第六讲图像分割教材.pptVIP

第六讲 图像分割 刘春国 河南理工大学 测绘与国土信息工程学院 图像分析概述 在数字图像处理与应用中，人们可能对图像中的某部分目标或对象感兴趣。图像分析主要是针对图像中感兴趣的特定目标进行检测和测量以获得目标的客观信息，建立对图像的一种描述。 图像分析步骤 图像分析步骤 从图像中找到感兴趣的目标。把图像分割成不同的区域或把不同的对象分开。 必须进行图像分割的研究 找出分开的各区域的特征。每个目标或区域由于某些特征的不同于其他区域区别开来，边缘、纹理、形状、颜色等是重要的图像特征。 图像分割离不开图像特征及其提取的研究 识别图像中要找的对象或对图像进行分类。 图像模式识别研究 对不同区域进行描述或寻找出不同区域的相互联系，进而找出相似结构或将相关区域连成一个有意义的结构 对每个提取出的目标或区域要进行有效的表示，需要研究形状分析、表示与描述方法 图像分割 图像分割的概念：把图像分成互不重叠的区域并提取感兴趣目标的技术 分割目的是把图像空间分成一些有意义的区域。 例如一幅航空照片，分割成工业区、住宅区、湖泊、森林等 可以逐个像素为基础去研究图像分割，也可以利用在规定领域中的某些图像信息去分割。 图像分割解释 图像分割满足以下条件： 1、对一幅图像的分割结果中，全部区域的总和（并集）应能包括图像中所有像素 2、分割结果中各个区域是互不重叠的，或者说一个像素不能同时属于两个区域 3、属于同一区域的像素应该具有某些共同的性质 4、属于不同区域的像素应该具有不同的性质 5、要求分割结果中同一个区域的任意两个像素在该区域内互相连通 图像分割方法 基于不同的图像，已经出现很多图像分割方法，从分割途径上有： 基于边缘的分割方法 先提取区域边界，再确定边界限定的区域。 区域分割 确定每个像素的归属区域，从而形成一个区域图。 区域生长 将属性接近的连通像素聚集成区域 分裂－合并分割 综合利用前两种方法，既存在图像的划分，又有图像的合并。 7.2 边缘检测算子 基于边缘的分割方法：先提取区域边界，再确定边界限定的区域。 边缘检测的基本原理 边缘检测的基本原理 边缘检测是所有基于边界的图像分割的第一步。两个具有不同灰度值的相邻区域之间总存在边缘。边缘是灰度不连续的结果，这种不连续可利用求导数方便地检测到，一般常用一阶和二阶导数来检测边缘。 图像边缘 边缘的定义 图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合，或者说边缘是灰度不连续的结果。 边缘的分类 阶跃状 阶跃状边缘处于图像中两个具有不同灰度值的相岭区域之间 屋顶状 屋顶状边缘的上升下降沿都比较缓慢。 两种图像边缘和边缘点近旁灰度方向导数变化规律 图像边缘 7.2 边缘检测算子 对边缘的检测可借助空域微分算子（导数）通过卷积来完成。实际数字图像处理中是利用差分近似微分来进行的 计算局部微分算子 一阶微分：用梯度算子来计算 二阶微分：通过拉普拉斯来计算 边缘检测算子：几种常用的边缘检测算子 梯度算子 Roberts算子 Prewitt算子 Sobel算子 Kirsch算子 Laplacian算子 Marr算子 梯度算子 梯度算子是一阶导数算子。 对一个连续函数f(x,y)，它在(x,y)处的梯度为一个向量： ?f = [?f / ?x , ?f / ?y] 计算这个向量的大小为： G = [(?f / ?x)2 +(?f / ?y)2]1/2 近似为:G ? |?fx| + |?fy| 或 G ? max(|?fx|, |?fy|) 梯度的方向角为： φ(x,y) = tan-1(?fy / ?fx) 可用下图所示的模板表示 梯度算子 为了检测边缘点，选取适当的阈值T，对梯度图像进行二值化，则有： Roberts算子 Roberts算子计算示例 Prewitt算子 为减少噪声的影响，Prewitt从加大边缘增强算子的模板大小出发，由2x2扩大到3x3来计算差分 Prewitt算子计算示例 Sobel算子 Sobel在Prewitt算子的基础上，对4-邻域采用加权的方法计算差分，对应的模板如图。 Sobel算子示例 不同算子的图像边缘检测结果 专门检测对角线边缘的prewitt和sobel算子 方向微分算子 方向微分算子是基于特定方向上的微分来检测边缘，它先辨认像素为可能的边缘元素，再给它赋予预先定义的若干个方向之一。 空域中，方向微分算子利用一组模板与图像进行卷积来分别计算不同方向上的差分值，取其中最大的值作为边缘强度，而将与之相应的方向作为边缘方向。 实际上每个模板会对应两个相反的方向，所以最后还需要根据卷积值的符号来确定其中之一 Kirsch算子及特点分析 Kirsch算子是一种方向算子，利用一组8个模板对图像中的同一像素作卷积，选取其中最大的值作为边缘强度，而将与之相应的方向作为边缘方