数字图像处理ch8imagesegmentation绪论.ppt

数字图像处理Digital Image Processing 第8章 图像分割（Image Segmentation） 8.1 Introduction Definition of Image Segmentation 图像分割 :将数字图像划分成互不相交（不重叠）区域的过程。 连通: 在一个连通集中的任意两个像素之间，存住一条完全由这个集合的元素构成的连通路径。 区域(region) :像素的连通集。即是一个所有像素都有相邻或相接触像素的集合。 ?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。 ? 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)分割、区域生长、区域分裂和合并都是这类方法的实例。 8.2.1 边缘检测(Edge Detection) 选用高斯低通滤波器先进行平滑，再进行拉普拉斯微分。 由卷积的结合律可以将拉普拉斯算子和高斯脉冲响应组合成一个单一的高斯-拉普拉斯核： 这种由高斯平滑和拉普拉斯微分合并得到的算子称为高斯-拉普拉斯（Laplacian of Gaussian， LOG）算子，这种边缘检测方法也称为Marr边缘检测方法。 8.2.2 边缘连接(Edge Connection) 8.2.2 边缘连接(Edge Connection) Hough直线检测结果 原图 直线检测结果 8.3.1 全局阈值(Global Threshold) 采用阈值确定边界的最简单做法是在整个图像中将灰度阈值的值设置为常数。 如果背景的灰度值在整个图像中可合理地看作为恒定，而且所有物体与背景都具有几乎相同的对比度，那么，只要选择了正确的阈值，使用一个固定的全局阈值一般会有较好的效果。 8.3.2 自适应阈值(Adaptive Threshold) 在许多的情况下，背景的灰度值并不是常数，物体和背景的对比度在图像中也有变化，这时，一个在图像中某一区域效果良好的阈值在其它区域却可能效果很差。 在这种情况下，把灰度阈值取成一个随图像中位置缓慢变化的函数值是适宜的。 8.3.3 最佳阈值的选择(Optimal Threshold) 需要一个最佳的，或至少是具有一致性的方法确定阈值。 直方图技术 最大类间方差法 迭代法求阈值 1. 直方图技术 一幅含有一个与背景明显对比的物体的图像，其有包含双峰的灰度直方图（如图）。 两个尖峰对应于物体内部和外部较多数目的点。 两峰间的谷对应于物体边缘附近相对较少数目的点。 在类似这样的情况下，通常使用直方图来确定灰度阈值的值。 2. 最大类间方差法(OTSU) 又称为OTSU（大津）算法，该算法是在灰度直方图的基础上用最小二乘法原理推导出来的，具有统计意义上的最佳分割阈值。 基本原理是以最佳阈值将图像的灰度直方图分割成两部分，使两部分之间的方差取最大值，即分离性最大。 3. 迭代法求阈值 8.3.4 分水岭算法(Watershed Algorithm) 8.3.4 分水岭算法(Watershed Algorithm) 8.3.4 分水岭算法(Watershed Algorithm) 8.3.4 分水岭算法(Watershed Algorithm) 8.4 区域分割(Region Segmentation) 基本公式 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。 8.4.1 区域增长(Region Growing) 8.4.2 区域分裂合并法(Region Splitting and Merging) 2. 区域合并法 3. 区域分裂合并 8.5 二值图像处理(Binary Image Processing) 二值图像是只具有两个灰度级的图像，它是数字图像的一个重要子集。 一个二值图像通常是由一个图像分割操作产生的。 如果初始的分割不够令人满意，对二值图像的某些形式的处理通常能提高其质量。 8.5.1 数学形态学图像处理(Morphological Image Processing) 8.5.1 Morphological Image Processing 2. 腐蚀(Erosion) 腐蚀定义为： Erosion Erosio