[2018年最新整理]图像数字处理6-图像分割.pptVIP

8.7.1分水岭算法 分水岭算法 分水岭算法: 不是简单地将图像在最佳灰度级进行阈值处理，而是从一个偏低但仍然能正确分割各个物体的阈值开始。然后随着阈值逐渐上升到最佳值，使各个物体不会被合并。这个方法可以解决那些由于物体靠得太近而不能用全局阈值解决的问题。 如果初始的阈值太低，那么低对比度的物体开始时会被丢失，然后随着阈值的增加就会和相邻的物体合并。如果初始阈值太高，物体一开始便会被合并。最终的阈值决定了最后的边界与实际物体的吻合程度。 分水岭方法和距离变换方法分割相互连接图像 二进制图像 距离变换方法 分水岭方法 8.7.2 物体隶属关系图 在物体隶属关系图中，每个像素的灰度级按其在原始图像中所对应的像素所属的物体序号进行编码。 隶属关系图技术通用性很强，但它不是一种对保存分割信息特别紧凑的方法。它需要一幅附加的全尺寸的数字图像来描述甚至只包含一个小物体的场景。 如果仅对物体的大小和形状感兴趣，分割后可舍弃原始图像。如果仅有一个物体或物体不需要区分，还可以进一步减少数据量。 8.7.3边界链码 链码 是从在物体边界上任意选取的某个起始点的(x，y)坐标开始的。这个起始点有8个邻接点，其中至少有一个是边界点。边界链码规定了从当前边界点走到下一个边界点这一步骤必须采用的方向。 生成边界链码时，由于必须在整幅图像中跟踪边界，所叫常常需要对输入图像进行随机存取。采用图像分割中的边界跟踪技术时，链码的生成是一个自然的副产品。采用二值方法确定边界时，链码的生成不适于对存储在磁盘上的图像进行逐行处置。 小结(Chapter Summary) 图像分割: 是一个将一幅数字图像划分为不交叠的、连通的像素集的过程，其中一个对应于背景，其它的则对应于图像中的各个物体。利用为物体指定其像差或找出物体之间（或物体和背景之间）边界的方法来实现图像分割；在图像分割之间进行背景平滑和噪声消除，常常能改善分割时的性能。图像分割中采用自适应阈值方法较采用直方图分割具有较好的分割效果。针对较为复杂的图像我们则可以采用区域分割技术来实现，针对图像分割结果我们则可以通过采用隶属关系图，边界链码，或线段编码来存储。 8.4.2边缘连接 问题： 如果边缘很明显，而且噪声级低，那么可以将边缘图像二值化并将其细化为单像素宽的闭合连通边界图。然而在非理想条件下，这种边缘图像会有间隙出现，需要加以填充。 填充小的间隙可以简单地实现，通过搜索一个以某端点为中心的5×5或更大的邻域，在邻域中找出其它端点并填充上必要的边界像素，从而将它们连接起来。 对具有许多边缘点的复杂场景，这种方法可能会对图像过度分割。为了避免过度的分割，可以规定：两个端点只有在边缘强度和走向相近的情况下才能连接。 解决方法 启发式搜索 曲线拟合 Hough变换 (1) 启发式搜索 假定在一幅边缘图像的某条边界上有一个像间隙的缺口，但是这 个缺口太长而不能仅用一条直线填充，它还可能不是同一条边界 上的缺口，可能在两条边界上。作为质量的度量，我们可以建立 一个可以在任意连接两端点（称为 A，B）的路径上进行计算的函数。 。 如果边缘质量函数很复杂而且要评价的缺口既多又长，启发式搜索技术的计算会很复杂。这样的技术在相对简单的图像中性能很好，但不一定能找出两端点间的全局最佳路径。 (2) 曲线拟合 假定有一组散布在两个特定边缘点A和B之间的边缘点，我们希望从中选取一个子集作为从A到B一条分段线性路径上的结点集。 首先：从A到B引一条直线。 其次：接着计算其它的每个边缘点到该直线的垂直距离。 (3) Hough变换 直线y=mx+b可用极坐标表示为 其中定义了一个从原点到线上最近点的向量。这个向量与该直线垂直。 如果有一组位于由参数确定的直线上的边缘点，则每个边缘点对应了空间的一条正弦型曲线。所有这些曲线必交于点，因为这是它们共享的一条直线的参数。 建立一个在空间的二维直方图。对每个边缘点，我们将给所有与该点的Hough变换（正弦曲线）对应的空间的直方图方格一个增量。当对所有边缘点施行完这种操作后，包含的方格将具有局部最大值。然后对空间的直方图进行局部最大值搜索可以获得边界线段的参数。 hough直线检测结果 原图 直线检测结果 8.5 区域增长 方法：从把一幅图像分成许多小区域开始的。 这些初始的区域可能是小的邻域甚至是单个