区域分割 学习指导书.pptVIP

区域生长方法是一种比较普遍的方法，在没有先验知识可以利用时，区域生长法可以取得最佳的性能，它可以用来分割比较复杂的图象，如自然景物。但是，区域增长方法是一种迭代的方法，空间和时间开销都比较大。 一、区域生长法 区域生长的基本思想是将具有相似性质的像素集合起来构成区域。具体先对每个需要分割的区域找一个种子像素作为生长起点，然后将种子像素和周围邻域中与种子像素有相同或相似性质的像素（根据某种事先确定的生长或相似准则来判定）合并到种子像素所在的区域中。将这些新像素当作新的种子继续上面的过程，直到没有满足条件的像素可被包括进来，这样一个区域就生长成了。 区域生长是一种串行区域分割的图像分割方法。它是指从某个像素出发，按照一定的准则，逐步加入邻近像素，当满足一定的条件时，区域生长终止。 区域生长的好坏决定于：（1）初始点（种子点）的选取。（2）生长准则。（3）终止条件。区域生长是从某个或者某些像素点出发，最后得到整个区域，进而实现目标的提取。 a.种子产生的方法 通常根据所解决问题的性质选择一个或多个起点。 如果没有先验知识，则可以对每个像素计算相同的特性集，特性集在生长的过程中被用于将像素归属于某个区域。 如果计算的结果呈现了不同簇的值，则簇中心附近的像素可以做为种子。 b.终止规则 如果没有像素满足某个区域的条件时，区域生长停止。 先验知识 先验模型 c.相似度准则 灰度级准则 纹理准则 颜色准则 区域生长的一个关键是选择适合的生长准则，不同的生长准则会影响区域生长的过程和结果。生长准则可以根据不同的原则制定，大部分区域生长准则使用图像的局部性质。 基于区域灰度差 它是以像素为基本单位进行操作的，具体步骤如下： 对图像进行逐行扫描，找出尚没有归属的像素； 以该像素为中心检查它的邻域像素，并将邻域中的像素逐个与它进行比较，如果灰度差小于预先确定的阈值，就将它们合并； 以新合并的像素为中心，返回到步骤b，检查新像素的邻域，直到区域不能进一步的扩张； 返回步骤a继续扫描，直到不能发现没有归属的像素，则结束整个生长过程。 下面举个例子进行说明 如下图给出已知种子点进行区域生长的一个示例。图中（a）给出需要分割的原图像，设已知两个种子像素（标为红色圆圈内的像素），现要进行区域生长。设这里采用的判定准则是：如果考虑的像素与种子像素灰度值差的绝对值小于某个门限T，则将该像素包括进种子像素所在的区域。图中（b）给出了T=3时的区域生长结果，整幅图被较好地分成2个区域；图中（c）给出了T=1时的区域生长结果，有些像素无法判定；图中（c）给出了T=6时的区域生长的结果，整幅图都被分在一个区域中了。由此可见门限的选择是很重要的。 基于区域内灰度分布统计性质进行区域合并 考虑以灰度分布相似性做为区域生长准则决定区域的合并，具体步骤如下： 把图像分为互不重叠的小区域； 比较邻区域的灰度直方图，根据灰度分布的相似特性进行区域合并； 设定终止准则，通过反复进行步骤2中的操作，将各个区域依次合并，直到满足终止准则。 灰度分布的相似性判断标准：（设h1(z),h2(z)分别为两个邻接区域的灰度直方图） 如果检测的结果小于给定的阈值，即将两个区域合并。 注意：区域的尺寸大小要合适，尺寸太小会导致检测的可靠性降低，尺寸太大会使测得的区域形状不理想。 选择第二种判断标准会更有优势，因为它考虑了所有的灰度值。 二、区域的分裂与合并 区域分裂合并算法的基本思想是先确定一个分裂合并的准则,即区域特征一致性的测度,当图像中某个区域的特征不一致时就将该区域分裂成4 个相等的子区域,当相邻的子区域满足一致性特征时则将它们合成一个大区域,直至所有区域不再满足分裂合并的条件为止. 　当分裂到不能再分的情况时，分裂结束，然后它将查找相邻区域有没有相似的特征，如果有就将相似区域进行合并，最后达到分割的作用。 用图形表示： 具体的过程如下说明：（令R表示整幅图像的区域，P为其一个属性） 对于任何区域Ri，如果P(Ri)=FALSE，就将每个区域都拆分为4个相连的象限区域。 将P(Rj∪Rk)=TRUE的任意两个相邻区域Rj和Rk进行合并，合并的两个区域可以大小不同，即不在同一层。 当再无法进行拆分或聚合时操作停止。 实际应用中还可作以下改进： P(Ri)的定义为： 1）区域内多于80%的像素满足不等式|zj-mi|=2σi，其中，zj是区域Ri中第j个点的灰度级，mi是该区域的平均灰度级，σi是区域的灰度级的标准方差。 2）当P(Ri)=TRUE时，将区域内所有像素的灰度级置为mi。 基于区域图像分割