宋怀波第13讲：图像分割概要.ppt

灰度分布相似性的两种检测方法： （1）Kolmogorov-Smirnov 检测 （2）Smoothed-Difference检测 6.3.1 区域生长法 6.3.2 分裂合并 基本思想： 将图像分成若干个子区域； 对于任意一个子区域，如果不满足某种一致性准则，则将其继续分裂成若干个子区域，否则该子区域不再分裂； 如果相邻的两个子区域满足某个相似性准则，则合并为一个区域； 直到没有可以分裂和合并的子区域为止。 6.3.2 分裂合并 从整幅图像开始通过不断分裂得到各个区域图像 四叉树表达方法的迭代分裂合并算法 R1 R2 R3 R41 R42 R43 R44 R R4 R3 R2 R1 R44 R43 R42 R41 6.3.2 分裂合并 示例： 分裂 分裂 合并 (a) (d) (c) (b) 6.3.2 分裂合并 分裂准则：如果某个子区域的灰度均方差大于1.5，则将其分裂为4个子区域，否则不分裂。 合并准则：如果相邻两个子区域的灰度均值之差不大于2.5，则合并为一个区域。 6.3.3 分水岭分割(Watershed Segmentation) 分水岭是地理学中的一个名词。将两个水域分开的山岭。 如秦岭就是长江和黄河的分水岭，秦岭以北的降水流向黄河，秦岭以南的降水流向长江。 大别山是长江水系与淮河水系的分水岭 南岭是长江水系与珠江水系的分水岭。 6.3.3 分水岭分割 6.3.3 分水岭分割 分水岭的思想如何应用到图像处理领域？ 把灰度图像看作是一片地形,像素的灰度值代表该点的地形高度,在地形中有高地、分水线、集水盆等。 6.3.3 分水岭分割 地形图： 低洼：地形表面上总会有一些局部最小值点。落在这些点的雨水不会流向它处。 集水盆地：在一些点上，降落的雨水会沿着地形表面往低处流，最终流向同一个低洼，这些点称为与该低洼相关的集水盆地。 分水岭：在一些点上，降落的雨水可能会等概率地流向不同的低洼，将这些点称为分水线，就是Watershed. 6.3.3 分水岭分割 分水岭分割算法的主要目的就是找出集水盆地之间的分水线。分水岭算法有多种，降雨法（rainfall）和淹没法（flooding）是常用的两种基本算法。 集水盆地 Watershed 6.3.3 分水岭分割 图 一维Watershed分割. (a) 图像数据的梯度幅值 (b) Watershed分割. 一个局部极小值产生一个聚水盆，局部极大值定义聚水盆之间的分水岭 Watersheds Catchment basins 6.3.3 分水岭分割 降雨法 首先找出图像中的低洼，给每个低洼赋予不同的标记； 落在未标记点的雨水将流向更低的邻点，最终达到一个低洼，将低洼的标记赋予该点； 如果某点的雨水可能流向多个低洼，则标记为分水线； 处理完毕后，形成不同标记的区域和区域间的分水线。 6.3.3 分水岭分割 2. 淹没法 假想每个低洼都有一个洞 把整个地形逐渐沉入湖中，则处在水平面以下的低洼不断涌入水流，逐渐填满与低洼相关的集水盆地； 当来自不同低洼的水在某些点将要汇合时，即水将要从一个盆地溢出时，就在这些点上筑坝，阻止水流溢出； 当水淹没至地形最高点时，筑坝过程停止； 最终所有的水坝就形成了分水线，地形就被分成了不同的区域或盆地。 地形浸没过程说明 6.3.3 分水岭分割 分水岭分割算法易于受噪音的影响，从而导致过分割。 因此，需要一定的预处理。比如，例如均值滤波对图像去噪，会减少一定的过分割。 6.3.3 分水岭分割 在分割之前，先标出要分割区域的数目和位置，在这些标记的指导下，分水岭算法再进行分割，也是一种改进的方法。 本质属于一种交互式的区域合并算法。 6.3.3 分水岭分割 交互式图像分割算法 原细胞图像 经典的canny梯度 梯度图像的流域分界线 分割结果 6.4 Hough变换 6.4.1 Hough变换的原理 6.4.2 广义Hough变换 6.4 Hough变换 6.4.1 Hough变换的原理 Hough变换是一种检测、定位直线和解析曲线的有效方法。 是把二值图变换到Hough参数空间，在参数空间用极值点的检测来完成目标的检测。 X Y 用于直线检测的Hough变换示意图 Y X Hough变换的优点是抗噪声能力强，能够在信噪比较低的条件下，检测出直线或解析曲线。 缺点是需要首先做二值化以及边缘检测等图像预处理工作，损失掉原始图像中的许多信息。 Hough变换检测二次曲线---以圆为例 圆的方程: 6.4 Hough变换 应用Hough变换对倾斜表格图像