032DObjectiveRecognition-3图像分割20130726教案.ppt

第3单元图像处理基础Part3: 图像分割 Image Segmentation 2013 主要内容 图像分割的含义与目的 图像分割的基本方法 阈值化分割 边缘检测 具有几何约束的分割 点 直线 圆和椭圆 就是把图象分成若干“有意义”的区域的处理技术，从本质上将是对像素进行分类的过程。 图像分割是图像分析和物体识别的关键部分，没有正确的分割，就无法进行图像分析。 图像分割是机器视觉的一个难点，还不存在一个可以适用于所有的情况通用的算法.需要根据具体的应用，选择算法和优化参数 人眼则不同，可以很容易地分辨出各类物体 出发点：利用像素灰度值的两个基本特征 相似性：同一区域内像素一般具有灰度相似性，据此找到灰度值相似的区域；区域的外轮廓就是对象的边缘。 不连续性：不同区域的交界边缘处像素灰度 值具有不连续 突变 性，据此先找到区域交界处的点、线（宽度为1) 、边（不定宽度），再确定区域。 I 基于区域的分割：阈值化 利用区域内灰度的相似性，将像素 (点)分成若干相似的区域。 II 基于边缘的分割：边缘检测 先找出局部特性的不连续性，再将它们连成边界，边界将图像分成不同区域。 III 特定几何元素的分割，已知 分割区域为点：点的检测 分割区域为直线：直线检测 分割区域为圆（椭圆）：圆（椭圆）的检测 基本思想：通过取灰度门限对图像像素进行分类，该方法基于： （1）同一分割区域内由灰度值相近的像素点组成； （2）目标物和背景、不同目标物之间的灰度值有明显差异。 阈值化后的区域包含了不期望的区域，需要进一步处理，以得到目标区域 形态学处理发挥了重要作用 (1) 基本概念 (2) 数学基础：集合论 集合关系的图形表示 （3） 二值形态学基本运算 膨胀 (dilation) 腐蚀 (erosion) 开 (opening) 闭 (closing) (3.1) 膨胀运算 膨胀过程解释图示 膨胀操作应用举例：桥接断裂图像间的间隙 (3.2) 腐蚀运算 腐蚀操作应用举例：消除二值图像中的不相关细节 (3.3)开运算 开运算的几何解释 (3.4)闭运算 闭运算的几何解释 开、闭运算的基本作用 开、闭运算的进一步图形解释 开、闭运算进行形态学滤波举例：指纹噪声消除 开、闭运算进行形态学滤波举例：指纹噪声消除 开、闭运算进行形态学滤波举例：指纹噪声消除 （4）二值形态学图像处理其它操作 边界抽取 (boundary extraction) 区域填充 (region filling) 连接分量提取 (extraction of connected components) 凸壳算法 (convex hull) 细化 (thinning) 粗化 (thickening) 骨架 (skeletons) 修剪 (pruning) 骨架提取 出发点：利用像素灰度值的两个基本特征 利用相似性：同一区域内像素一般具有灰度相似性，据此找到灰度值相似的区域；区域的外轮廓就是对象的边缘。 利用不连续性：不同区域的交界边缘处像素灰度 值具有不连续 突变 性，据此先找到区域交界处的点、线（宽度为1) 、边（不定宽度），再确定区域。 问题： 基于阈值的分割的准确度取决于与阈值的选择是否正确；当光照改变时，要求阈值必须非常准确地适应改变后的照明情况。阈值方法缺乏对光照变换的适应性。 更好的方法： 去寻找区域的边界（用边缘描述）而不是区域，能够适应光照的改变。 边缘是图像中亮度突然变化的区域 图像灰度构成的曲面上的陡峭区域 像素灰度存在阶跃变化或屋脊状变化的像素的集合 边缘是图像上灰度值变化非常明显或剧烈的地方。 边缘是最基本的图像特征之一 边缘特征对于图像的变化不敏感 几何变换，灰度变化，光照方向变化 可以表达物体的特征，为物体检测提供有用的信息 进入和离开斜坡时，一阶导数突变 在灰度值不变的区域，一阶导数为零； 在边缘区域，一阶导数具有恒定的幅值； 对边缘产生了两个响应，正值对应边缘暗的一侧， 负值对应边缘的亮的一侧， 中间为零值 边缘的中间位于零交叉的位置 定义一：边缘点是灰度曲线的一阶导数取得极大值的位置； 定义二：边缘点是灰度曲线的二阶导数等于零的位置； 这两个定义是等价的； 定义一：边缘是图像上的若干点，在这些点上梯度幅值取得最大值； 定义二：边缘点是灰度曲线的拉普拉斯算子等于零的位置； 这两个定义不是完全等价的； 基本思想： 根据边缘的数学定义，我们可以从图像上寻找 1）具有局部梯度幅值极大值的像素点 2）具有拉普拉斯算子为零的像素 需要解决的问题： 1）离散图像的梯度或拉普拉斯算子的计算 2）如何抑制噪声的影响 不同方差等级的高斯噪声 求导对噪声敏感 解决方法：图像平滑 四个主要步骤 1）滤波：通过平滑滤波器改善