计算机视觉贾云德chapter04.pdfVIP

第四章 区域分析 图像中的区域是指相互连结的具有相似特性的一组像素．由于区域可能对应场景中的物 体，因此，区域的检测对于图像解释十分重要．一幅图像可能包含若干个物体，而每一个物 体又可能包含对应于物体不同部位的若干个区域．为了精确解释一幅图像，首先要把一幅图 像划分成对应于不同物体或物体不同部位的区域． 4 ．1 区域和边缘 图像区域划分有两种方法：一种是基于区域的方法，另一种是使用边缘检测的轮廓预估 方法．在基于区域的方法中，把所有对应于一个物体的像素组合在一起，并进行标记，以表 示它们属于一个区域，这一处理过程称为分割．在某一评判标准下，把像素分配给某一区域， 就可以把这些像素同图像其余部分分开．图像分割中的两个最基本的原则是数值相似性和空 间接近性．如果两个像素具有相似的强度特性，或它们之间十分靠近，则可以把它们分配到 同一区域，例如，两个像素之间的数值相似性度量可以是它们的灰度值之差，也可以是区域 灰度值分布；它们的空间接近性度量可以是欧几里德距离，也可以是区域致密度． 相似性和接近性原则来源于如下假设：同一物体上的点投影到图像上得到的像素点在空 间上十分靠近，且具有相似的灰度值．很显然，这一假设并不是在任何情况下都成立．然而 可以使用这一假设来组合图像中的像素，然后利用相关域知识来匹配物体模型和区域．在简 单的情况下，可以通过阈值法和连通成份标记法来进行图像分割，这一点在第三章讨论过 了．对于复杂的图像，可以使用更高级的方法实现图像分割． 分割也可以通过求取区域边界上的像素来进行．这些像素点（也称为边缘）可以通过搜 寻邻近像素的方法来得到．由于边缘像素是在边界上，在边界两边的区域具有不同的灰度值， 这样，区域的边界可以通过测量邻近像素差值来求取．尽管边缘检测可能使用诱导特性（如 纹理和运动）来检测边缘．但大多数边缘检测器仅使用强度特性作为边缘检测的基础． 在理想的图像中，一个区域是由一条封闭轮廓线包围着．原则上，区域分割和边缘检测 应该产生相同的结果，即使用边界跟踪算法可以得到区域的边缘（或封闭的轮廓线）；反过 来，使用区域填充算法也可以得到边缘所包围的区域．但在实际的图像中，很少能够从区域 中得到正确的边缘，反之亦然．由于噪声和其它因素的影响，不论是区域分割还是边缘检测， 都无法提供完整的信息． 本章将讨论区域的基本概念，主要集中在两个问题上：图像分割和区域表示． 4 ．2 分割 P () 已知一幅图像像素集 和一个一致性谓词 ，求图像 表示成 n 个区域 集合的一 I I R i 种划分： n R I （４．１）  i i 1 一致性谓词和图像划分具有如下特性，即任何区域满足如下谓词： P(R ) True （４．２） i 39 任何两个相邻区域不能合并成单一区域，必满足谓词： P(Ri Rj ) False （４．３） P () 一致性谓词 定义了在区域 上的所有点与区域模型的相似程度．