宋怀波第13讲：图像分割分析.ppt

6.1 灰度阈值法 6.2 边缘检测 6.3 区域分割 6.4 Hough变换;分割：按照一定的规律将图像或景物分成若干个部分或 子集的过程 目的：将图像中有意义的特征或需要的特征提取出来 特征：物体(目标)占有区、轮廓、纹理、直方图特征等 1）按幅度不同来分割各个区域：幅度分割 2）按边缘不同来划分各个区域：边缘检测 3）按形状不同来分割各个区域：区域分割;;6.1 灰度阈值法;6.1 灰度阈值法; 以一定的准则在原始图像f（x,y）中找出一合适的灰度值作为阈值，则分割后的图像g（x,y） 如： 一般表示为：;6.1.1 阈值分割;（1）双峰法需要先验知识，因为同一直方图可以对应若干种不同的图像，直方图不描述这些像素的任何位置信息。只根据直方图选择阈值不一定合适．还要结合图像内容和分割结果来确定。 （2）该方法不适用于双峰差别很大或双峰间??谷比较宽广而平坦的图像，以及单蜂直方图的情况。; 最佳阈值:使图像中目标和背景分割错误最小的阈值。 设一幅图像只由目标物和背景组成，已知灰度分布概率密度分别为 和 ，目标物像素占全图像像素比是 。假定选用的灰度级阈值为 ，总的错误概率： 求导，并令其等于零，得解;6.1.1 阈值分割;迭代阈值法的实现过程;6.1.1 迭代阈值法分割举例;迭代阈值法的进一步思考;迭代阈值法的初始阈值选择;迭代阈值分割示例;;两组间的方差：;实现过程: 从T从1~m逐一改变,每变一次,对应一个 ， 具有最大 的T即是最佳阈值. 讨论： * 此方法可操作性强； * 无论图像有无双峰都可得到较满意结果； * 局部图像二值化效果更好； * 可推广到双阈值、多阈值图像的分割。;6.3.1 区域生长 6.3.2 分裂合并 6.3.3 水域分割;6.3 图像区域分割概述;6.3 图像区域分割概述;6.3 区域分割;6.3.1 区域生长法;例：;6.3.1 区域生长法;问题 1. 如何选择或确定一组能正确代表所需区域的种子像素？ 具体问题具体分析 先验知识（如：军用红外图像中检测目标时，选最亮的像素作为种子） 无先验知识（可根据直方图选取灰度中像素个数多的像素作为种子） 2. 如何确定在生长过程中能将相邻像素合并的准则？ 具体问题相关（目标和背景的像素分布特点） 图像数据种类（单色、灰度还是彩色） 像素间的连通性和邻近性 3. 如何制定让生长过程停止的条件或规则？ 一般是没有满足生长的像素 应考虑图像的局部性质（灰度、纹理和彩色） 目标的全局性质（尺寸、形状等）;生长准则和过程 区域生长的关键是选择合适的生长或相似准则 1、基于区域灰度差 基本方法：种子像素的灰度值与邻域像素的差 改进：先合并具有相同灰度的像素，然后求出所有邻接区域间的平均灰度差，合并最小灰度差的邻接区域，重复上述步骤直到没有区域合并。;2、基于区域灰度分布统计性质 基本方法：以灰度分布相似性作为生长准则来决定区域的合并 步骤： 1、把图像分成互不重叠的小区域； 2、比较邻接区域的累积灰度直方图，根据灰度分布的相似性进行区域合并； 3、重复2，直到满足终止条件。;灰度分布相似性的两种检测方法： （1）Kolmogorov-Smirnov 检测 （2）Smoothed-Difference检测 ;6.3.2 分裂合并;6.3.2 分裂合并;6.3.2 分裂合并;6.3.2 分裂合并;6.3.3 分水岭分割(Watershed Segmentation);6.3.3 分水岭分割;6.3.3 分水岭分割;6.3.3 分水岭分割;6.3.3 分水岭分割;6.3.3 分水岭分割;6.3.3 分水岭分割;6.3.3 分水岭分割;;6.3.3 分水岭分割;6.3.3 分水岭分割;6.3.3 分水岭分割; 原细胞图像 经典的canny梯度 ;6.4 Hough变换;6.4 Hough变换;;Hough变换的优点是抗噪声能力强，能够在信噪比较低的条件下，检测出直线或解析曲线。 缺点是需要首先做二值化以及边缘检测等图像预处理工作，损失掉原始图像中的许多信息。;;;6.4.2 广义Hough变换;