第7章 图像分割第7章 图分割像分割.ppt

图像分割 ?分割出来的各区域对某种性质例如灰度，纹理而言具有相似性，区域内部是连通的且没有过多小孔； ?区域边界是明确的； ?相邻区域对分割所依据的性质有明显的差异。 图像分割 ? 第1类性质的应用途径是基于亮度的不连续变化分割图像,比如图像的边缘. ? 第2类的主要应用途径是依据事先制定的准则将图像分割为相似的区域.门限(阈值)处理、区域生长、区域分离和聚合都是这类方法的实例。 图像分割的概念 把图像分解成构成它的部件和对象的过程 有选择性地定位感兴趣对象在图像中的位置和范围 图像分割的基本思路 从简到难，逐级分割； 控制背景环境，降低分割难度； 把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上。 例如：下图的分割过程。 1.从简到难，逐级分割 分割矩形区域；定位牌照；定位文字 2.控制背景环境，降低分割难度 背景环境:路面、天空 3.焦点放在增强感兴趣对象，缩小不相干图像成分的干扰. 感兴趣的对象：汽车牌照 不相干图像成分： 非矩形区域 条件(1)表明分割区域要覆盖整个图像且各区域互不重叠； 条件(2)表明每个区域具有相同的性质； 条件(3)表明相邻的两个区域性质相异不能合并为一个区域。 区域生长的算法实现： 分裂合并法 算法实现： 1）对图像中灰度级不同的区域，均分为四个子区域 2）如果相邻的子区域所有像素的灰度级相同，则将其合并 3）反复进行上两步操作，直至不再有新的分裂与合并为止 作业 进行实战演练三 鸣谢 感谢中北大学信息与通信工程学院给予的大力帮助。 感谢山东科技大学信电学院、广东工业大学信息工程学院、北京师范大学信息科学与技术学院等提供的参考资料。 感谢电子工业出版社阮秋琦等翻译的优秀教材、机械工业出版社张弘等编著的优秀教材。 L=watershed(f) 分水岭算法 MATLAB函数 图10.25 不准确标记分水岭算法导致过分割 原始图像 分水岭 分割结果 局部极小值 总述 间隔检测 边缘连接与边界检测 门限处理 区域分割 自动阈值 改进的分水岭算法 图10.26 准确标记的分水岭算法分割过程 原始图像 原图像的距离变换 标记外部约束 标记内部约束 由标记内外部约束重构的梯度图 分割结果 总述 间隔检测 边缘连接与边界检测 门限处理 区域分割 自动阈值 7.4 区域分割 ?阈值分割法由于没有或很少考虑空间关系，使多阈值选择受到限制 ?基于区域的分割方法可以弥补这点不足，它利用的是图像的空间性质，该方法认为分割出来的属于同一区域的像素应具有相似的性质，其概念是相当直观的。 ?传统的区域分割算法有区域生长法和区域分裂合并法。该类方法在没有先验知识可以利用时，对含有复杂场景或自然景物等先验知识不足的图像进行分割, 也可以取得较好的性能。但是，空间和时间开销都比较大。 总述 间隔检测 边缘连接与边界检测 门限处理 区域分割 形式化地定义如下：令I表示图像,H表示具有相同性质的谓词,图像分割把I分解成n个区域 Ri, i＝1,2,…,n,满足： 总述 间隔检测 边缘连接与边界检测 门限处理 区域分割 基本公式 区域生长法主要考虑象素及其空间邻域象素之间的关系 ?开始时确定一个或多个象素点作为种子，然后按某种相似性准则增长区域，逐步生成具有某种均匀性的空间区域，将相邻的具有相似性质的象素或区域归并从而逐步增长区域，直至没有可以归并的点或其它小区域为止。 ?区域内象素的相似性度量可以包括平均灰度值、纹理、颜色等信息。 区域生长是一种根据事前定义的准则将像素或子区域聚合成更大区域的过程. 总述 间隔检测 边缘连接与边界检测 门限处理 区域分割 区域生长 区域A 区域B 种子像素 种子像素 总述 间隔检测 边缘连接与边界检测 门限处理 区域分割 区域增长示例 5 5 3 9 6 2 9 6 1 5 5 3 9 6 2 9 6 1 5 5 3 9 6 2 9 6 1 5 5 3 9 6 2 9 6 1 (a) 初始情形 (b) T=1 (c) T=2 (d) T=3 生长准则: 所考虑的像素点和种子点的灰度值的绝对值差小于或等于某个阈值T久将该像素点归入种子点所在的区域. 总述 间隔检测 边缘连接与边界检测 门限处理 区域分割 区域生长 ?选择合适的种子点 ?确定相似性准则(生长准则) ?确定生长停止条件 步骤 总述 间隔检测 边缘连接与边界检测 门限处理 区域分割 区域生长 实例 显示有缺陷的焊缝的图像 种子点 区域生长的结果 对有缺陷的焊缝区域进行分割得到的边界 总述 间隔检测 边缘连接与边界检测 门