6.3图像阈值分割.ppt

6 图像分割 6.1 概述 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应用的特征提取出来。 特征：物体(目标)占有区、轮廓、纹理、直方图特征等等。 分割基于的假设： 某一对象的某一部分，其特征都是相近或相同的；不同的对象物或对象物的各部分之间，其特征是急剧变化的。 分割方法分类： ?(1) 相似性分割(区域相关分割) 将具有同一灰度级或相同组织结构的像素聚集在一起，形成图像中的不同区域。 (2)??? 非连续性分割(点相关分割) 首先检测局部不连续性形成边界，然后通过这些边界把图像分成不同的区域。 按算法分：阈值法、界线探测法、匹配法等。 目前，并不存在一种普遍适用的最优方法。由于人的视觉系统对图像分割是十分复杂而有效的，但其分割方法原理和模型尚未搞清楚。 6.2 边缘检测算子 6.2.1 简单边缘检测算子 6.2.2 Marr边缘检测方法 1)???? 基本原理 一维分析：设计滤波器 ，满足条件： (1) 为偶函数。 (2) ；保证信号经平滑后，均值不变。 (3) 一阶、二阶可微。 边缘检测方法为： 检测 的局部最大值 或 的过零点。 常用的平滑滤波器为高斯函数。 　　2）Marr边缘检测算子 　　　　　　　　　　　圆对称函数，　 控制平滑作用。 　　Marr提出了用拉氏算子替代 　　的零交叉点作为边缘点。 LOG滤波器的特点： 有效地消除一切尺度远小于高斯分布因子　的图像强度变化； 采用　　减少计算量，标量，具有旋转不变性； 用Marr方法求得零交叉点中包含了比边缘位置更多的信息。零交叉点的斜率和方向反映了原图像边缘的强度和方向。 实际作卷积运算时，取一个　　的窗口，　　，效果较好。由于　　有无限长拖尾，　太小会过分截去拖尾。 4）Marr边缘检测算法的两个主要步骤 （1）利用二维高斯函数对图像进行低通滤波。 （2）使用拉普拉斯算子对其进行二阶导数运算（即LOG滤波器，p195式6.2.19），提取运算后的零交叉点作为图像的边缘。 LOG模板的构造 　　在实际运用Marr边缘检测算法时，首先根据LOG算子构造一个尺寸为N*N的LOG模板，即对其进行有限大小的数字化。 为了得到满意的检测结果，所构造的LOG模板应能满足： 数字化后的LOG模板的形状应能保持原LOG算子的大体形状特征. 模板的系数总和必须为零，以保证在灰度级不变的区域中模板的响应为零。 用LOG模板对数字图像检测时应保证模板的系数均为整数。 LOG模板呈中心对称，下面仅给出第一象限的模板系数 6.2.4 用Facet模型检测边缘 用一个平滑的曲面函数的导数来替代直接的数值导数。 （2n+1）* （2n+1）的对称区域 例6.2(p201) 步骤： a. 将 　　　空间量化成许多小格； b.每个小格作为一个累加数组，每个元素的下标对应于变换空间中各点的位置，其元素值表示通过该点的曲线条数。初始化时，各元素的值为零； c. 若待检测共线的像素值为1，背景的像素值为0，则对图像空间中每个值为1的点，在变换空间中找到与其对应的曲线，并将处于该对应曲线范围内的各累加数组元素的值加1； 　d.找累加数组阵列中的峰值点。峰点的位置对应于图像空间中待检测线的位置，峰的高低反映了待检测线上像素点的数目。 有关Hough变换的详细内容可以参考：Daisheng Luo, Pattern recognition and image processing, Chichester, Horwood Publishing, 1998 (This book is specifically aimed at object shape,orientation, and arrangement analysis and classification)。 有关Hough变换的的综述可以参考：Illingworth, J. and Kittler, J. (1988) Asurvey of the Hough transform. Comput.Vision, Graphics, Image Processing, Vol.22, pp.87-116. 6.3 图像