图像分割算法设计答辩.ppt

图像分割算法设计 指导教师：申丽然 班级：2009级自动化2班 学生：邵东东 学号：2220093697 主要内容： 1、图像分割的定义及分类 2、图像分割算法介绍 3、仿真结果与分析 4、总结 图像分割定义： 图像分割是将图像中有意义或有用的特征提取出来，也就是说，将图像分成各具特点的区域并提取出感兴趣目标的技术和过程。图像分割是由图像处理到图像分析的关键步骤。 图像读入 （光电转换） 图像处理 （增强，编码） 图像分析 （分割，描述） 图像理解 （解释，理解） 光图像 数字图像 处理过的图像 特征数据 解释判断 图像分割算法分类： 图像分割 阈值 边缘检测 区域 迭代法 直方图双峰法 最大类间方差法（OTSU） 一阶导数算子：Roberts,Sobel,Prewitt 二阶导数算子：Log,Canny 区域生长法 区域分离与合并法 基于阈值的图像分割法 对一幅灰度级取值在[0，L-1]的图像确定一个灰度阈值T（0TL-1），然后每个像素的灰度值与T比较，根据结果分为两类：像素的灰度值大于阈值T为一类，像素的灰度值小于阈值T为另一类，像素的灰度值等于阈值T可归为两类之一。确定阈值是关键。 直方图双峰法 该阈值法的依据是直方图，通过对直方图进行分析来实现对图像的分割。下图是一副灰度直方图： 将图表中双峰之间的谷底放大，我们发现最佳阈值为T=117左右 迭代法 迭代法选取最佳阈值流程图： 基于边缘检测的图像分割算法 边缘检测是检测图像中有意义的不连续性的常用方法。一条边缘是一组相连的像素组合，这些像素位于两个区域的边界上。边缘总是以强度突变的形式出现，可以定义为图像局部特性的不连续性，如灰度的突变、纹理结构的突变等。边缘常常意味着一个区域的终结和另一个区域的开始。 对于边缘的检测常常借助空间微分算子进行。根据灰度变化的特点，常见的边缘可分为阶梯状、脉冲状和屋顶状。常用的空间微分算子主要包括：梯度算子、拉普拉斯算子和Canny算子等。 基于区域的图像分割法 基于区域的分割是图像分割中一种重要的分割方法，其定义为按照选定的一致性准则将图像划分为互相不交叠的、连通的像元集的处理过程，它弥补了阈值分割没有考虑空间信息的不足，解决了边缘检测的区域连续性和封闭性的难点，在图像分割方法中有很强的优势。 区域生长法 区域分离与合并法 这种方法是从整幅图像开始，通过不断分裂到最终得到各个区域。实际操作中，首先把图像分成任意大小且相互不重复的区域，然后再合并分裂这些区域以满足分割要求。 仿真结果与分析 仿真结果与分析 1、阈值法 以迭代法为例，通过程序我们得到原图的最佳阈值为T=114.0069 分割后： 原图： 我们可以从原图的灰度直方图看出，根据直方图双峰法得到的最佳阈值为T=117，与迭代法得到的结果基本吻合。 阈值法可以完整地将对象从图像背景中整齐清晰地分割出来，但它要求图片的灰度直方图具有良好的双峰性。 2、边缘检测法 通过对比可以发现：一阶导数算子分割结果出现了边缘丢失的现象，适合于简单的图片；二阶导数算子分割效果良好，能够检测到真正的弱边缘，适合复杂一些的图片。 3、区域法 原图 区域生长结果 区域分离与合并结果 基于区域的分割解决了边缘检测的区域连续性和封闭性的难点。区域生长法有效地克服其它方法存在的图像分割空间不连续的缺点，但是稳定性、准确性以及运算速度都会受到所选种子好坏的影响；区域分离与合并法克服了区域生长法的过分割缺陷，但是这种分割方法将分割区域的边界破坏了，产生了块状区域边界。 总结 实验结果表明，基于边缘的分割方法对边缘灰度值过渡比较尖锐不太复杂的图像可以取得较好的效果，受曲线间断的影响较小；基于区域的分割方法利用了图像的局部空间信息，可有效的克服其它方法存在的图像分割空间不连续的缺点；阈值分割算法直观、实现简单，在图像分割中应用广泛。 基于边缘的分割方法对于边缘复杂的图像效果不太理想，会产生弱边缘丢失、边缘不连续等现象；基于区域的分割方法法若选取不好阈值，稳定性、准确性以及运算速度都会受到很大影响；阈值法能区分出图像的前景和背景的主要区域所在，但在图像的细微处还没有很好的区分度。 放映结束 谢谢各位老师