图像分割与复原11－图像分割.pptx

图像分割;图像分割;图像分割;图像分割;图像分割基础知识;;?概述 ?间断检测 ?边缘连接和边界检测 ?阈值处理 ?基于区域的分割 ?分割中运动的应用;;;点检测例子;间断检测;间断检测;线检测例子;间断检测;数字边缘模型;间断检测;间断检测;间断检测;边缘检测; ?梯度算子 ?图像f(x,y)在位置(x,y)的梯度定义为下列向量 梯度幅值 梯度方向 边缘方向;;;;;;;原图像经过5×5的均值滤波器进行平滑处理;Sobel45o模板的检测结果;边缘检测;5;拉普拉斯算子;高斯拉普拉斯算子;;;例：通过零交叉检测边缘;例：通过零交叉检测边缘;高斯拉普拉斯算子;拉普拉斯算子;Canny边缘检测器;Canny边缘检测器;Canny边缘检测器;Canny边缘检测器;Canny边缘检测器;Canny边缘检测器;Canny边缘检测器;Canny边缘检测器;Canny边缘检测器;;?边缘连接和边界检测 ?为什么需要边缘连接？ ?局部处理 ?整体处理之霍夫变换;;;?边缘像素梯度算子的响应强度 如果 则(x,y)邻域内坐标为(x0,y0)的边缘像素，在幅 度上相似于(x,y)的像素 ?边缘像素梯度算子的方向 如果 则(x,y)邻域内坐标为(x0,y0)的边缘像素，在角度上相似于(x,y)的像素 ;边缘局部处理例子; Hough变换 ?问题的提出 ?Hough变换的基本思想 ?算法实现 ?Hough变换的扩展; Hough变换问题的提出 ?在找出边界点集之后，需要连接，形成完整的边界图形描述;;?Hough变换的基本思想 ? xy 平面上的任意一条直线 y = ax + b ，对应在参数ab平面上都有一个点 ?过xy平面一个点(x,y)的所有直线，构成参数ab平面上的一条直线 ;?Hough变换的基本思想 ? 如果点(x1,y1)与点(x2,y2)共线，那么这两点在参数ab平面上的直线将有一个交点,具有相同的a和b ?在参数ab平面上相交直线最多的点，对应的xy平面上的直线就是我们解 ;;Hough变换算法实现 ?由于垂直直线a为无穷大，我们改用极坐标形式： ?参数平面为 ，对应不是直线而是正弦曲线 ?使用交点累加器，或交点统计直方图，找出相交线段最多的参数空间的点 ?然后找出该点对应的xy平面的直线线段;通过Hough变换进行整体处理;通过Hough变换进行整体处理;通过Hough变换进行整体处理;通过Hough变换进行整体处理;通过Hough变换进行整体处理;注意事项 ?最小化不相关的投票元素（符号），即去除噪点。如选取具有显著梯度的边缘点。 ?选择适当的离散的参数空间 ? 太粗：不同的线会混入同一个投票点，直线检测精度不高，漏检较多 ?太细：投票比较分散不集中，漏检比较多 ?平滑投票结果：投邻域的票，或平滑累加器 ?利用梯度方向，降低自由度;评价 ?优点 ? 所有点独立处理，在一定程度上可以克服遮挡 ?对噪声具有一定的鲁棒性：噪声点不可能对某个模型实例具有一致性的贡献 ?在一个处理过程中，可以检测模型的多个实例 ?缺点 ?搜索空间与模型参赛呈指数增长 ?没有目标形状时，也可能在参数空间产生虚假的峰值 ?量化问题：很难选择一个合适的网格尺寸 ;基于Hough变换的图像拼接;基于哈夫变换的图像拼接;基于Hough变换的图像拼接;基于Hough变换的图像拼接;基于哈夫变换的图像拼接;基于哈夫变换的图像拼接;Hough变换的扩展;;;阈值处理;;;;;利用基本全局阈值算法的例子;基于Otsu方法的最佳全局阈值;基于Otsu方法的最佳全局阈值;基于Otsu方法的最佳全局阈值;基于Otsu方法的最佳全局阈值;基于Otsu方法的最佳全局阈值;基于Otsu方法的最佳全局阈值;用平滑改善全局域值处理;;? 通过边界特性选择阈值 ?基本思想： ? 如果直方图的各个波峰很高、很窄、对称，且被很深的波谷分开时，有利于选择阈值 ?为了改善直方图的波峰形状，我们只把区域边缘的像素绘入直方图，而不考虑区域中间的像素 ? 用微分算子，处理图像，使图像只剩下边界中心两边的值 ;?通过边界特性选择阈值 ? 这种方法有以下优点： ? 在前景和背景所占区域面积差别很大时， 不会造成一个灰度级的波峰过高，而另一个过低 ? 边缘上的点在区域内还是区域外的概率是相等的， 因此可以增加波峰的对称性 ? 基于梯度和拉普拉斯算子选择的像素，可以增加波 峰的高度 ;? 通过边界特性选择阈值 ?算法的实现： ?计算边缘图像（拉普拉斯） ?指定域值T ? 将边缘图像转化成二值图像 当做后续处理的模板