8 图像分割(上).pptVIP

* 第八讲  图 像 分 割（上） 7.1 概述 7.2 边缘检测算子 7.3 边缘跟踪 7.4 Hough变换线检测法 7.5 区域分割 7.6 区域增长 7.7 分裂合并法 主要内容 7.1 概述 7.1.1 图像分割的概念 图像分割就是指把图像划分成互不重叠的区域并提取出感兴趣目标的技术。 图像分割是由图像处理到图像分析的关键步骤。 7.1.2 图像分析的基本步骤 ① 将图像分割成不同的区域或把不同的对象分开； ② 找出分开的各个区域的特征； ③ 识别图像中要找的对象或对图像进行分类； ④ 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。 7.1.3 图像分割的定义 从集合论角度，图像分割的定义如下： 令集合R代表整个图像区域，对R的分割可看作将R分成N个满足以下五个条件的非空子集（子区域）R1, R2,R3,......,RN. 即：完整性、互不重叠性、同区同性、异区异性、 连通性 7.1.4 图像分割的基本思想和方法 基本思想：基于图像灰度值的两个基本特征： 相似性（区域内部）和不连续性（区域之间）。 基本方法： ① 基于边缘提取的分割法：先提取边界，再确定边界限定的区域； ② 区域分割：从图像出发，按属性一致原则，确定每个像元的归属区域； ③ 区域增长：从像元出发，按属性一致原则，将属性接近的连通像元聚集成区域； ④ 分裂-合并分割：综合② ③，既存在图像划分，又有像元的合并。 7.2 边缘检测算子 7.2.1 边缘的定义 边缘是指图像中像元灰度有阶跃变化变化或屋顶状变化的那些像元的集合。 存在于目标与背景、目标与目标、区域与区域之间，勾画出目标地物的基本轮廓，是图像分割和识别中抽样的重要属性。 7.2.2 边缘的类别 边缘粗略地可以分为两大类： 阶跃状边缘位于其两边像元灰度值有明显不同的地方； 屋顶状边缘位于灰度值从增加到减少的转折处。 阶跃状 屋顶状 注意： 利用边缘灰度变化的一阶或二阶导数的性质，可以将边缘点检测出来，从而提取目标地物的边界信息。 下面介绍几种常用的检测算子。 几种常用算子： 梯度算子 对于阶跃状边缘，在边缘点处一阶导数有极值，因此可以计算每个像元处的梯度来检测边缘点位置。 梯度的概念： fx’ = f(x +1 ，y)-f(x，y) fy’= f(x，y +1)-f(x，y) 梯度的计算： grad（x，y）= Max(|fx′|，|fy′|) 或 grad（x，y）= |fx’|+|f y′| 梯度的算子： 为检测边缘点，选取适当的阈值T，对梯度图像进行二值化，则有： 这样形成一幅边缘二值图像g（x，y）。 特点： 梯度算子仅仅计算相邻像素的灰度差，对噪声敏感，无法抑制噪声的影响。 ② Roberts梯度算子 特点：Roberts梯度算子与梯度算子检测边缘方法类似，但效果往往较梯度算子略好些。 -1 ? ? ? -1 ? 1 1 ? Roberts梯度算子 grad（x，y）= Max(|fx′|，|fy′|) 或 grad（x，y）= |fx’|+|f y′| fx’ = |f(x+1,y+1)-f(x,y)| fy’ = |f(x+1,y)-f(x,y+1)| Prewitt算子 为在检测边缘的同时减少噪声的影响，Prewitt从模板大小出发，将2*2模板扩大到3*3模板。 对各个中心像元计算梯度后，仍按照前面方法最终得到二值图像。 特点： 不仅能够检测边缘点，而且能部分地抑制噪声的影响。 ④ Sobel算子 Sob