图像处理(第十三周)题稿.ppt

图像的区域分割 1、图像区域分割定义 5.3 图像的四叉树分解 5.4 图像的纹理分析 熵是一种随机性度量，图像粗糙区域的熵也比较高。熵的定义如下： （5-6） 其中， 表示图像的直方图数据，L表示灰度级。 * 图 像 处 理 图像区域分割不同于图像的轮廓提取。 图像区域分割更注重于图像各个区域内的像素值的有机联系。 仅凭图像本身的灰度变化进行分割也许是不够的，还需要借助于识别主体（程序）中的“知识”，要借助于反馈操作。 用R表示整个图像区域。区域分割是把R分成n个子区域R1、R2、R3…Rn,使这些子区域满足下面条件： 。 是一个连通区域， ，对所有的i和j， 。 ，对 。 ，对任意邻接区域 和 。 其中 是定义在集合 中的点上的逻辑谓词， 是空集。 2、灰度阈值分割方法 【例5-27】根据灰度直方图确定一个阈值，分离图像的前景与背景。 A= imread(D:\0043.jpg); B= rgb2gray(A); subplot(1,2,1); imshow(B) B=double(B); subplot(1,2,2); hist(B) 观察图5-26中的图像与它的直方图，大量像素集中在100与200之间，在0到100之间还有一个小峰值。经过观察取阈值为80，使用下面程序进行图像背景分离。这种方法就是有些参考书上所说的双峰法。 图5-26 图像与它的直方图 I = imread(D:\0043.jpg); level=80/255; BW = im2bw(I,level); imshow(BW) 从图上图来看，基本把前景与背景分离出来。分离的效果与阈值参数level的选取有直接关系。语句level=80/255就决定了小于等于80的像素点置0，大于80的像素点置1。Level的大小直接影响分离的效果。 下面例题给出了自动确定阈值的方法，即迭代确定阈值方法。 【例5-28】迭代方法确定阈值。 A= imread(D:\0043.jpg); B= rgb2gray(A); T=0.5*(double(min(B(:)))+double(max(B(:)))); d=false; while ~d g=B=T; Tn=0.5*(mean(B(g))+mean(B(~g))); d=abs(T-Tn)0.5; T=Tn; end T 程序运行结果为：T =129.8422 T=0.5*(double(min(B(:)))+double(max(B(:))));为变量T赋初值，首先使用B(:)把B中元素排成一列，然后把B的最大值与最小值相加再乘以0.5。 逻辑变量d的初值设为false。在循环语句的迭代过程中，每次都要给d赋新值，然后在whlie语句处检查d的真假。当d为真时，也就是当abs(T-Tn)0.5时结束循环。 语句g=B=T中，B=T返回一个0，1逻辑矩阵，然后把这个逻辑矩阵赋给g，g的维数与B相同。B中元素如果大于T那么在相应位置上矩阵g的元素为1，否则g的元素为0。 语句Tn=0.5*(mean(B(g))+mean(B(~g)))中，B(g)按照g的非0元素位置提取出B的元素构成一个列向量，B(~g)是按照g的0元素位置提取出B的元素构成一个列向量。然后计算最大最小值的均值赋给Tn。 MATLAB提供了确定阈值的函数graythresh，使用该函数输入命令： T1=graythresh(B)*255 得结果：T1=131 与例题运行结果相近 分水岭分割算法，是一种基于拓扑理论的数学形态学的分割算法，其基本思想是把图像看作是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔高度，每一个局部极小值及其影响区域称为集水盆，而集水盆的边界则形成分水岭。 3、分水岭分割函数watershed 分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面，刺穿一个小孔，然后把整个模型慢慢浸入水中，随着浸入的加深，每一个局部极小值的影响域慢慢向外扩展，在两个集水盆汇合处构筑大坝，即形成分水岭。 【例5-29】分水岭函数watershed的使用。 A= imread(D:\shouxieshuzi.bmp); B=watershed(A); subplot(1,2,1); imshow(A) subplot(1,2,2); imshow(B) Matlab提供了一个分水岭函数watershed，可以使用这个函数对图像进行区域分割。 图像四叉树分解就是把