第6章图像分割.ppt

a b c d 在采用图像四叉树分割时，需用到图像区域内和区域间的均一性。均一性准则是区域是否合并的判断条件。 二、利用四叉树进行图像分割 区域是否合并的判决条件： (1)区域中灰度最大值与最小值的方差小于某选定值； (2)两区域灰度平均灰度之差及方差小于某选定值； (3)两区域纹理特征相同； (4)两区域参数统计检验结果相同； (5)两区域的灰度分布函数之差小于某选定值 实现图像分割过程： (5)按照相似性准则，将一些没有归并的小区域归入 邻近的大区域内。 (1)初始化：生成图像的四叉树数据结构； (2)合并：根据需要，从四叉树的某一层开始，由下往上检测每一个结点的一致性准则，如果满足相似性或同质性，合并子结点； (3)分裂：由上往下检测结点的一致性准则， 不满足则将子节点分裂； (4)搜索所有图像块，将邻近未合并的子块合并为一个区域； 图像分割小结 １、图像分割是将一幅数字图像划分为不交叠的、连通的像素集的过程，其中一个对应于背景，其他的则对应于图像中的各个物体。 ２、图像分割可以通过为物体指定其像素或找出物体之间的（或物体和背景之间的）边界的方法来实现。 ３、灰度级阈值处理是一种总能产生闭合的连通边界的简单分割技术。 ４、在分割之前进行背景的平滑和噪声消除，常常能改善分割的性能。 ５、阈值的大小应当根据图像的内容变化，除非背景灰度级和物体的对比度相对恒定。 ６、具有简单物体或与背景对比度明显的图像，将阈值置于双峰直方图的谷值可使物体面积对阈值变化的敏感度最小。 ７、物体分割可以通过在梯度图像中进行边界跟踪或阈值处理来实现。 ８、对一幅图像的分割可以用隶属关系图、边界链码、或线段编码来实现。 * * * * 6.2.3 边界跟踪算法 边界跟踪基本方法：先根据某些严格的跟 踪准则找出目标物体轮廓或边界上的像素 点，然后根据这些像素点用同样的跟踪准则 找到下一个像素点，以此类推，直到闭合或 最后一个像素点不满足跟踪准则为止。 性能决定因素： 1、进行跟踪的起始点的选取，起始点的选取直接影响到跟踪的走向和跟踪的精确度以及跟踪算法复杂度。 2、跟踪准则的选取，要便于分析、计算和理解，符合常理。 直接链码编码器根据4邻域和8邻域直接表示轮廓的走向。如图0、4表示。 差分链码编码器是用邻近两个走向编号的差值表示。 用链码表示：-3，-3，4，-3 四邻域分割 八邻域分割 A A 原则：4邻域采用左、上、右、下的优先顺序方向；8邻域采用左、左上、上、右上、右、右下、下的优先顺序方向。 从A点开始的4邻域链码表示边界结果为： -2，4，-2，4，4，4，0，-2，-2，-2，0，2，2，0，0，-2，-2，-2，2，2，0，2，0，2，2，4，4，2 从A点开始的8邻域链码表示边界结果为： -3，-3，4，4，-1，-2，-2，0，2，1，-1， -2，-2，2，1，1，2，2，4，3 8邻域的差分编码表示边界结果为： -3，0，-1，0，3，-1，0，2，2，-1，-2，-1，0，4，-1，0，1，0，2，-1 6.2.4边界拟合算法 边界拟合采用曲线或折线表示不同区域之间 的图像边界线，是通过拟合方法把边缘连接 成曲线边界或折线边界，从而得到分割不同 区域目的。 边界拟合的前提条件：通过其他方法 已经检测图像中不同区域的某些边界 点，而这些边缘点非常稀疏，于是采 用拟合方法获得完整的边界。 一稀疏边缘点子集，｛(xi,yi),i=1,2,3…..M｝。寻找一曲线f(x)来拟合(xi,yi)，需要做到均方误差(MSE)最小 f(x)=c0+c1x+c2x2只要求出c0、c1、c2即可. C=[MTM]-1·[MTY] 6.3基于区域的图像分割方法 6.3.1 区域生长法 6.3.2 分裂合并法 6.3基于区域的图像分割方法 基本概念 目标：将区域R划分为若干个子区域R1,R2,…,Rn， 这些子区域满足5个条件： 1)完备性： 2)连通性：每个Ri都是一个连通区域 3)独立性：对于任意i≠j，Ri∩Rj= Ф 4)单一性：每个区域内的特征值(灰度级)相等或相近， P（Ri）= TRUE，i = 1,2,…,n 5)互斥性：任两个区域的特征值(灰度级)不等， P（Ri∪Rj）= FALSE，i≠j 6.3.1 区域生长法 区域生长(Region Growing)又称区域生成或 区域扩张法，将一幅图像分成许多小的区 域，并将具有相似性质的像素集合起来构成 区域。 算法实现： 1）根据图像的不同应用选择一个或一组种子像素，它或者是最亮或最暗的点，或者是位于点簇中心的点，作为起始点； 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结果集合，然后不断