图像处理实践电子课件教案-第3章 图像边缘提取和分割精选.ppt

第3章 图像边缘提取和分割 3.1引言 3.2 图像分割处理 3.3 图像二值化 第3章 图像边缘提取和分割 3.1引言 图像最基本的特征是边缘，边缘是指其周围像素灰度有阶跃变化或屋顶状变化的那些像素的集合，它存在于目标与背景、目标与目标、区域与区域、基元与基元之间。它是图像分割所依赖的最重要的特征，也是纹理特征的中重要信息源和形状特征的基础。而图像的纹理形状特征的提取又常常要依赖于图像分割。 3.1.1 统计模式识别简介 统计模式识别认为图像可能包含一个或多个物体，并且每个物体属于若干事先定义的类型、范畴或模式之一。虽然模式识别可以用多种方法实现，但是在此只关心用数字图像处理技术对它的实现。 在给定一幅含有多个物体的数字图像的条件下，模式识别过程如图3.1所示，由三个主要阶段组成。 3.1.1 统计模式识别简介 图3.1 模式识别的三个阶段 第一阶段称为图像分割或物体分离阶段。检测出各个物体，把它们的图像和其余景物分离。这一过程也可以称为图像预处理 第二阶段是特征提取，一个物体某个可度量性质是度量值，而特征是一个或多个度量的函数。计算特征是为了对物体的一些重要特征进行定量估计。特征抽取过程产生了一组特征，把它们组合在一起，就形成了特征向量。 第三阶段称为分类。它的输出是一种决策，确定每个物体应该归属的类别。每个物体被识别为某一特定类型，分类以特征向量作为依据。 3.2 图像分割处理 用计算机进行数字图像处理的目的有两个，一是产生更适合人类视觉观察和识别的图像，二是希望计算机能够自动进行识别和理解图像。图像处理的关键问题是对包含有大量各式各样景物信息的图像进行分解。分解的最终结果就是图像被分成一些具有各种特征的最小成分，这些成分就称为图像的基元。产生这些基元的过程就是图像分割的过程。 3.2 图像分割处理 图像分割可以采用三种不同的原理来实现。在利用区域的方法时，把个别像素划分到各个物体或区域中。在边界方法中，只需确定存在于区域的边界。在边缘方法中，则先确定边缘像素，并把他们连接在一起以构成所需的边界。 图像分割作为图像处理领域中极为重要的内容之一，是实现图像分析与理解的基础。所谓图像分割就是按照一定的原则将一幅图像或景物分为若干个部分或子集的过程。 3.2 图像分割处理 图像分割也可以按照如下的标准分类： 1.基于区域的分割方法 包括阈值分割法、区域生长和分裂合并法、聚类分割法等； 2.基于边界的分割方法 包括微分算子法、串行边界技术等基于区域和边界技术相结合的分割方法。 3.2.1 图像分割的一些常用基本方法 1.直方图分割 最简单的方法是建立在灰度直方图分析的基础上。如果一个图像是由明亮目标在一个暗的背景上组成的，其灰度直方图将显示两个最大值，一个是由目标点产生的峰值，另一个峰值是由背景点产生的。 3.2.1 图像分割的一些常用基本方法 如果目标和背景之间反差足够大，则直方图中的两个峰值相距甚远，可以选择一个灰度阈值T将两个最大值隔开。图中所有大于的灰度值可用数值1取代，而所有小于或等于的灰度值可用数值0取代，如式3.1所示。这样生成一个二值图像，其中目标点用1表示。如果图像由两个以上成分所组成，则直方图将显示多重峰值，分割可以取多重阈值来完成。 为了得到理想的二值图像，一般采用阈值分割技术，它对物体与背景有较强对比的图像的分割特别有效，计算简单而且总能用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阈值的像素被判决为属于物体，灰度值用“255”表示，否则这些像素点被排除在物体区域以外，灰度值为“0”，表示背景。 2.区域生长 区域生长是把图像分割成若干小区域，比较相邻小区域的特征相似性，将相似的区域逐一合并，最后形成特征不同的区域。进行区域生长法要注意的三个问题： (1)取定区域的数目； (2)选择特征； (3)确定相似性准则 特征相似性是构成合并区域的基本准则，相邻性是指所取的邻域方式。区域生长根据所用的邻域方式和相似性准则的不同，产生各种不同的区域扩张法。可以简单分为:像素与像素；像素与区域；区域与区域。 1）简单区域扩张法 以图像的某个像素为生长点，比较相邻像素的特征，将特征相似的相邻像素合并为同一区域；以合并的像素为生长点，重复整个过程，最终形成具有相似特征的像素的集合。 2）像素与区生长 比较单个像素的特征与其