中学课件数字图象处理第八章.pptVIP

第八章 图像分割 图像分割的目的 图像分割的方法 图像分割技术 一、引言 图像分割的目的——理解图像的内容，提取出我们感兴趣的对像。图像分割按照具体应用的要求和具体图像的内容将图像分割成一块块区域。图像分割是模式识别和图像分析的预处理阶段。 图像分割的方法——通常采用聚类方法，假设图像中组成我们所感兴趣对像的像素具有一些相似的特征，如相同的灰度值、相同的颜色等。 图像分割技术——基于区域的分割技术；基于边界的分割技术 。 图像分割的数学描述 令集合R代表整个区域，对R的分割可看作将R分成若干个满足以下5个条件的非空子集(子区域)R1 ,R1 ,…Rn： 图像分割的数学描述 图像分割算法的分类——边界类和区域类 对灰度图像的分割常可基于像素灰度值的2个性质：不连续性和相似性。 区域内部的像素一般具有灰度相似性，而在区域之间的边界一般具有灰度不连续性。 所以分割算法可据此分为利用区域间灰度不连续性的基于边界的算法和利用区域内灰度相似性的基于区域的算法。 图像分割算法的分类——串行类和并行类 根据分割过程中处理策略的不同，分割算法又可分为并行算法和串行算法。 在并行算法中，所有判断和决定都可独立地和同时地做出，而在串行算法中，早期处理的结果可被其后的处理过程所利用。一般串行算法所需计算时间常比并行算法要长，但抗噪声能力也通常较强。 上述这2个准则互不重合又互为补充，所以分割算法可根据这2个准则分成4类：并行边界类；串行边界类；并行区域类：串行区域类。这种分类法既能满足上述分割定义的5个条件，也可以包括现有图像分割综述文献中所提到的各种算法。 二、并行边界技术 1、边缘检测原理：利用边缘灰度变换较剧烈的特点，根据灰度变换的情况，选择不同的检测方法使边缘凸现。 2、具体算子模板：用梯度算子(一阶差分)、Laplace算子(二阶差分)以及在图像增强中所讲的各类图像锐化算子模板都可以对图像进行锐化——空域卷积。 以点模板为例——对模板的另一种理解： 边缘检测与图像分割 边缘检测与图像分割 几种常用的边缘检测算子： 梯度算子 Roberts算子 Prewitt算子 Sobel算子 Kirsch算子 Laplacian算子 同样道理，可以构造线模板 如果在模板区域内所有图像的像素有相同的值，则其和为零。如果模板中心位于某个灰度值不同于其8邻域灰度值的点上，则其和不为零；如果该点在偏离模板中心的位置上，其和也不为零，但其响应幅度比起这个点位于模板中心的情况要小一些。这时，可以采用阈值法清除这类较弱的响应，如果其幅度值超过阈值，就意味着点检测出来了，如果低于阈值则忽略掉。 模板匹配 微分算子边缘检测 灰度梯度 微分算子边缘检测 Roberts 交叉算子 Sobel模板 Laplace算子 拉普拉斯算子 拉普拉斯算子与平滑过程一起找到边缘 上式称为高斯型的拉普拉斯算子LoG 拉普拉斯算子 例子 四邻点 拉普拉斯算子 比较（对比二阶拉普拉斯算子和一阶 Sobel梯度算子） Canny算子 对边缘检测质量进行分析,提出三准则 (1)信躁比准则 (2)定位精度准则 (3)单边准则 根据以上3个准则，Canny推导出最优边缘检测算子的一个近似实现是：边界点位于图像被高斯函数平滑后的梯度幅度的极大值点。 1.首先利用一维高斯函数对图像进行平滑处理; 2.求的各点的梯度值; 3.非最大值抑制; 4.利用双门限跟踪轮廓. Canny算子 step1:高斯平滑函数 Canny算子 step3:非极大值抑制 ?仅仅得到全局的梯度并不足以确定边缘，因此为确定边缘，必须保留局部梯度最大的点，而抑制非极大值。（non-maxima suppression,NMS） 解决方法：利用梯度的方向。 四个扇区的标号为0到3，对应3*3邻域的四种可能组合。在每一点上，邻域的中心像素M与沿着梯度线的两个像素相比。如果M的梯度值不比沿梯度线的两个相邻像素梯度值大，则令M=0。即： Canny算子 step4:阈值化 减少假边缘段数量的典型方法是对N[i,j]使用一个阈值。将低于阈值的所有值赋零值。但问题是如何选取阈值？ 解决方法：双阈值算法。双阈值算法对非极大值抑制图像作用两个阈值τ1和τ2，且2τ1≈τ2，从而可以得到两个阈值边缘图像N1［i,j］和N2［i，j］。由于N2［i，j］使用高阈值得到，因而含有很少的假边缘，但有间断(不闭合)。双阈值法要在N2［i，j］中把边缘连接成轮廓，当到达轮廓的端点时，该算法就在N1［i,j］的8邻点位置寻找可以连接到轮廓上的边缘，这样，算法不断地在N1［i,j］中收集边缘，直到将N2［i,j］连接起来为止。 区域生长----分割区域  例