数字图像分析第4章.ppt

第四章 图象分割 (Image Segmentation) 图象分割是根据某种同一性，把一幅图象划分为若干个子区域，每一个子区域对应于某一物体或物体的某一部分。 4·1 阈值分割 4·2 区域生长法 4·3 分水岭算法 图象分割的定义 在给定的均匀性测度度量P(x)之下，将表示该图象的二维象素集合x分成若干非空子集x1,x2,…,xn，并满足下述条件： 1、 ； 2、子区域是联通的或直接联通的； 3、对于各个子区域，有均匀性测度度量P为真。但对其中任意两个和两个以上相邻子区域之并，其均匀性测度度量P为假。 4·1 阈值分割 (Thresholding) 取阈值法是以图象直方图为依据，选定阈值，再逐个对象素作判决。 图象直方图可以是： 单个特征的一维直方图， 如灰度直方图。 多个特征的多维直方图， 如两个波段组成的二维直方图。 特征可以是灰度，也可是其他值。 基于直方图的阈值分割 适用于直方图为双峰或多峰的图象 单一阈值 取一阈值，把图象分成目标和背景两部分 多个阈值 取几个阈值将图象分成若干个目标和背景几部分 阈值宜取在双峰或多峰直方图的谷点。 对简单阈值分割的改进 利用空间相关性，取两个阈值T1,T2（T1严于T2） “大于”（或“小于”）T1的象素分割为“物点”， “大于”（或“小于”）T2的象素且与“物点”为邻点的分割为“物点”，否则为“背景点“。 分块取阈值 将一幅图象分割成若干个子块，对于阈值很易于确定的那些子块，取简单阈值作为该块(或该块中心点)的阈值；其他不易取简单阈值的子块，可以用插值的方法确定分割的阈值 先对图象或直方图作平滑处理比较好 特征直方图 图象的特征直方图可以是： 灰度直方图 梯度直方图 纹理直方图 …… 多个特征组成多维直方图 4.2 区域生长法 区域生长法按照图象分割的定义，从某一组象块出发，逐步增加象素（即增长区域），对于由这些象素组成的区域，使用某一种均匀性测度测试其均匀性。如果满足均匀性（即均匀性测度为真），则继续扩大区域，直到不满足均匀性（均匀性测度为假）不能再扩大为止。 在实际执行区域生长时，要按照一定的法则来实施，这与数据的结构有关。往往使用金字塔数据结构。 4.2.1 金字塔数据结构 1、结构 —— 四分树 该结构只适合于2N×2N的图象 底层（0层）为原始图象 它的上面一层的图象数据中每一个象素的值是这一层图象数据相邻四点的平均值。 中间第K层尺寸为2N-K×2N-K 顶层（N层）缩为一个象素, 只有一点。 2、 编码 (1) 位置码 对于2N×2N的图用Ｎ位码编码 同一父节点的四块顺时针编号为1，2，3，4 (2) 灰度值 灰度值只需记平均值go和差值gi i=1,2,3 由编码的值可知：数据块的大小、数据块位置、相邻的情况 数据块的大小 大小是 2k×2k， k为0码的个数 数据块位置 数据块左上角坐标可由码求出 相邻的情况 同一父节点的四块相邻，即右起第一个同一位上的非零码依次为1，2，3，4，其余的码相同的四块相邻 其他相邻情况由块的位置和块的大小 数据块左上角的坐标 4.2.2 分－合图象分割方法 1、确定均匀性测度，构造四分树结构 2、选择初始分割层（一般为中间某一层） 3、分裂处理 从中间层开始，计算各块均匀性测度。对于均匀性测度为假的那些块，一分为四，重新编码。重复进行，直到各块的均匀性测度为真。 4、合并处理 从同一中间层开始，测试同属于一个父节点的四块，如果它们之和的均匀性测度为真，则合并这四块为一块。重复进行，直至不再存在可以合并的那些块。 5、组合处理 使用该数据编码判断位置，对相邻的大小不一，或者虽然大小一样，但不能合并为一个父节点的区域，进行均匀性测度测试，合并均匀测度度量为真的一对区域。反复重复这一运算，直到不再存在可以合并的区域。 6、小区处理 清除小区等整理工作。 4·2·3 均匀测度度量 一种简单的均匀测度度量_平均灰度。 这时区域的均匀性测度度量 为： 式中，T 为一阈值, m 为灰度的平均值。 4·3 分水岭算法 分水岭（watershed）算法,又称水线算法或流域方法。 分水岭算法是一种自适应迭代阈值分割方法。 分水岭算法可以解决那些由于物体靠得比较近，用一个简单阈值很难获得正确分割的问题。 初始阈值和最终阈值的选取 初始阈值和最终阈值的选取是重要的。 初始阈值: 不能选得太“严”，否则一开始就会漏掉某个物体； 也不能选得太“宽”，否则物体在开始时已出现相互合并的情况，以后也无法分开。 最终阈值:最终阈值的选取关系到最终边界的符合程度。 * * 4·2·1 金字塔数据结构 4·2·2 分-合图象分割