数字图像处理第6章绪论.ppt

数 字 图 像 处 理第六章 图像分割 图像分割 门限法 边缘检测 区域生长 分裂与合并 分水岭方法 图像分割 图像分割 在对图像的研究和应用中，往往对图像中的部分区域感兴趣，这些区域被称为前景或目标——具有独特性质的区域。 定义：把图像划分为不相交的有意义的区域，同一区域内的像素反映了目标的一致性属性（同一性）。 在无任何先验知识的情况下，一致性的依据和准则取决于图像的灰度和颜色。 图像分割（Image segmentation）是图像分析中的关键技术——由于目标特征不均匀，场景复杂，图像中有噪声等原因——分割困难。 图像分割方法一般是基于像素的两个特性之一：不连续性和相似性。 图像分割—门限法 图像分割—门限法 图像分割—门限法 图像分割—门限法 图像分割—门限法 图像分割—门限法 图像分割—门限法 图像分割—门限法 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 (a) 血管造影图像。 (b) 图像的Sobel梯度。 (c)用于得到27×27的空间平滑处理模板的高斯函数。 (d)Laplacian模板。 (e)通过对原图使用高斯型平滑模板进行平滑处理，然后使用拉普拉斯算子模板后得到的LoG图像。 (f)对LoG设置门限后的结果。 (g)零交点。 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—边缘检测 图像分割—区域生长 图像分割—区域生长 图像分割—区域生长 图像分割—区域生长 图像分割—区域生长 图像分割—区域生长 图像分割—区域生长 图像分割—区域生长 图像分割—区域生长 图像分割—区域生长 图像分割—区域生长 图像分割—区域生长 图像分割—区域生长 图像分割—区域生长 迭代端点拟合： 1.确定一个散布在两个特定边缘点A和B之间的边缘点的集合P； 2.设A,B组成一条（初始）边缘线，计算其它边缘点到直线的距离； 3.若所有点距直线的距离小于阈值，则拟合此直线为确定边缘； 4.否则，找出距离最大的点（记为C）为新端点，将P分为包含AC 线段的边缘点子集合P1和包含BC线段的子集合P2； 5. 重复3、4步骤，直到所有子集合的点到直线的距离小于阈值， 确定最后的各线段的端点。 6. 利用每个线段间的边缘点，通过拟合确定边缘。 多边形分段线性拟合原理 迭代端点拟合 Hough变换： ——利用图像的全局特性而直接检测目标轮廓。 基本思想：点-线的对偶性(duality)——图像变换前在图像空间，变换后在参数空间。在图像空间里，直线方程：y = ax+b ；给定 (x,y) 后，可以写成：b =－ax+y ；即图像空间中的一个点对应参数空间 {a-b} 中的一条直线。 ——图像空间中的两个点，确定了参数空间中两条直线的交点。 a b 将参数空间划分，每一个“格子”所通过的直线数量，反映了图像空间中边缘点的“共线性” ——可以通过“投票胜出”方式确定最终的有效格子，即图像中的有效线段。 ?使用等式y = ax+b表示一条直线带来的一个问题是，当直线接近垂直时，斜率接近无穷大。也就是说a的最大接近于无穷。解决的方法是采用直线的标准式（在?-?空间中）： ?格子的大小，决定了共线性的精度，以及累加器的数目。 ?Hough变换也适用于任何形式为g(v,c)=0的函数，这里v是坐标向量，c是系数向量。 (a) 航拍的红外线图像。 (b)设置了门限的梯度图像。 (c) 梯度图像的Hough变换。 (d) 依据一定准则判断为相连的像素集合。 准则：像素属于3个具有最高计数的累加器单元；没有大于5个像素的间隙。 d c b a 二、基于区域的分割方法 1. 区域生长 ——对每个需要分割的区域找一个种子像素作为生长的起点，将种子像素邻域中与其有相似性质的像素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像素重复上述过程，直到再没有满足条件的像素被包括进来。 (1)选择或确定一组能正确代表所需区域的种子像素； (2)确定在生长过程中将相邻像素合并的准则（相似性判据）； (3)确定在生长过程中停止的条件或规则。 三个问题： (1)人机交互、直方图峰值、聚类中心等； (2)取决于问题本身以及图像数据的类型 ； (3) 要求图像分割后区域的可描述性。 基于区域灰度差方法—— 以种子像素为中心比较它的邻域像素，如果灰度差小于预先确定的阈值，将它们合并； 以新