图象分割-上-xyz课件.pptVIP

* * 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 图像输入 光电变换 数字化 图像增强 图像恢复 图像编码 预处理 阈值分割 边缘检测 区域分割 图像分割 图像识别 图像分析理解 描述 解释 特征提取 一般的图像处理过程 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 自动分割算法 6.2 阈值分割 1 阈值分割原理 非理想情况，各段的分界不明显， 3种误差 a）增加了新的区域，b）失去了原有的区域，c）区域分割 边界定位不正确 动态门限：把图像分成子图像，子图像做直方图，再定不同的门限 T P(z) q(z) z p o 2 阈值的选取 ★最小误差阈值选取法 假设图像中目标及背景的灰度为正态分布，其灰度分布概率密度函数分别p(z), q(z).设对象物占整体图像的比例为t，此时整体图像的灰度概率密度有下式决定 现在用阈值T分开：当zT 时为背景，反之则是对象物。 目标和背景概率密度分布 6.2 阈值分割 求上式最小值时的t，便是阈值.即对上式求微分 该方法必须用两个已知正态分布的曲线合成来近似直方图的分布，还要给定两个正态分布合成的比例t, 实现起来比较复杂 把背景误认为对象物的概率: 把对象物误认为背景的概率: 错误区分的概率: 根据假设，当t, p(z), q(z) 已知时，可求解阈值T. 6.2 阈值分割 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 6.2 阈值分割 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 从1~m之间改变T,求上式为最大值时的T,既是最大方差阈值 6.2 阈值分割 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: 6.2 阈值分割 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。 亮 暗 暗 暗 暗 6.2 阈值分割 ?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。 ?多特征阈值分割 a 灰度及平均灰度(3×3区)二维直方图 －－若集中于对角线区则表示灰度均匀区。 －－若远离对角线者（灰度与平均灰度不同）是区之边界。 （近对角线构成直方图有明显峰值及阈值，远离对角线者可用灰度平均值作为阈值，用于区分两个区）。 灰度 平均灰度 边界 边界 目标 背景 b灰度与灰度梯度图 梯度 灰度 边界 目标 背景 c 多波段： R、G、B可分别组成R-B, G-B, R-B两维直方图，图上强