数字图像处理--第6章 图象分割-2.ppt

? 对于边界上的n个点的点集，找出共线的点 集和直线方程。 ?? 对于任意两点的直线方程：y=ax+b 构造一个参数a,b的平面，从而有如下结论： 如果点(x1,y1)与点(x2,y2)共线，那么这两点 在参数ab平面上的直线将有一个交点在参数ab 平面上相交直线最多的点，对应的xy平面上的 直线就是我们的解.  例,用哈夫变换检圆. 图a是一幅256?256灰度合成图，内有一灰度值160半经为80的圆目标，背景灰度值96。整幅图迭加了在[-48,48] 间均匀分布的随机躁声。求圆心:设半径已知.图B用Sobel求梯度取阈值得边缘.图C哈夫变换得累加器图象,亮点为圆心.图D因半径已知得圆周 6.4.2 动态规划 6.5 并行区域技术 假设一幅图像仅包含两个主要的灰度级区域。令z 表示灰度级值，则两个灰度区域的直方图可以看作它们概率密度函数(PDF)的估计p(z) p(z)是两个密度的和或混合。一个是图像中亮区域的密度，另一个是暗区域的密度. 如果p(z)已知或假设，则它能够确定一个最佳阈值（具有最低的误差）将图像分割为两个可区分的区域 假设2个PDF中较大的一个对应背景的灰度级，较小的一个描述了图像中对象的灰度级，则混合PDF是 在区间[a,b]内取值的随机变量的概率是它的概率密度函数从a到b的积分，即在这两个上下限之间PDF曲线围住的面积，因此，将一个背景点当作对象点进行分类时，错误发生的概率为： 为了找到出错最少的阈值，使用莱布尼兹法则把E(T)对T求微分并令结果等于0，得到 高斯密度可以用两个参数均值和方差描述 出错最少的阈值T的解: 统计值的获取 （1） d)曲线上对应目标或背景内部的灰度统计值得图a) （2）在d)曲线上对应目标或背景内部的梯度值小而目标或背景过渡区的梯度值大。对梯度值进行统计得图C）梯度直方图C)中的两个峰值分被对应目标或背景内部区和过渡区 目标或背景变换的直方图可分为两类： （1） 具有低梯度值象素的直方图,在边界上的象素具有较高的梯度值。峰谷变深。（a)图 （2）具有高梯度值象素的直方图，对目标和背景的边界象素灰度级处有一个峰,这个峰由边界象素组成，对应这个峰的灰度值可选作分割用的阈值(b) 图 6.6串行区域技术 6.7分割的评价 如果图象中有多个灰度值不同的区域则可选择一系列阈值将每个象素分到合适的类别中去，称为多阈值方法。可表示为： g(x,y)=k if Tk-1f(x,y)Tk k=0,1,…K 阈值分割法分类 1.仅根据f(x,y)确定，所得的阈值仅与各个图象本身有关，因此时确定阈值对全图的使用,称为全局阈值。 2.根据f(x,y)和g(x,y)确定，所得的阈值与区域性质有关，称为局部阈值。 3.根据f(x,y)和g(x,y)，以及x,y确定，所得的阈值与坐标性质有关，称为动态阈值。 6.5.2 根据象素选取阈值 最简单的阈值选取方法： 根据直方图进行 取双峰直方图两峰之间的谷为阈值 1.极小值点阈值 选取直方图包络曲线的谷。设h(z)代表直方图，极小值应满足： ?h(z) ?2 h(z) ?z ?z2 0 2.最优阈值 当目标和背景的灰度有部分交差，一个全局阈值不能将它们分开，为了减少误分割的概率，可利用概率分布选取阈值，使得误分割的概率最小。 0 P1是属于对象像素的概率，P2是属于背景像素的概率，假设图像只包括对象和背景，则 P1+p2=1 这是在曲线p2(z)下方位于阈值左边区域的面积 将一个对象点当作背景点进行分类错误发生的概率为 这是在曲线p1(z)下方位于阈值右边区域的面积 出错率的整体概率是 如果P1=P2，则最佳阈值T位于曲线 p1(z)和p2(z) 的交点处 上式解出T，即为最佳阈值. 6.5.3 根据区域选取阈值 当图象受到噪声影响时，原本分离的谷可能被填充，使得峰谷的检测比较困难。 可利用图象象素本身及邻域的局部信息选取阈值。 1.直方图变换 利用象素邻域的局部性质将原来的直方图变换成一个新的，利于检测的直方图。常用的局部信息是象素的梯度值。 图b给出图象中一段边缘的剖面（横轴为空间座标，竖轴为灰度值）分三部分各自给出统计值 灰度统 计值 梯度统计值 边缘剖面的梯度 6.5.4根据坐标选取阈值 当图象各处的对比度不同时，如果只用一个固定的阈值对整个图象进行分割，则不能兼顾各处的情况。 使用与坐标相关的阈值，称为动态阈值。这种方法称为变化阈值法。 基本思想： 将图象分解