第7章图像分割1.pptVIP

数字图像处理(Digital Image Processing）;第七章 图像分割;7.1 图像分割概述;2、图像分割的定义 广义上讲，图像分割是把图像分成互不重叠而又各具有特性的子区域，这里的特性可以是像素的灰度、颜色、纹理等。设R集合代表整个图像区域，图像分割问题就是决定子集Ri，所有的子集并集为整个图像。组成一个图像分割的子集需满足以下条件： (1) (2) ，对 (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) 每一个子区域是连通的。;3、图像分割的基本策略 分割算法基于灰度值的两个基本特性：不连续性和相似性。首先检测 图像像素灰度级的不连续性，找到点、线(宽度为1)、边(不定宽度)。先找 边，后确定区域。或者，检测图像区域像素的灰度值的相似性，通过选择 阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边。;图像分割也是目前公认的图像处理难题，其困难源于图像内容的多样性以及模糊、噪声等的干扰。至今还没有普适性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来评判。总体而言，一个好的图像分割算法应该尽可能具备以下特征： (1) 有效性：对各种分割问题有效的准则，能将感兴趣的区域或目标分割出来。 (2) 整体性：即能得到感兴趣区域的封闭边界，该边界无断点和离散点。 (3) 精确性：得到的边界与实际期望的区域边界很贴近。 (4) 稳定性：分割结果受噪声影响很小。; 图像阈值分割是一种广泛应用的分割技术，利用图像中要提取的目标 物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域 (目标和背景)的组合，选取一个合适的阈值，以确定图像中每个象素点应 该属于目标还是背景区域，从而产生相应的二值图像。 阈值分割法的特点是：适用于物体与背景有较强对比的情况，重要的 是背景或物体的灰度比较单一；而且总可以得到封闭且连通区域的边界。; 另外，还可以将阈值设置为一个灰度范围[T1,T2]，凡是灰度在范围内的象素都变为1，否则皆变为0，即;;阈值分割图像的基本原理，可用下式表示：;7.2.1 双峰法阈值 60年代中期，Prewitt提出了直方图双峰法，即如果灰度级直方图呈明显的双峰状，则选取两峰之间的谷底所对应的灰度级作为阈值。;;7.2.2 最佳阈值 所谓最佳阈值是指图像中目标物与背景的分割错误最小的阈值。 设某一图像只由目标物和背景组成，已知其灰度级分布概率密度分别为p1(x)和p2(x),目标物体和背景象素占全图象素比为P1和P2， P1+P2=1， 因此该图像总的灰度级概率密度分布p(x)可用下式表示： p(x)= P1 p1(x)+ P2 p2(x) 设选用的灰度级门限为T，图像由暗背景上的亮物体所组成，因此凡 是灰度级小于T的象素被认为是背景，大于T的象素皆作为目标物。;T;若选为T分割门限，则目标物象素错认为是背景象素的概率是： 将背景象素错认为是目标象素的概率是： 因此，总的错误概率e(T)为 e(T)=P1 e1(T)+P2 e2(T)， 最佳门限就是使e(T)为最小值时的T，将e(T)对T求导，并令其等于零，得: P1p1(T)= P2p2(T);例如：p2(Zt)和p1(Zt)均为正态分布函数，其灰度均值分别为μ1和μ2。对灰度均值的标准偏差分别为б1和б2，即: 代入P2 p2(Zt)＝P1 p1(Zt)，两边取对数： 由于上式是Zt的二次方程，有两个解，要使分割误差最小，需要设置两个门限，也就是方程的两个根，如果设 ，则方程存在唯一解，即： 再假设P2= P1=1/2时，Zt＝(μ1+μ2)/2;7.3 边缘检测; 7.3.1 边缘检测概念;图像：;说明：对阶跃边缘，其一阶导数在图像由暗变明的位置处有1个向上的阶跃，而其它位置都为0，这表明可用一阶导数的幅度值来检测边缘的存在，幅度峰值一般对应边缘位置。 其二阶导数在一阶导数的阶跃上升区有1个向上的脉冲，而在一阶导数的阶跃下降区有1个向下的脉冲，在这两个脉冲之间有1个过0点，它的位置正对应原图像中边缘的位置，所以可用二阶导数的过0点检测边缘位置，而用二阶导数在过0点附近的符号确定边缘象素在图像边缘的暗区或明区。 对(c)而言，脉冲状的剖面边缘与(a)的一阶导数形状相同，所以(c)的一阶导数形状与(a)的二阶导数形状