数字图像处理（翟瑞芳）第7章-image segmentation.pptVIP

步骤1： 首先按从上到下， 从左到右的顺序扫描图像， 寻找没有标记跟踪结束记号的第一个边界起始点A0， A0是具有最小行和列值的边界点。定义一个扫描方向变量dir， 该变量用于记录上一步中沿着前一个边界点到当前边界点的移动方向， 其初始化取值为 (1) 对4连通区域取dir = 3， 如图7-18(a)所示；  (2) 对8连通区域取dir = 7， 如图7-18(b)所示。 图7-18 方向变量的初始化 步骤2： 按逆时针方向搜索当前像素的3×3邻域， 其起始搜索方向设定如下：  (1) 对4连通区域取(dir + 3)mod 4；  (2) 对8连通区域， 若dir为奇数取(dir + 6)mod 8； 若dir为偶数取(dir + 7) mod8。 在3×3邻域中搜索到的第一个与当前像素值相同的像素便为新的边界点An，同时更新变量dir为新的方向值。 步骤3：如果搜索到的边界点是第一个边界点A0 ， 则停止搜索，结束跟踪，否则重复步骤2继续搜索。 步骤4：由边界点A0、A1、A2、…、An-1构成的边界便为要跟踪的边界。 算法中步骤1中所采用的准则称为“探测准则”， 其作用是找出第一个边界点；步骤2中所采用的准则称为“跟踪准则”，其作用是找出所有边界点。  ????????????????????????????????????????????????????????????????????????????????????????????????????????????????? 二值图象闭合边界的轮廓跟踪算法: ( P97 例5-19） 轮廓跟踪示例 7.3.2 轮廓提取 二值图像轮廓提取的算法非常简单， 就是掏空内部点： 如果原图像中有一点为黑，且它的8个邻点都是黑色时，说明该点是内部点，将该点删除（置为白色像素值255）。对图像中所有像素点执行该操作便可完成图像轮廓的提取。 本 次 授 课 结 束 谢 谢 ！ * * 条件（1）和（2）表明分割准则适用于所有的区域和像素； 条件（3）和（4）表明分割准则应能帮助确定各区域像素具有代表性的特性。 这表示正态分布时，最佳阈值可按上式求得, 不是正态分布时，则可用上页公式确定最小误差的阈值 。 * * (5)最小误差分割（最优阈值法） 设目标的像点数占图像总点数的百分比为 ，背景点占 ， 混合概率密度为: 当选定门限为 时， 目标点错划为背景点的概率为: 背景点错划为目标点的概率为: 则总错误概率为: 令: 则： 对正态分布 ， 有: 当 时， 若先验概率已知，例如， ，则有 7.1.3 局部阈值 在实际应用中，图像常常受到噪声等的影响而使原本分离的峰之间的谷被填充。此时，可利用像素领域的局部性质进行阈值的选取。 基本思想：利用像素邻域的局部性质变换原始直方图得到新直方图。新直方图与原始直方图相比，或者峰之间的谷更深，或者谷转变成峰而更易检测。直方图变换法和散射图法。 常用的像素邻域局部性质是像素的梯度值或拉普拉斯值。 直方图变换法 借助邻域性质变换原来的直方图 ① 获得低梯度值象素的直方图 峰之间的谷比原直方图深 ② 获得高梯度值象素的直方图 峰由原直方图的谷转化而来 2. 灰度-梯度散射图 2D直方图 2-D图象 1个轴是灰度值轴 1个轴是梯度值轴 7.1.4 动态阈值 （基本自适应阈值） 单一全局阈值存在的问题 ：不均匀，亮度图像无法有效分割 方法： 将图像进一步细分为子图像，并对不同的子图像使用不同的阈值处理 解决的关键问题：如何将图像进行细分和如何为得到的子图像估计阈值 自适应阈值：取决于像素在子图像中的位置 步骤： 将整幅图像分解成为一系列相互间有50%重叠（或不重叠）的子图像； 检测各子图像的直方图是否具有双峰性质。是，则采用最优阈值确定