视频监控与视频第五章图像分割1答案.ppt

图像分割技术 Image Segmentation;7.1 图像分割概述;图像分割：是指根据灰度、彩色、纹理等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。 ;彩色图像分割;;图像;例： 车牌识别;图像分割的依据;图像分割有两种不同的方法： 其一是将各像素划归到相应物体或区域的像素聚类方法, 即区域法，或相似性法； 其二是首先检测边缘像素， 再将边缘像素连接起来构成边界形成分割，称为非连续性分割法。; ? 图像分割的算法分类;? 图像分割的基本思路 从简到难，逐级分割； 控制背景环境，降低分割难度； 把焦点放在增强感兴趣对象，缩小不相干图像的干扰上。 ; 图像的大部分信息都存在于图像的边缘中，主要表现为图像局部特征的不连续性，即图像中灰度变化比较剧烈的地方。因此，我们把边缘定义为图像中灰度发生急剧变化的区域边界。 边缘特点：沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈 。 图像的边缘是图像最基本也是最重要的特征之一。;图像边缘;;图像;;; Prewitt算子 模板; Sobel算子为： Py = (z7 + 2z8 + z9) - (z1 + 2z2 + z3) Px = (z3 + 2z6 + z9) - (z1 + 2z4 + z7) 梯度值：;Roberts算子 Prewitt算子 Sobel算子;;这几种算子都能实现中心定位，但对噪声都比较敏感，尤其是Laplacian算子，它是二阶微分算子，对噪声的放大能力更强于其它的一阶微分算子，不利于边缘分析。实用的策略是应当先对图像去噪声。若先对图像平滑处理，抑制噪声，再求微分，则为Laplacian-Gauss 、Canny等算子；若对图像进行局部线形拟合，再用拟合得到的光滑函数的导数代替直接的数值导数，则为Facet模型检测边缘算子。 ;;模板; 特点： 与高斯滤波器进行卷积，既平滑了图像又降低了噪声，孤立的噪声点和较小的结构组织将被滤除。 ;;edg0.m;检测边缘：寻找零交叉点，检测黑色和白色区域之间的过渡点;Canny算子与LOG算子比较;;;如何确定边缘像素的相似性？ ?? 边缘像素梯度算子的响应强度（梯度值） ?? 边缘像素梯度算子的方向;;? 跟踪处理的分析方法： 利用边缘像素梯度的相似性 对做过边检测的图象的每个点的特性进行分析 分析在一个小的邻域（3×3或5×5）中进行 所有相似的点被连接，形成一个享有共同特性象素的边界 用比较梯度值的幅度和梯度方向确定两个点是否同属一条边。;? 连接处理的分析方法：;? 连接算法描述： 1）设定A、E的阈值大小，确定邻域的大小 2）对图像上每一个像素的邻域点进行分析， 判断是否需要连接。 3）记录像素连接的情况，给不同的边以不同的标记。 4）最后，连接断开的线段，删除孤立线段。;;;? 边界跟踪方法二;;;; 单阈值图像分割 首先，确定一个合适的阈值T（阈值选定的好坏是此方法成败的关键）；其次，将大于等于阈值的像素作为物体或背景，生成一个二值图像。;yuzhifenge.m;(a);;;;假设一幅图像仅包含两个主要的灰度级区域。令z表示灰度级值，则两个灰度区域的直方图可以看作它们概率密度函数(PDF)的估计p(z)； p(z)是两个密度的和或混合。一个是图像中亮区域的密度，另一个是暗区域的密度； 如果p(z)已知或假设，则它能够确定一个最佳阈值（具有最低的误差）将图像分割为两个可区分的区域。;; 当我们选取阈值T时，使得所有灰度值小于T的像素被认为是目标点，而所有灰度值大于T的像素可以被认为是背景点。此时，背景点误判为目标点的概率为: ;;;;yuzhifengediedai.m;;一个全局阈值处理后的结果：人工设置直方图的波谷为阈值;yuzhifengead.m;4 基于区域的分割 ;;;以像素灰度为特征进行区域生长;;regiongrow0.m;;;;;;;;;;;;;如果阈值化处理只是在单个颜色分量上进行,则由于忽略了3个颜色分量间的相关性,因此提取区域不能同时考虑3个颜色分量的信息。若能够找到一条直线,使得投影在其上的3维空间的点能够很好地分开,这样既能对颜色空间进行降维处理,又可以同时利用3 个颜色分量的信息。;;; RGB空间图像分割;D(z，a)≤D0的点的轨道是半径D0为的实心球(图a)。包含在球内部和表面上的点符合特定的彩色准则。 ;RGB空间图像分割;习题;基于图论的图像分割(Graph-Cut);;;;;;;;;;;;The st-