第五章图像分割基础s.pdf

图像分割基础 福州大学数学与计算机学院 陈昭炯 2015年5月31 日 •对图像数据进行分析的最重要的手段之一 •其目标是将图像分成若干个真实世界中具有强关联的对 象或区域 •针对某些选定的性质如亮度、色彩、反射率、纹理等， 图像被划分成相互隔离的同质区 •不存在完美的分割技术，只有合适于图像数据的技术 图像分割的含义 定义：将图像R分割成R ,i 1,2, ,n 是指： i n 1。 Ri R i 1 R ,i 1,2, ,n 2 。 i 是一组相互连接着的区域 R R , for i j ;i,j 1,2, ,n 3 。 i j P(R ) true,i 1,2,,n 4 。 i 5 。P(R R ) false , 对所有相邻的区域R , R i j i j P （）是定义在区域上的逻辑谓词，其内容是相似性判断准则 图像分割方法的分类 基于阈值的分割方法 依图像的特征确定若干阈值，将图像中每个像素的特征值 与阈值比较，根据比较结果将像素分类。  Histogram shape based  Optimal Thresholding 基于边缘的分割方法 检测图像的边缘并做后处理，将图像分成不同边缘线围成的 区块  Edge image threshold-relaxation  Border Tracing  Graph Search/Dynamic programming  Hough Transform 图像分割方法的分类 基于区域的分割方法 以区块为处理对象，按照相似性准则将图像分成不同的区域。  Region-growing  Region split-and-merge  Watershed transform 基于图论的分割方法 把图像分割问题与图的最小割（min cut ）问题相关联，通 过移除特定的边，将图划分为若干子图从而实现分割。  GraphCut  GrabCut  Random Walk 图像分割方法的分类 基于能量泛函的分割方法 主要是活动轮廓模型（active contour model ）及扩 展算法，其基本思想是使用连续曲线来表达目标边 缘，通过定义一个能量函数来控制曲线的特征，将 求解目标轮廓的问题转化为求解能量泛函的最小值 问题。  参数活动轮廓模型  几何活动轮廓模型 简单的分割问题是指： •在一致性的背景下具有强对比关系的前景对象 •简单的装配任务，血细胞，打印字符等 •复杂场景的完整、正确的分割需要后续技术 •通常将粗分割作为高级处理的预处理 灰度阈值法（1） 1, f (x , y ) T  g (x , y )  (1) 0, f (x , y ) T  | B | B |