[2018年最新整理]《数图》第9章图像分割和描述.pptVIP

Digital Image Processing 数字图像处理基础 Digital Image Processing 第九章 图像分割和描述 图像分割（image segmentation） －－把图像分成各具特性的目标区域的技术和过程。 图像分割 －－从低层次图像处理到较高层次图像分析、图像理解的关键步骤。 －－图像处理中的瓶颈问题，事关图像描述、特征提取、目标识别等。 －－基于边缘的分割、基于阈值的分割、基于区域的分割。 图像描述（image description） －－对图像的区域、周长、面积以及其它特征的表示。 －－边界描述、区域描述。 第1节 图像分割简述 1.图像分割的定义 图像分割－－通过对图像不同特征的分析，将图像分割成各具特性的区域， 提取出感兴趣目标的技术和过程。 数学定义： 假设一幅图像中所有像素的集合为F，有关一致性的假设为P(·)。 图像分割：把F划分为n个满足下述4项条件的连通区域子集{S1，S2，…，Sn}。 1） ，分割是完全的，图像中的每一像素必须归属一个区域； 2） ，分割出的不同区域是不相交的； 3） ，分割出的每个区域的像素具有一致的特性； 4） ，分割出的不同区域的像素不具有一致的特性。 2.图像分割的分类 从不同的角度和特征进行分类： 1）运算策略不同：并行分割算法，串行分割算法。 2）实现技术不同：基于直方图的分割，基于边界的分割，基于区域的分割。 3）应用要求不同：粗图像分割，细图像分割。 4）对象属性不同：灰度图像分割，彩色图像分割。 5）是否借助像素灰度模式：纹理图像分割，非纹理图像分割。 6）对象状态不同：静态图像分割，动态图像分割。 1）基于边界的图像分割 －－先检测图像边界，再连接目标边界的轮廓线。 边界检测：Robert算子、Prewitt算子、梯度算子、拉普拉斯算子、 Canny算子、高斯-拉普拉斯算子等。 2）基于阈值的图像分割 －－基于图像直方图的分割方法。 分割问题实际上就是像素分类的参数估计问题，易受噪声干扰。 3）基于区域的图像分割 －－检测满足特定预设条件的区域。 区域增长法、区域分裂合并法、分水岭算法等。 三种基本的图像分割既可单独使用，也可综合使用。 第2节 基于边界的分割 基于边界的图像分割： 1）边缘检测，检测出图像中可能的边缘点， 2）边缘连接，按一定策略连接成轮廓，实现不同区域的分割。 边缘检测技术： 并行边缘检测：当前像素点是否属于边缘，取决于当前正在检测的像素点以及该 像素点的一些相邻像素点； 串行边缘检测：当前像素点是否属于边缘，取决于先前像素的验证结果。 （在实际中应用较少） 1.并行微分算法 边缘－－图像中不同灰度区域交界处； 边缘检测－－利用导数－－对图像中灰度的变化进行检测， 一阶导数算子：梯度算子、Sobel算子、Prewitt算子、…… 二阶导数算子：Laplacian算子、Kirsch算子、…… 实用：去噪（减少噪声对微分的影响）? 微分（一阶或二阶） LOG（Laplacian of Gaussian）滤波＝高斯低通滤波 + Laplacian二阶导数； Canny边界检测 ＝高斯低通滤波 + 一阶导数。