遥感数字图像处理教程_11图像分割讲述.ppt

腐蚀与膨胀 1) 腐蚀 结构元素S 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 0 1 1 1 1 0 1 1 0 1 1 1 0 1 腐蚀与膨胀 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3x3的结构元素，扫描图像的每一个像素 用结构元素与其覆盖的二值图像做“与”操作 如果都为0，结果图像的该像素为0。否则为1 开-闭运算 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）在不改变形状的前提下，平滑对象的边缘 开-闭运算 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）在不明显改变面积前提下，平滑对象的边缘 变体 1）细化 结果:在不破坏连通性的前提下，细化图像。 算法实现： 1）做腐蚀操作，但不立刻删除像素，只打标记 2）将不破坏连通性的标记点删掉。 3）重复执行，将产生细化结果 变体 2）粗化 结果：在不合并对象的前提下，粗化图像。 算法实现： 1）做膨胀操作，但不立刻添加像素，只打标记 2）将不产生对象合并的标记点添加进来。 3）重复执行，将产生粗化结果 另一方案：将图像求反，执行细化，结果再求反 已知二值图像，如下图所示。 （1）对该图像使用四叉树进行划分； （2）用四叉树表达该图像。 思考题 * 二、特征空间聚类 根据提取的特征值将一组目标划分到各类中的技术。 将图象空间中的像素用对应的特征空间点表示，通过将特征空间的点聚集成群，再将它们映射回原图象空间以得到分割的结果。 1 2 3 4 5 6 7 x1 0.5 1.0 1.5 2.0 2.5 3.0 x2 K-均值聚类方法 （1）任意选择K个初始类均值 （2）使用最小距离判别法将所有样本分给K类；若对 所有的不等于i的j， 则判 属于第i 类。 （3）使用步骤（2）中分类结果，计算各类均值，并 以此作为新的类均值； （4）比较新旧类均值，若它们之差小于某一阈值， 则认为中心已经稳定，可以终止算法，输出结果；否 则，返回步骤（2），继续进行。 8.5 区域增长 区域增长是把图像分割成特征相同的若干小区域，比较相邻小区域特征的相似性，若它们足够相似，则作为同一区域合并，以此方式将特征相似的小区域不断合并，直到不能合并为止，最后形成特征不同的各区域。这种分割方式也称区域扩张法。 区域增长对于由复杂物体定义的复杂场景分割具有很好的作用。 区域生长法的三个关键条件的确定： (1)选择和确定一组能正确代表所需区域的种子像素 一般原则为： ① 接近聚类重心的像素可作为种子像素。例如，图像直方图中像素最多且处在聚类中心的像素； ② 红外图像目标检测中最亮的像素可作为种子像素； ③ 按位置要求确定种子像素； ④ 根据某种经验确定种子像素。 区域生长法的三个关键条件的确定： (2) 确定在生长过程中能将相邻像素合并进来的相似性准则。主要有： ① 当图像是彩色图像时，可以各颜色为准则，并考虑图像的连通性和邻近性； ② 待检测像素点的灰度值与已合并成的区域中所有像素点的平均灰度值满足某种相似性标准，比如灰度值差小于某个值； ③ 待检测点与已合并成的区域构成的新区域符合某个大小尺寸或形状要求等。 区域生长法的三个关键条件的确定： (3) 确定终止生长过程的条件或规则 ① 一般的停止生长准则是生长过程进行到没有满足生长准则的像素时为止； ② 其它与生长区域需要的尺寸、形状等全局特性有关的准则。 根据所用的邻域方式和相似性准则的不同，可以产生各种不同的区域扩张法： ① 单一型（像素和像素） ② 质心型（像素与区域） ③ 混合型（区域与区域） 一、简单区域扩张法 基本思路：以图像的某个像素为生长点，比较相邻 像素的特征，将特征相似的相邻像素合并为同一区 域；以合并的像素为生长点，继续重复以上的操作， 最终形成具有相似特征的像素的最大连通集合。 算法实现步骤 1）根据图像的不同应用选择一个或一组种子，它或者是最亮或最暗的点，或者是位于点簇中心的点； 2）选择一个描述符（条件）； 3）从该种子开始向外扩张，首先把种子像素加入集合，然后不断将与集合中各个像素连通、且满足描述符的像素加入集合； 4）重复过程3）直到不再有满足条件的新结点加入集合为止。 如图给出已知种子点区域生长的一个示例。 (a)给出需要分割的图像，设已知两个种子象素(标为深浅不同的灰色方块)，现在进行区域生长 采用的判断准则是：如果所考虑的象素与种