[研究生入学考试]十四图象分割1.ppt

图象分割 像素分类，灰度级门限化 局部特性值门限化 边缘检测 差分算子 彩色检测、纹理检测 序贯分割 区域生长 图象分割 图象分割 象素分类 象素分类 灰度级门限化 灰度级门限化 灰度级门限化 灰度级门限化 灰度级门限化 灰度级门限化 灰度级门限化 灰度级门限化 灰度级门限化 灰度级门限化 使用空间特性进行象素分类 局部特性值门限化 边缘检测 边缘检测 边缘检测 边缘检测 差分算子 差分算子 差分算子 差分算子 差分算子 差分算子 差分算子 边缘 放射科放疗 适形放疗：铅模作准直器 先确定病灶边界 适形放疗： 先确定病灶边界 Tumor 适形放疗： 制铅模，作准直器 Lead 适形放疗： MLC: multi-leaf collimator Lead 阶跃边缘 实 例 脉冲状边缘：线条、曲线、点 。 阶跃脉冲状边缘：田里长有各种作物的田间小道。 （一）梯度： （1） （2） （3） （二）拉普拉斯算子 ： 掩模 ： P463 Fig.18-12 在计算的时候若需要保持灰度范围不变，应除以4。 例： 用拉氏算子经计算得 周边灰度为零 实 例 * * 要点： 把图象空间按照一定的要求分成一些“有意义”的区域的技术叫图象分割。 例如： （1）要确定航空照片中的森林、耕地、城市区域等，首先需要将这些部分在图象上分割出来。 （2）要辨认文件中的个别文字，也需先将这些文字分选出来。 （3）要识别和标定细胞的显微照片中的染色体，需要用图象分割技术。 一幅图象通常是由代表物体的图案与背景组成，简称物体与背景。若想从一幅图象中“提取”物体，可以设法用专门的方法标出属于该物体的点，如把物体上的点标为“1”，而把背景点标为“0”，通过分割以后，可得一幅二值图象。 交大学生作品 分类故事——一枝独秀 图象分割是按照某些特性(如灰度级,频谱,纹理等)将图象划分成一些区域，在这些区域内其特性是相同的或者说是均匀的，两个相邻区域彼此特性则是不同的，其间存在着边缘或边界。 图象分割从本质上来说是将图象中的象素按照特性的不同进行分类的过程。 用灰度级门限化方法来分割一幅图象时，若想从亮的背景中分离出暗的物体,利用一门限值T将象素分为“亮”的和“暗”的两类。 在边缘检测中，利用对一些差分算子的响应值进行门限化，将象素分为“边缘”上的点和“非边缘”上的点两类。 (一)一般概念 许多情况，图象是由具有不同灰度级的两类区域组成。如文字与纸张、地物与云层（航空照片）。 其特点:直方图具有两个峰，分别与两个灰度级范围相对应 。 故可选择一个门限，将两个峰分开。 门限T的选择，一般取两个峰值间的谷值。 实 例 P453 Fig.18-4 半门限： 或者： 门限化处理边界提取，中间灰度级（或灰度级突变处）则是在物体和背景之间的边界 上出现的。 把中间灰度级变换为1，其他灰度级变换为0： (二)门限选择 （1）两峰间谷底值； （2）计算T ： p1(x)，p2(x)为两峰出现概率密度函数，且成正态分布，?1，?2为均值，?1， ?2为标准差，当?1 = ?2 = ?时 P1，P2——背景和物体出现的先验概率。 （3）物体和背景的灰度级出现部分重叠。选双门限 对 T2f(x,y)T1，可利用空间信息来确定g(x,y)。可用这个点的邻域内已作出结论的点的多数来确定该点的归属，或根 据这点与邻点间的灰度级距离大小来确定该点的归属。 (三)多个门限的使用 假设一幅图象包含两个以上的不同类型的区域，我们可以使用几个门限来分割图象。 如白血球图象，直方图上有细胞核、细胞质、背景三个峰，可使用2个门限来分割图象。 稀疏点背景，稠密点区域 (四)平滑和门限化 在门限化以前先对图象进行平滑处理，这样就可减少灰度级密度分布重叠的麻烦。通过局部平均使直方图上的峰值锐化，谷值变明显。 极端例子： 稀疏点背景、稠密点区域的分割。 (五)可变门限 不均匀照射,物体背景对比明显,但使用一门限不行。 解决方法： (1)灰度级校正。 (2)图象分成小块,选择局部门限。 局部特性值门限化 例:中心区域由黑白相间的噪声,背景相均匀,中心区域与背景的灰度级平均值一样。 不能用局部平均进行平滑而后经门限化实现分割。应 （1）每一点上计算局部特性值——梯度值。（2）然后通过局部平均进行平滑（3）进行门限化分类。 用这种方法分割具有纹理结构特