第10章节 图像分割.pptVIP

2. 线检测 3. 边缘检测 有噪声的边缘附近的一阶和二阶导数 梯度算子 拉普拉斯算子 10.2 边缘连接和边界检测 10.2.1 边缘连接的局部处理 10.2.2 通过霍夫变换进行整体处理 10.2.3 通过图论技术进行全局处理 10.3 门限处理 10.3.1.基本全局门限 2.基本自适应门限 10.4 基于区域的分割 10.4.1.区域生长 10.4.2 区域分离与合并 10.5 基于形态学分水岭的分割 1.基本概念 2.水坝构造 图搜索的算法： 1.标记开始节点为“开(OPEN)”并置g(s)=0。 2。如果不存在标记为“开”的节点，则失败；否则继续。 3.标记最接近“开”节点的节点n为“关(CLOSED)”，用r(n)=g(n)+c(n)计算得出的此节点的估计值r(n)最小。 4.如果n是一个目标节点，通过使用指针进行反向追踪得到解决路径则退出；否则继续。 5.扩展节点n，得到它的所有后继节点(如果没有后继节点则转到步骤2)。 6.如果一个后继节点n未被标记，则设置:r(ni)=g(n)+c(n，ni) 并将它标记为“开”，并直接将指针反向指向n。 7.如果一个后继节点ni被标记为“关”或“开”，通过下式更新此节点的值： g(ni)=min[g(ni)，g(n)+c(n，ni)] 将这些标记为“关”的后继节点标记为“开”，其g’值被降低，并且从所有那些g’值被降低的节点指针重新指向n。转到步骤2。 通过图搜索寻找边缘 门限处理可看做下列形式函数T的一种操作。 求门限T的算法: 1．选择一个T的初始估计值。 2．用T分割图像。这样做会生成两组像素：G1由所有灰度值大于T的像素组成，而G2由所有灰度值小于或等于T的像素组成。 3．对区域G1和G2中的所有像素计算平均灰度值μ1和μ2。 4．计算新的门限值：T=(μ1+μ2)/2 5．重复步骤2到4，直到逐次迭代所得的T值之差小于事先定义的参数T0。 (a)原图 (b)图像的直方图 (c)使用全局门限T处理图像的结果 (a)原图 (b)图像的直方图 (c)使用迭代估计的门限处理图像的结果 (a)原图 (b)使用全局门限处理后的结果 (c)图像分块 (d)经自适应门限处理后的结果 适当分割的子图 不适当分割的子图 对不适当分割的子图进行自适应分割的结果 第一步：决定初始的种子点。 第二步：确定区域生长选定准则。 (1)任何像素和种子之间的灰度级绝对差必须小于某个值 (2)与此区域中至少一个像素是8连通的。 (a)原图 (b)种子点 (c)区域生长的结果 (d)得到的边界（黑色） 四叉树方法： l.对于任何区域Ri，如果P(Ri)=FALSE，就将每个区域都拆分为4个相连的象限区域。 2.将P(Rj∪Rk)=TRUE的任意两个相邻区域Rj和Rk进行聚合。 3.当再无法进行聚合或拆分时操作停止。 (a)被分割的图像 (b)对应的四叉树 (a)原图 (b)进行拆分和聚合后的结果(c)对(a)进行门限处理后的结果 对图像进行三维可视化处理：其中两个是坐标，另一个是灰度级。 基本思想：假设在每个区域最小值的位置上打一个洞并且让水以均匀的上升速率从洞中涌出，从低到高淹没整个地形。当处在不同的汇聚盆地中的水将要聚合在一起时，修建的大坝将阻止聚合。水将只能到达大坝的顶部处于水线之上的程度。这些大坝的边界对应于分水岭的分割线。所以，它们是由分水岭算法提取出来的(连续的)边界线。 (a)原图像 (b)地形俯视图 (c)被水淹没 (d)被水淹没 (e)进一步淹没 (f)汇水盆地的水开始聚合 (g)长一些的水坝 (h)最后的分水线 最简单的方法是使用形态膨胀 从最低点开始膨胀，获取连通分量的两个条件： (1)膨胀受到q的约束(在膨胀的过程中结构化元素的中心只能定位于q中) (2)在引起集合聚合的那些点上不能执行膨胀(成为单一的连通分量)。 * * 第10章 图像分割 10.1 间断检测 10.2 边缘连接和边界检测 10.3 门限处理 10.4 基于区域的分割 10.5 基于形态学分水岭的分割 10.1 间断检测 对整幅图像使用一个模板进行检测。 1. 点检测 基本思想：如果一个孤立的点与它周围的点很不相同，则易被检测到。 T是一个非负门限 (a)X射线图 (b)点检测结果 (c) 令R1,R2,R3和R4为上述模板的响应，如果︱Ri︱︱Rj︱，j≠i，则此点被认为与在模板i方向上的线更相关。 设置门限可以提取所需的线 (a)二值图像 (b)使用-45°模板检测结果 (c)设置门限得到的结果 (a)理想边缘 (b)斜坡边缘 灰度剖面图 灰度剖面