[2018年最新整理]图形图像处理matlab.pptVIP

图像分割 （Image Segmentation） 主讲内容 阀值分割 双峰法 迭代法 最大类间方差法 基于区域的图像分割 区域生长图像分割 区域分离合并 边缘检测 Log算子 梯度算子 Canny算子 拉普拉斯算子 概述 地位 图像分割定义 分类 形式化定义 概述 图像分割定义 按照一定的规则将一幅图像分成各具特性的区域，并提取出感兴趣目标的技术和过程 其它名称： 目标轮廓技术（object delineation ） 目标检测（target detection） 阈值化技术（thresholding） 图像处理到图像分析的关键步骤 概述 形式化定义 令集合R代表整个图像区域，对R的分割可看作将R分成若干个满足以下条件的非空子集（子区域） R1， R2， R3，… Rn: 概述 地位 图像处理着重强调图像之间进行变换以改善图像的效果 图像分析则主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息从而建立对图像的描述 图像理解的重点是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互关系，并得出对图像的解释 概述 分类—分割依据 相似性分割：将相似灰度级的像素聚集在一起。形成图像中的不同区域。这种基于相似性原理的方法也称为基于区域相关的分割技术 非连续性分割：首先检测局部不连续性，然后将它们连接起来形成边界，这些边界把图像分以不同的区域。这种基于不连续性原理检出物体边缘的方法称为基于点相关的分割技术 两种方法是互补的。有时将它们地结合起来，以求得到更好的分割效果。 概述 分类—连续性与处理策略 连续性： 不连续性：边界 相似性：区域 处理策略：早期处理结果是否影响后面的处理 并行：不 串行：结果被其后的处理利用 四种方法 并行边界；串行边界；并行区域；并行边界 边缘检测 图像边界是图像局部特征不连续的反映，它标志着一个区域的终结和另一个区域的开始。 查找边缘是所有基于边界的分割方法的第一步。 查找图像的轮廓的图像处理方法叫做边缘检测。 边缘检测 简单边缘检测方法 最早的边缘检测方法都是基于像素的数值导数的，在数字图像中应用差分代替导数运算。 由于边缘是图像上灰度变化比较剧烈的地方，在灰度变化突变处进行微分，将产生高值，因此在数学上可用灰度的导数来表示变化。 图像的导数 梯度算子 梯度是图像处理中最为常用的一次微分方法。 Robert算子 Prewitt算子 Sobel算子 图像经过梯度运算能灵敏地检测出中边界，而克服导数运算的方向性，但是梯度运算比较复杂。 拉普拉斯算子 对应二阶微分： 具有各向同性、线性、位移不变性等。 用Sobel、Prewitt和Roberts算子边缘检测 用Sobel、Prewitt和Roberts算子边缘检测 用Log和Canny算子边缘检测 用Log和Canny算子边缘检测 添加高斯噪声 添加高斯噪声 阀值分割 阀值分割是一种简单有效地图像分割法，它对物体与背景有较强对比的景物分割特别有用。 该方法用一个或几个阀值将图像的灰度级分为几部分，将隶属于同一部分的像素视为相同区域。 利用图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域(目标和背景)的组合，选取一个合适的阈值．以确定图像中每一个像素点应该属于目标还是背景区域．从而产生相应的二值图像。 要从复杂的景物中分辨出目标，并将其形状完整地提取出来，阈值的选取是阈值分割技术的关键。如果阈值选取过高，则过多的目标点被误认为背景；阈值选得过低，则会出现相反的情况。至今还未能找到一种对所有图像都能有效分割的阈值选取方法。 双峰法 双峰法 迭代法 最大类间方差法图像分割 基于区域的图像分割 区域生长 区域合并 区域分离合并 区域生长 区域生长的基本思想是将具有相似性质的像素集合起来构成一个区域。 为此先取一个需要分割的区域，从中选取一个种子像素作为生长起点。 然后将种子像素领域中与种子像素有相同或相似性质的像素合并到种子像素所在区域中。 反复下去就可以将一幅图片分割成若干个区域。 区域合并法 把图像分割成特征均匀、大小为nxn的小区域，然后根据邻接小区域内灰度分布的相似性进行区域合并 区域分离合并法 和区域合并法相反，区域分离合并法采用递归的方式分割图像，获得小区域，使每个小区域具有均匀的灰度特征。 1，首先，把整个图像当作一个区域，检查特征的均匀性。 2，若特征不均匀，则按如图所示把区域分割成4个矩形区域，若特征均匀，则停止。 3，对于由分割得到的各矩形区域，递归执行1，2的处理。 四叉树表示 示例：分裂 分裂 合并 数字图像的四叉