图象分割(上》_xyz.ppt

第六章 图象分割 6.1概述 图象处理有两大类目的： 1．改善象质（增强、恢复） 2．图象分析：对图象内容作出描述;第六章 图象分割 6.1概述 图像分析：（也叫景物分析或图像理解） 可看作是一种描述过程，主要研究用自动或半自动装置和系统，从图像中提取有用测度，数据或信息生成非图的描述或表示。 图像分割：将图像中有意义的特征或需要应用的特征提取出来。 （简单而又难于实现的最基础的识别工作。由于目标特征不均匀，图像中有噪声——分割困难。图象几何性质与象素位置有关，与灰度值无关。往往以二值图像作为研究对象，对噪声的敏感性处理不好，将严重影响分析结果。 ）; 人的视觉系统对图像分割是十分复杂的，也是相当有效的。但分割原理和模型都未搞清楚。 分割方法分类： ?人机交互－－手工勾画，训练区办法。 ?阈值法－－（与对象有关） ?边缘检测法：边缘检测算子－－已知算子 ?生长法，贯序分割法，松弛法（Relaxation） ⑤其它 模板匹配－－已知模板 最佳曲面拟合－－已知函数 纹理检测;6.2 阈值分割;T;求上式最小值时的t，便是阈值.即对上式求微分 ;2 阈值的选取 ★最大方差阈值选取法 也叫大津阈值,把直方图在某一阈值处分割成两组，当被分成的两组间方差为最大时，决定阈值.设一幅图像的灰度值为1~m级，灰度值i的像素数为ni，则像素总数 各值的概率 , 用T将其分成两组C0={1~T}和C1={T+1~m}，各组产生的概率如下： C0和C1产生的概率分别为 和;2 阈值的选取 ★最大方差阈值选取法 C0和C1的平均值分别为 和 其中, 是整体图像的灰度平均值, 是阈值为T时灰度平均值 两组间的方差用下式求出 ;2 阈值的选取 ★最大方差阈值选取法 可以将最大方差阈值推广到双阈值分割,根据上面的公式推广为:;3 影响图素：噪音、照度不均匀，结构特征。 注意：人的识别不是绝对值，而是对灰度变化最敏感。 ?简单情况下取直方图谷值点作分割阈值。 ?图象中有噪音干扰，先做平滑处理，后取门限。 ?光照不均匀： ａ先修正光照不均匀，再取门限。 b 分区分割 目的：减少光照不均匀而影响的分割效果。 ;?多波段： R、G、B多幅直方图同时出现谷值。 ?取局部特征：如纹理——粗糙度 此结构特征优于灰度特征，因为与结构有关，若取局部特征，并对局部特征图平滑之后，再取阈值，则效果更好。;b灰度与灰度梯度图;6.3 边缘检测法;1 边缘检测原理： 梯度对应一阶导数，对于一个连续图像函数f(x,y):; ?求导取阈值——抽取边界，实质是在图像梯度图上取阈值来找出边缘。 算子：Robot、Sobel等。 ?曲面拟合法 以某一点的邻域的灰度拟合成某一曲面，将拟合后曲面梯度作为该象素点的梯度。 如最简单用z = f(x,y) = ax+by+c函数与f(x,y), f(x+1,y), f(x,y+1), f(x+1,y+1)拟合  拟合误差： E(a,b,c) = [ax+by+c-f(x,y)] 2 + [a(x+1)+by+c-f(x+1,y)] 2 + [ax+b(y+1)+c-f(x,y+1)]2 + [a(x+1)+b(y+1)+c-f(x+1,y+1)]2 ;;区域分割：利用的是图像的空间性质，认为分割出来的属于同一区域的像素应具有相似的性质.;区域生长法---关键问题 a) 选择或确定一组能正确代表所需区域的种子像素 人机交互、通过直方图峰值 b) 确定在生长过程中能将相邻像素包括进来的准则，即生长准则 基于区域灰度差方法、基于区域内灰度分布统计性质方法、自适应阈值结节检测法;区域生长法生长准则——基于区域灰度差方法;讨论： 生长准则与欠分割或过分割现象;区域生长法生长准则——基于区域内灰度分布统计性质 ;灰度直方图h(x)的累积灰度直方图被定义为： ;区域生长法生长准则——自适应阈值结节检测法 先从目标（结节）上一个小种子点的象素开始生长，当所谓孤立对照（Isolation Contrast Integral）值达到最大时停止生长。 说明： ? 种子点选取：3×3或5×5等区中间灰值最大点。