图像的检测与分割.ppt

边缘检测举例 原始图像 水平梯度部分 垂直梯度部分 组合得到边缘图像 边缘检测问题 边缘检测中经常碰到的问题是： 图像中存在太多的细节。比如，前面例子中的砖墙 图像受到噪声的干扰，不能准确的检测边缘 解决的一个方法是在边缘检测之前对图像进行平滑 平滑后的边缘检测举例 原始图像 水平梯度部分 垂直梯度部分 组合得到边缘图像 边界提取与轮廓跟踪 为了获得图像的边缘人们提出了多种边缘检测方法，如Sobel, Canny edge, LoG。在边缘图像的基础上，需要通过平滑、形态学等处理去除噪声点、毛刺、空洞等不需要的部分，再通过细化、边缘连接和跟踪等方法获得物体的轮廓边界。 将检测的边缘点连接成线就是边缘跟踪。线是图像分析中一个基本而重要的内容，它是图像的一种中层符号描述，它使图像的表述更简洁，并可用来完成一定图像的识别任务。将边缘点连成线的方法很多，但都不完善，基本上是按一定的规则来进行，且需要知识的引导，对跟踪的效果往往要人工编辑。 由边缘形成线特征包括两个过程：①提取可构成线特征的边缘；②将边缘连成线。 连接边缘的方法很多，主要有光栅扫描跟踪和全向跟踪法 边界提取与轮廓跟踪 Hough变换 对于图像中某些符合参数模型的主导特征，如直线、圆、椭圆等，可以通过对其参数进行聚类的方法，抽取相应的特征。 Hough变换 Hough的定义： 如图 (a)，在直角坐标系中有一条直线l，原点到该直线的垂直距离为ρ，垂线与x轴的夹角为θ，则这条直线是唯一的，且其直线方程为： ρ=xcosθ+ysinθ 而这条直线用极坐标表示则为一点（ρ、θ）。可见，直角坐标系中的一条直线对应极坐标系中的一点，这种线到点的变换就是Hough变换。 Hough变换 在直角坐标系中过任一点（x0,y0）的直线系，如图(b)，满足 ρ=x0cosθ+y0sinθ =(x02+y02)1/2sin(θ+φ) 其中φ=tg-1(y0/x0) Hough变换 而这些直线在极坐标系中所对应的点（ρ、θ）构成图(c)中的一条正弦曲线。反之，在极坐标系中位于这条正弦曲线上的点，对应直角坐标系中过点(x0,y0)的一条直线，如图 (d)所示。 Hough变换 设平面上有若干点，过每点的直线系分别对应于极坐标上的一条正弦曲线。若这些正弦曲线有共同的交点（ρ′，θ′），如图(e),则这些点共线，且对应的直线方程为 ρ′=xcosθ′+ysinθ′ 这就是Hough变换检测直线的原理。 Hough变换 原图 Hough变换进行边缘检测 Hough变换 图像灰度阈值分割技术都没有考虑到图像像素空间的连通性。区域增长是把图像分割成特征相同的若干小区域，比较相邻小区域特征的相似性，若它们足够相似，则作为同一区域合并，以此方式将特征相似的小区域不断合并，直到不能合并为止，最后形成特征不同的各区域。这种分割方式也称区域扩张法。 区域内像素的相似性度量可以包括平均灰度值、纹理、颜色等信息。 区域增长 进行区域增长首先要解决三个问题：①确定区域的数目；②选择有意义的特征；③确定相似性准则。 简单区域扩张法 以图像的某个像素为生长点，比较相邻像素的特征，将特征相似的相邻像素合并为同一区域；以合并的像素为生长点，继续重复以上的操作，最终形成具有相似特征的像素的最大连通集合。这种方法称简单（单一型）区域扩张法。下面给出以像素灰度为特征进行简单区域增长的步骤。 1）对图像进行光栅扫描，求出不属于任何区域的像素。当寻找不到这样的像素时结束操作。 2）把这个像素灰度同其周围（4-邻域或8-邻域）不属于其他区域的像素进行比较，若灰度差值小于阈值，则合并到同一区域。并对合并的像素赋予标记。 3）从新合并的像素开始，反复进行2）的操作。 4）反复进行2）、3）的操作，直至不能再合并。 5）返回1）操作，寻找新区域出发点的像素。 简单区域扩张法 ?? 模式识别：图像分割 1.? 引言 2.? 阈值与图像分割 3. 边缘检测与图像分割 4. Hough变换 5. 区域增长 引言 前面介绍的图像增强和恢复是对整幅图像的质量进行改善，是输入输出均为图像的处理方法，而图像分析则是更详细地研究并描述组成一幅图像的各个不同部分的特征及其相互关系，是输入为图像而输出为从这些图像中提取出来的属性的处理方法。 图像分析的结果不是一幅完美的图像，而是用数字、文字、符号、几何图形或其组合表示图像的内容和特征，对图像景物的详尽描述和解释。 典型的图像分析和理解系统如下图。 在该系统中，图像的增强和恢复可以看作预处理，其输入、输出均是图像，它是传统的图像处理的内容。而图像分割、特征提取及结构分析等称为图像识别，其输入是图像，输出是描述或解释。 图像分割的目标是重点根据图像中的物体将图像的像素