第六章 图像分割2012.pdfVIP

第六章 图像分割 （Image Segmentation) 北京信息科技大学 光信系 图像分割 • 把图像分成互不重叠而又各具特性的子区域，这里的特 性可以是像素的灰度、颜色、纹理等。 •设集合I代表整个图像区域，图像分割问题就是决定子集 k (1) I  RK k 1 (2) Rj RK  （3）在某种标准下，每个子集的内部像素相似，而不同子 集间的像素差异明显； （4 ）每一个子集是连通的。 图像分割目的 • 图像分割目的是得到感兴趣区域及其边界，而非 图像中所有组成区域； • 符合人类视觉特性。 应用 • 在诸多领域具有广泛的应用。 • 基于内容的图像检索 • 机器视觉 • 文字识别 • 指纹识别 • 生物医学图像处理方面的病变检测和识别 • 军事图像处理方面的地形匹配与目标制导 • 工业图像处理方面的无损探伤和非接触式检测 • MPEG-4 图像视频压缩 方法分类 • 分为基于区域特征的方法、基于边界特征的方法和基于相 关匹配的方法三大类。 • 基于区域特征的方法所依据的是灰度、颜色、纹理等某些 一定空间范围内的图像局部特征，在这些特征下目标和背 景区域内部具有一定程度的相似性； • 基于边界的方法认为不同区域之间往往在灰度上存在着较 快的过渡和跃变，因而会有一条或多条分界线存在，如果 能够找到这个边界，也可以实现分割； • 基于匹配的方法则根据已知目标的特征建立相应的模板将 特殊目标分离出来。 阈值分割 边缘检测 图像匹配 图像分割算法评价 • 由于图像内容的多样化，以及模糊、噪声等的干扰，图像 分割一直是个难题，没有普适性的分割方法和通用的分割 效果评价标准，分割的好坏必须结合具体应用评价。 • 好的分割算法基本特征： • 有效性 • 整体性 • 精确性 • 稳定性 6.2 阈值分割 • 最常见的图像分割处理方法。在多数情形下，可认为 图像目标或背景区域内部的像素灰度比较接近，而它 们之间往往存在较大的灰度差异，就此设置一个适当 的门限则有望将它们分开。 • 不仅限于灰度阈值，也可以是对彩色或者其它可量化 的特征进行阈值化处理。 •设一幅图像f(x,y)，其灰度范围为[t1,t2]，如果给定一个 阈值T a f (x ,y ) T  g (x ,y )  b f (x ,y ) T  •灰度阈值可以为一个区间。 阈值分割分类（一） 全局阈值和局部阈值 •全局阈值是指对整幅图像使用同一阈值进行分割，这种 方法适用于图像中前景和背景有明显差别，而且这种差别 在图像中的任何位置都几乎相同。 •局部阈值是指在图像的不同区域使用不同的阈值来进行 分割处理。 阈值分割分类（二） 单阈值和多阈值 •单阈值是指在进行阈值分割的时候，只采用一个阈值 （或一个范围）来把目标和背景分开。这种方法适用于 图像中只有单个目标和单个背景的情况，或者只对图像 进行简单的划分。 •多阈值是指在进行阈值分割的时候，采用两个或两个 以上的阈值来区分目标和背景。这种方法适用于图像中 存在多个目标或多个