数字图像处理 第七章图像分割.ppt

概述 图像分割的基本策略 分割算法基于灰度值的两个基本特性：不连续性和相似性 检测图像像素灰度级的不连续性，找到点、线（宽度为1）、边（不定宽度）。先找边，后确定区域。 基于边缘提取的分割法 概述 图像分割的基本策略 检测图像像素的灰度值的相似性，通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边 区域分割，区域增长，分裂-合并分割 原图 log边缘 canny边缘 形态学应用 2 膨胀 定义：E = B ? S = { x,y | Sxy∩B ≠Ф} 结果：使二值图像扩大一圈。 算法： 用3?3的结构元素，扫描图像的每一个像素 用结构元素覆盖的二值图像都为0，结果图像该像素为0；否则为1 扫描整个图像。 腐蚀与膨胀(Erosion and Dilation) 膨胀 1 1 1 1 1 1 1 1 1 结构元素S 腐蚀与膨胀(Erosion and Dilation) 1 1 0 1 1 1 0 1 1 0 1 1 1 0 1 1 1 0 0 1 1 1 0 0 1 1 1 0 1 1 1 1 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 膨胀作用 使物体边界增加像素 连通距离较近的两物体 填补图像分割后物体中的空洞 腐蚀与膨胀(Erosion and Dilation) 1 开运算 思路：先腐蚀，再膨胀 定义：B ? S = （B ⊙ S）? S 结果： 1）消除细小对象。 2）在细小粘连处分离对象。 3）在不改变形状和不明显改变面积的前提下，平滑对象的边缘。 开-闭运算(Opening-Closing) 2 闭运算 思路：先膨胀、再腐蚀 定义：B ? S =（B ? S） ⊙ S 结果： 1）填充对象内细小空洞。 2）连接邻近对象。 3）在不改变形状和不明显改变面积前提下，平滑对象的边缘。 开-闭运算(Opening-Closing) * 数学形态学(Mathematical Morphology)诞生于1964年，是由法国巴黎矿业学院博士生赛拉(J. Serra)和导师马瑟荣，在从事铁矿核的定量岩石学分析及预测其开采价值的研究中提出“击中/击不中变换”， 并在理论层面上第一次引入了形态学的表达式，建立了颗粒分析方法。他们的工作奠定了这门学科的理论基础， 如击中/击不中变换、开闭运算、布尔模型及纹理分析器的原型等。数学形态学的基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。 * * * * * * 与运算 * * * * 或运算 * * * * * * * 在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些部分一般称为目标或前景 为了辨识和分析目标，需要将有关区域分离提取出来，在此基础上对目标进一步利用，如进行特征提取和测量 σ sigma σ sigma h=fspecial(log) 为什么需要边缘追踪？ 由于噪声、照明等产生边缘间断，使得一组像素难以完整形成边缘。 因此，在边缘检测算法后，使用连接过程将间断的边缘像素组合成完整边缘 第七章 图像分割 本章要点 概述 边缘检测算子 边缘追踪 概述 图像分割- 指把图像分成互不重叠、各具特性的区域并提取出感兴趣目标的技术和过程 分割的目的：将图像划分为不同区域 区域-互相连通的、有一致属性的像素的集合。 第七章 图像分割 本章要点 概述 边缘检测算子 边缘追踪 边缘检测算子 什么是边缘？ 图像中像素灰度有阶跃变化或屋顶变化的像素的集合 一组相连的像素集合，这些像素位于两个区域的边界上 边缘的分类：阶跃状和屋顶状（增减转折处） 阶跃变化 屋顶变化 边缘检测算子 边缘的检测：一阶和二阶导数可用于检测图像中的一个点是否在边缘上。 阶跃式边缘（拐点）：一阶导数到达极值，二阶导数呈现零×点。 屋顶式边缘（极值）：二阶导数到达极值，一阶导数呈现零×点。 一阶导数使用梯度算子，二阶导数使用拉普拉斯算子 边缘检测算子 梯度算子 一阶导数算子，对噪声敏感 梯度模板 利用梯度构建边缘二值图像 边缘检测算子 边缘检测算子 方向算子—一组模板 用一组模板对图像像素做卷积，选取最大值作为边缘强度，方向作为边缘方向 八方向Kirsch3*3模板各模板方向夹角为45度 -5 3 3 -5 0 3 -5 3 3 -5 -5 -5 3 0