医学图像分割方案.ppt

边缘检测原理 边缘数值： 边缘方向： 定位（ localisation ）包含两步： 非最大值抑制 （non-maximal suppression） 滞后阈值 （hysteresis thresholding） 非最大值抑制: 高斯平滑可以抑制图像的噪声，但也减弱了边缘信息。因此要通过Sobel算子提取图像的边缘。得到的边缘线可能较粗。要想沿边缘走向尽量留取少数点，非最大值抑制过程先找出一个边缘点处的边缘走向；在与其垂直的法向方向去除灰度梯度小的边缘点，仅保留灰度梯度最大的边缘点。这样就可得到沿边缘走向的较细的边缘线。 如果M(x,y)〉M1并且M(x,y)〉M2 ，将点Px,y标记为灰度梯度最大值点。 否则，将点Px,y舍去。这样就使原来获得的边缘变窄许多。 设Px,y是步骤（1）提取的一个边缘点。过Px,y的边缘如图所示，Px,y的灰度梯度M(x,y) 的两个分量分别是Mx和My。将过Px,y的边缘法线向两个方向延伸，与点Px,y的8邻域网格相交于两点。设这两个交点的灰度梯度分别为M1和M2，其数值可用Px,y邻点的灰度梯度做内插计算。 双阈值法连接边缘点: 对非最大值抑制标记的灰度梯度最大值 点继续搜索。如果某个点的梯度值（图中的强度）超过上阈值，标记为种子点，输出白色（255）。然后考察该点的8个邻域点。如果哪个点的灰度梯度超过下阈值，就将该点标记为新的种子点。将低于下阈值的点舍去，输出黑色（0）。再对新的种子点的8个邻域点同样考察。反复重复这一过程，就可得到一条条的边缘线。箭头指示可能的移动方向。从黑色得到白色只有一种方式，反之亦然。 非最大值抑制与双阈值法联合工作的示意图 随着图像边缘点的灰度梯度相对上、下阈值的变化，输出呈相应的二值灰度。由于边缘点可能反复超过上阈值或低于下阈值，又称迟滞阈值法。 超声图像通常包含较多噪声和伪迹，需要经过适当的图像处理才能得到有用的信息。上图给出一幅低对比度、高噪声的超声图像及多种边缘检测算子的结果。比较起来，显然只有Canny算子检测性能最佳。 4.3.8 Hough 变换 Hough 变换方法是利用图像全局特性直接检测目标轮廓,即将边缘象素连接起来组成封闭边界的一种常用方法。在预先知道区域形状的条件下，利用Hough 变换可以方便地得到边界曲线而将不连续的边缘象素点连接起来。Hough 变换的主要优点是受噪声和曲线间断的影响较小。 问题的提出 直线型边缘 最小二乘法拟合 分叉型边缘 有噪声干扰情况的分叉型边缘 点-线对偶性(duality) 图像空间(2D平面), 像素点坐标由(x,y)表示。 所有通过点 (x,y)的直线满足方程： p: 斜率， q：截距， 可改写为： 代表参数空间中，经过点（p,q）的一条直线。 Hough变换将图像空间检测问题转换到参数空间进行简单累加。 具体累加方法： PQ空间的2D数组A(p,q), 初值A(p,q)=0， for all p,q. [pmin,pmax]和[qmin,qmax]是预期斜率和截距的范围。 对空间中每个点，在p轴上从左向右逐个取值，计算相应q值，做2D直方图累加。 A(p,q)的值即过(p,q)处共线点数目。 （1）统计准确性由累加数组大小和分辨决定，即P分K等份， K的大小有关。 （2）当直线接近垂直方向时，p? ? , q? ?, 累加器尺寸变大， 计算量骤增。 点与正弦曲线对应 直线y=mx+b可以用极坐标表示为 考虑x，y平面的一个特定的点(x1,y1)。过该点的直线可以有很多，每一条都对应了ρ,θ空间中的一个点。然而这些点，必须满足以x1和y1作为常量时的等式(上面方程)。因此在ρ,θ参数空间中与x,y空间中所有这些直线对应的点的轨迹是一条正弦型曲线，而x,y平面上的任一点(图(b))对应了ρ,θ空间的一条正弦曲线(图(c))。 如果有一组位于由参数ρ0,θ0决定的直线上的边缘点，则每个边缘点对应了ρ,θ空间的一条正弦型曲线。所有这些曲线必交于点(ρ0,θ0)，因为这是它们共享的一条直线的参数(图 (c))。 为了找出这些点所构成的直线段，我们可以建立一个在ρ,θ空间的二维直方图。对每个边缘点(xi,yi)，我们将给所有与该点的Hough变换(正弦曲线)对应的ρ,θ空间的直方图方格一个增量。当对所有边缘点施行完这种操作后，包含(ρ0,θ0)的方格将具有局部最大值。然后对ρ,θ空间的直方图进行局部最大值搜索就可以获得直线边界线段的参数。 已知形状（圆）解析式时Hough变换 已知圆方程： 如果（x,