数字图象处理及matlab的实现 ppt 课件 第11章.ppt

* 第十章 图像分割 图像分割(image segmentation)是指将一幅图像分解为若干互不交叠的、有意义的、具有某种相同性质的区域。 区域边界是明确的； 分割出来的各区域对某种性质例如灰度，纹理而言具有相似性，区域内部是连通的且没有过多小孔； 相邻区域对分割所依据的性质有明显的差异。 图像分割是图像识别和理解的基本前提步骤，图像分割质量的好坏直接影响后续图像处理的效果。 图像 图像识别与理解 图像 预处理 图像分割 (增强、复原、形态学处理) 图像分割算法一般是基于灰度值的两个基本特性之一: 不连续性(discontinuity，间断)和相似性(similarity)。 * 10.1 点、线和边缘检测 亮度不连续检测方法：使用一个模板在图像中滑动进行检测。 3×3间断检测模板 点检测(point detection): 点检测模板 使用左图模板,若 则认为模板中心位置为检测到的孤立点(isolated point)。g=abs(imfilter(double(x), w))=T ，T为非负门限 * 线检测(line detection): 用于检测单像素宽线条的模板 电路接线二值图像 -45°线检测 门限化结果 * 边缘检测(edge detection):[g, t]=edge(f, ‘sobel’, T, dir); 边缘是一个区域的结束，也是另一个区域的开始。在边缘处，灰度和结构等信息产生突变，利用该特征可以分割图像。 边缘有方向和幅度两个属性，沿边缘方向灰度值变化平缓，垂直于边缘方向灰度值变化迅速。 理想边缘模型 斜坡边缘模型 灰度图像 水平灰度剖面图 坡度与边缘的模糊程度成反比 * 可以用（一阶或二阶）微分算子检测边缘。 一阶导数可检测像素是否在斜坡上； 二阶导数的符号可判断一个边缘像素是在边缘亮的一边还是暗的一边； 一条边缘产生两个二阶导数值； 过零点(zero-crossing)特性：正值和负值连线在边缘中点附近穿过零点。据此可确定粗边线的中心。 图像边缘对应一阶导数的极大值点或二阶导数的过零点。 * 灰度图像 一阶导数 二阶导数 噪声对边缘检测的影响： 图像被均值为零，标准差不同的高斯噪声污染。 微分过程对噪声比较敏感。与一阶导数比较，二阶导数对噪声更为敏感。 实施求导操作前应考虑平滑处理。 边缘点(edge point)：有较大一阶导数值的点或二阶导数的过零点。 互连的边缘点构成边缘，较短的边缘称为边缘段(edge segment)。 * 间断检测 梯度算子(gradient operators)： 属于一阶导数算子。 幅值：对应于局部灰度变化率，体现边缘强度。 方向角：与边缘方向垂直。 指向灰度变化最迅速的局部方向 * 数字图像处理中用差分代替微分。 z1 z2 z3 z4 z5 z6 z7 z8 z9 -1 0 0 1 0 -1 1 0 Prewitt算子 -1 -1 -1 0 0 0 1 1 1 -1 0 1 -1 0 1 -1 0 1 Sobel算子 -1 -2 -1 0 0 0 1 2 1 -1 0 1 -2 0 2 -1 0 1 Roberts算子 Roberts算子边缘定位精度较高，但不具备抑制噪声的能力。 (1) Prewitt算子和Sobel算子都对图像进行平滑抗噪，但平滑所用权值略有不同； (2) Prewitt算子和Sobel算子检测出的边缘容易出现多像素宽度。 * Sobel算子边缘检测实例： 原图像 (1) |Gx|检测水平边缘，|Gy|检测垂直边缘。 (2) 对于小的细节或噪声也有比较强的响应。(3) 两个分量图像对于±45°边缘具有相似的响应强度。 平滑滤波后进行Sobel算子边缘检测： 5×5均值滤波后图像 (1) 得到的基本为主要边缘。(2) 均值滤波削弱了检测到的边缘响应。 * 用于检测对角边缘的Prewitt算子和Sobel算子： 0 1 1 -1 0 1 -1 -1 0 -1 -1 0 -1 0 1 0 1 1 0 1 2 -1 0 1 -2 -1 0 -2 -1 0 -1 0 1 0 1 2 Prewitt Sobel 5×5均值滤波后图像 -45°Sobel边缘检测 +45°Sobel边缘检测 (1) 主要为±45°边缘响应。(2) 对水平和垂直边缘有较弱的响应。 * 间断检测 拉普拉斯算子(the Laplacian)： 属于二阶导数算子。 常用拉普拉斯算子模板： 0 1 0 1 -4 1 0 1 0 1 1 1 1 -8 1 1 1 1 拉普拉斯算子一般不以其原始形式用于边缘检测，因为： (1) 作为二阶导数，拉普拉斯算子对噪声过于敏感； (2) 拉普拉斯算子对边缘产生双响应，使分割问题复杂化； (3) 拉普拉斯算子不能检测边缘