9第九章数字图像处理之图像分割教程范本.ppt

第9章 图像分割 主要内容 9.1 图像分割概述 9.2 边缘检测 9.3 霍夫变换 9.4 阈值分割 9.5 区域分割 9.6 小结 概念：图像分割是指将图像中具有特殊意义的不同区域划分开来，这些区域互不相交，每个区域满足灰度、纹理、彩色等特性的某种相似性准则。 图像分割是图像分析过程中最重要的步骤之一，分割出的区域可以作为后续特性提取的目标对象。 图像分割的目的 把图像分解成构成它的部件和对象； 有选择性地定位感兴趣对象在图像中的位置和范围。 从简到难，逐级分割 控制背景环境，降低分割难度 注意力集中在感兴趣的对象，缩小不相干图像成分的干扰。 9.2 边缘检测 9.2.1 边缘检测概述 9.2.2 常见的边缘检测算子 9.2.3 Matlab实现 9.2.4 Visual C++实现 9.2.1 边缘检测概述 1.边缘的定义： 图像中周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。 2.边缘的分类 阶跃状 屋顶状 9.2.2 常用的边缘检测算子 函数f(x,y)在(x,y)处的梯度为一个向量：?f = [?f / ?x , ?f / ?y] 计算这个向量的大小为： G = [(?f / ?x)2 +(?f / ?y)2]1/2 近似为: G ? |?fx| + |?fy| 或 G ? max(|?fx|, |?fy|) 梯度的方向角为： φ(x,y) = tan-1(?fy / ?fx) 可用下图所示的模板表示： 图片演示： 2）Roberts算子 公式： 模板： 特点：与梯度算子检测边缘的方法类似，对噪声敏感，但效果较梯度算子略好。 3) Prewitt算子 公式 模板： 特点：在检测边缘的同时，能抑止噪声的影响. 3）Sobel算子 公式 模板 特点：对4邻域采用带权方法计算差分；能进一步抑止噪声；但检测的边缘较宽。 2、Roberts算子 4）拉普拉斯算子 定义： 二维函数f(x,y)的拉普拉斯是一个二阶的微分定义为： ?2f = [?2f / ?x2 , ?2f / ?y2] 离散形式： 模板：可以用多种方式被表示为数字形式。定义数字形式的拉普拉斯的基本要求是，作用于中心像素的系数是一个负数，而且其周围像素的系数为正数，系数之和必为0。对于一个3x3的区域，经验上被推荐最多的形式是： 拉普拉斯算子的分析： 优点： 各向同性、线性和位移不变的； 对细线和孤立点检测效果较好。 缺点： 对噪音的敏感，对噪声有双倍加强作用； 不能检测出边的方向； 常产生双像素的边缘。 5）Marr算子 Marr算子是在Laplacian算子的基础上实现的，它得益于对人的视觉机理的研究，有一定的生物学和生理学意义。 由于Laplacian算子对噪声比较敏感，为了减少噪声影响，可先对图像进行平滑，然后再用Laplacian算子检测边缘。 平滑函数应能反映不同远近的周围点对给定像素具有不同的平滑作用，因此，平滑函数采用正态分布的高斯函数，即： 2、Roberts算子 例1: 9.3 霍夫变换 9.3.1 直线检测 9.3.2 曲线检测 9.3.3 任意形状的检测 9.3.4 Hough变换直线检测的Matlab实现 9.3.1 直线检测 1、直角坐标参数空间 在图像x-y坐标空间中，经过点（xi，yi）的直线表示为： 其中，参数a为斜率，b为截距。当将xi，yi视为常数，参数a和b看作变量，上式可表示为： 便可变换到参数平面a-b。这个变换就是直角坐标中对于（xi，yi）点的Hough变换。该直线式图像坐标空间中的点（xi，yi）在参数空间的唯一方程。图像坐标空间中另一点（xi，yi）相应的一条直线： 具体算法步骤： 1）将参数空间视为离散，建立一个二维累加数组A(a，b)，第一维范围是直线斜率a的可能范围，第二维是直线截距的可能范围； 2）开始A(a，b)初始化为0，然后对图像坐标空间的每一个背景点(xi,yi)，通过参数空间中每一个a的离散值，计算出对应的b值； 3）每计算出一对(a,b)，将对应的数组员素A(a,b)加1，即A(a,b)=A(a,b)+1。 4）所有计算结束后，在参数空间表决结果中找到A(a,b)的最大峰值，所对应的a0、b0就是原图像中共线点数目最多的直线方程的参数。 5）继续寻找次峰值和第3第4峰值等，它们对应于原图中共线点数目略少一些的直线