数字图像处理课件第7章：图像分割.pptVIP

7.0 概述 数字图像处理主要有两个目的: 一是对图像进行加工和处理，得到满足人的视觉和心理需要的改进形式。如前面几章介绍的图像增强和图像恢复。 二是对图像中的目标物（或称景物）进行分析和理解.包括： （1）把图像分割成不同目标物和背景的不同区域（本章）； （2）提取正确代表不同目标物特点的特征参数，并进行描述（第8章）； （3）对图像中目标物进行识别和分类（第9章）； （4）理解不同目标物，分析其相互关系，从而指导和规划进一步的行动计算机视觉）。 边缘与导数(微分)的关系 梯度幅度为 (7.2.10) 或 (7.2.11) 或 (7.2.12) 根据不同图像需要来选用上述三种梯度幅度公式，所得结果称为梯度图像 。 为检测边缘点，可选取适当的阈值T，对梯度图像进行二值化，即 这样就形成了一幅边缘二值化图像，其中为1的像素点就是阶跃状边缘点。据此可得到正交梯度法检测边缘点的过程如图7.2.3所示： 图7.2.5 五种梯度算子的边缘点检测实例 2.LoG算子法 高斯—拉普拉斯(LoG:Laplacian of a Gaussian)边缘检测算子，简称LoG算子法 。 优点:先采用高斯算子对原图像进行平滑，然后再施以Laplacian算子，可克服Laplacian算子对噪声敏感的缺点，减少噪声的影响。 二维高斯函数： 则连续函数f(x,y)的LoG边缘检测算子定义为： 式中 算子H(x,y)是一个轴对称函数，其横截面如图7.2.14所示。由于它相当平滑，能减少噪声的影响，所以当边缘模糊或噪声较大时，利用检测过零点能提供较可靠的边缘位置。 Laplacian算子和 LoG算子处理后的结果对比 (a)原图像; (b)、(c)分别是 4邻域和8邻域 的Laplacian检 测结果; (d)LoG检测结果。 ▓ 光栅扫描跟踪法 方法:按照电视光栅行的扫描顺序，对遇到的像素进行阈值判定而实现的边缘跟踪方法. 优点:实现简单 缺点:若线条灰度值自上而下由小变大，则开始阶段就检测不到线条。此外，若跟踪线的方向接近水平，用自上而下的扫描方式也可能漏跟。 光栅扫描跟踪法的实施步骤 ： （c）点 (d)曲线 ▓灰度门限的确定 1.极小值点阈值 取直方图谷值对应的灰度值作为分割阈值，设h(t)代表直方图，则极小值点应满足： 2.最优阈值 当目标物区域与背景区域的平均灰度值差别不大，或者由于噪声干扰，图像灰度直方图没有明显的双峰一谷特征时，需要寻找最优阈值。这里的最优是要求错分概率达到最小。 设一幅图像目标物和背景的灰度分布概率密度函数分别为 和 ，若已知背景和目标物像素出现的先验概率（其出现像素个数占图像像素个数比例）分别为 和 ，且有 ，则图像的混合概率密度函数为： 如果设置灰度门限 将目标物和背景区分开，即 如果 ,则 目标物 ； 如果 ，则 背景。 将1个目标物像素错分为1个背景像素的概率为： 将1个背景像素错分为1个目标物像素的概率为： 选取阈值T的总的错分概率： 令上式最小,即 ，得 若已知 、 和 ，在理论上就可以求出最优门限。 假设图像的目标物和背景的灰度为高斯型分布，其概率密度函数： 取对数得到： 求解便可以得解 和 ，选择其中合理的一个即为最优门限值。当 ，只存在1个最优阈值： 当 ，则最优阈值就是2个区域灰度均值的平均值，即 最优阈值分割示例 3.迭代阈值 迭代阈值法是阈值法图像分割中比较优秀