像的灰度值的分布特性确定某个阈值来进行图像分割的； 第二类为边界分割方法，这类方法是通过检测出封闭某个区域的边界来进行图像分割的。通俗地讲，这类方法实际上是沿着闭合的边缘线将其包围的区域剪切出来； 第三类方法是区域提取方法，这类方法的特点是根据特定区域与其他背景区域特性上的不同来进行图像分割的。 9.1 基于图像灰度分布的阈值方法 所谓阈值方法就是确定某个阈值Th,根据图像中每个像素的灰度值大于或小于该阈值Th,来进行图像分割。阈值方法的数学模型如下： 设原图像为f (x,y)妇，经过分割处理后的图像为g (x,y) ，g (x,y)为二值图像，则有 根据上式可知，阈值方法的核心就是阈值Th的确定方法。 9.1 基于图像灰度分布的阈值方法 9.1.1 基于灰度直方图的峰谷方法 当图像的灰度直方图为双峰分布时，表明图像的内容大致为两个部分，分别为灰度分布的两个山峰的附近。如图: 9.1 基于图像灰度分布的阈值方法 9.1.1 基于灰度直方图的峰谷方法 如图，直方图的左侧峰为亮度较低的部分，这部分恰好对应于画面中较暗的背景部分；直方图的右侧峰为亮度较高的部分，在这里恰好对应于画面中花的部分，选择阈值为两峰间的谷底点，即可将花从原图中分割出来。 显然，灰度直方图的峰谷阈值方法是一种有效且非常简单的方法，但是该方法有一个局限性，就是要求图像的灰度直方图必须具有双峰性。 9.1 基于图像灰度分布的阈值方法 9.1.2 p-参数法 p-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。 p-参数法的基本思路是，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-p。 9.1 基于图像灰度分布的阈值方法 9.1.2 p-参数法 p-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。 其中，Nobject为目标物的像素点数；Nimage为图像的总像素点数。 ②计算图像的灰度分布pi(i=0，1，2，…,255）。 其中，N为图像中灰度值为i的像素个数。 9.1 基于图像灰度分布的阈值方法 9.1.2 p-参数法 p-参数法的具体步骤如下（续） ③计算累计分布Pk（k=0，1，2，…，255）。 ④计算阈值Th。 9.1 基于图像灰度分布的阈值方法 9.1.2 p-参数法 下图是采用p参数法对两幅印章图像进行图像分割的例子。 9.1 基于图像灰度分布的阈值方法 9.1.2 p-参数法 因为盖印条件的差异，即使是相同的印章，一也不能采用固定的阈值来进行图像的分割。 同时观察灰度直方图，其灰度分布的两峰之间的谷底是一个很宽的平坦段，要采用峰谷法很难确定适当的阈值。 在这个例子中，事先可以从理想的印章中获得印章在图像中所占的像素比为p= 15. 07％，可按前述公式计算得到两幅印章图像的阈值。 可以看到，采用该方法可以获得好的图像分割效果。 9.1 基于图像灰度分布的阈值方法 9.1.3 均匀性度量法 均匀性度量方法的设计思想是，假设当图像被分为目标物和背景两个类别时，属于同一类别内的像素值分布应该具有均匀性。 在这里采用方差来度量像素间的均匀性。设原图像为f (x,y) ，结果图像为g (x,y) ，通过图像分割将原图像分为C1和C2（即背景与目标）两类，则算法步骤如下： ① 给定一个初始阈值Th=Th0，将图像分为C1和C2两类； ② 分别计算两类中的方差： 其中Nci为第i类中的像素个数。 9.1 基于图像灰度分布的阈值方法 9.1.3 均匀性度量法 ③分别计算两类在图像中的分布概率pl和p2： 其中， Nimege为图像中的总像素数。 ④选择最佳的阈值Th= Th*，使得图像按照该阈值分为C1和C2两类后，满足 9.1 基于图像灰度分布的阈值方法 9.1.3 均匀性度量法 下图是采用该方法对一幅国际标准测试图像进行处理的结果，计算得到该图的分割阈值为Th* =82。 9.1 基于图像灰度分布的阈值方法 9.1.4 类间最大距离法 类间最大距离法的设计思想是：在某个适当的阈值下，图像分割后的前景目标与背景两个类之间的差异最大为最佳分割。在这里两个类别（目标与背景）的差异，用两个类别中心与阈值之间的距离差来度量。 根据以上的思想，该方法的