七图像分割.pptVIP

第七章 图像分割 从方法角度来看，图像分割可以分为两大类： 第一类为找出图像的边缘信息，从而分割出 各个区域 第二类为根据相应区域特性在图像中找出与 其的相似部分，并进行处理 第一节 边缘检测 边缘(edge)：指图像局部特性的不连续性。 图像灰度的不连续可分为： （1）阶跃不连续 （2）线条不连续 首先给出一些术语的定义： 边缘点：图像中灰度显著变化的点。 边缘段：边缘点坐标及其方向θ的总和，边缘的方 向可以是梯度角。 边缘检测器：从图像中抽取边缘（边缘点或边线 段）集合的算法。 轮廓：边缘列表，或是一条边缘列表的曲线模型。 边缘连接：从无序边缘表形成有序边缘表的过程。 边缘跟踪：一个用来确定轮廓图像（指滤波后的图 像）的搜索过程。 一、边缘检测基本步骤 从图7－1、图7－2可见，图像中目标边缘处灰度值（或色彩）急剧变化，因此可用利用一阶微分、二阶微分来进行边缘检测，所以第五章第四节中基于微分的图像锐化各种算法都可用于图像边缘检测。但在实际实现时却碰到很大困难， 原因是实际信号都是有噪声的。 对微分锐化的图像还要边缘判断，故图像边缘检测需要如下几个步骤： （1）滤波 （2）增强 （3）检测 （4）定位 二、微分算子法 常用的一阶微分算子是第五章中介绍的Roberts、sobel和prewitt算子，其边缘检测的原理是：由于微分算子具有突出灰度变化的作用，对图像进行微分运算，在图像边缘处其灰度变化较大，故该处微分计算值较高，可将这些微分值作为相应点的边缘强度，通过阈值判别来提取边缘点，即如果微分值大于阈值，择为边缘点。 Matlab为边缘检测提供了edge边缘检测函数，实现上述程序如下： I=imread(lena.bmp); imshow(I); BW1=edge(I,‘Roberts’,0.1);％edge调用 Roberts为检测算 子，判别阈值为0.1 figure,imshow(BW1); BW13=edge(I,Roberts,0.3); figure,imshow(BW13); BW2=edge(I,‘sobel’,0.1); ％edge调用sobel为检测算子， 判别阈值为0.1 figure,imshow(BW2); BW3=edge(I,‘prewitt’,0.1); ％edge调用为检测算子，判 别阈值为0.1 figure,imshow(BW3); 上述的算子均为一阶微分算子，如果以所求的一阶导数高于某一阈值，则就确定该点为边缘点。这样做会导致检测的边缘点太多，一种解决的方法就是求梯度局部最大值对应的点，并认定它们是边缘点，如下图所示： 在二维空间，对应二阶导数有两种算子： 1. 拉普拉斯算子 2. 二阶方向导数 二阶导数算子在实际中很少单独使用，因为任何包含有二阶导数的算子比只包含有一阶导数的算子更易受噪声的影响，甚至一阶导数很小的局部峰值也能导致二阶导数过零点。 三、高斯－拉普拉斯算子 正如上面所提到的，利用图像强度二阶导数的零交叉点来求边缘点的算法对噪声十分敏感，所以，希望在边缘增强前滤除噪声。 马尔（Marr）和希尔得勒斯（Hildreth）根据人类视觉特性，提出一种边缘检测方法，将高斯滤波和拉普拉斯算子结合在一起进行边缘检测，故称为LOG（Laplacian of Gaussian）算法，也称之为拉普拉斯高斯算法。 该算法的主要思路和步骤是： （1）滤波：首先对图像 进行平滑滤波 将