遥感数字图像处理 第七章 图像分割1教材课程.ppt

7.4 Hough变换检测法 算法实现： 使用交点累加器，或交点统计直方图，找出相交线段最多的参数空间的点，然后找出该点对应的xy平面的直线线段。 算法步骤： 1．在ρ、θ的极值范围内对其分别进行m，n等分，设一个二维数组的下标与ρi、θj的取值对应； 2．对图像上的所有边缘点作Hough变换，求每个点在θj(j＝0，1，…，n)Hough变换后的ρi ，判断(ρi、θj)与哪个数组元素对应，则让该数组元素值加1； 3．比较数组元素值的大小，最大值所对应的(ρi、θj)就是这些共线点对应的直线方程的参数。 7.4 Hough变换检测法 算法特点： 对ρ、θ量化过粗，直线参数就不精确，过细则计算量增加。因此，对ρ、θ量化要兼顾参数量化精度和计算量。 Hough变换检测直线的抗噪性能强，能将断开的边缘连接起来。 此外Hough变换也可用来检测曲线。 7.4 Hough变换检测法 Hough变换的扩展 Hough变换不只对直线，也可以用于圆： （x – a）2 + (y - b)2 = R2 这时需要三个参数(a,b,R)的参数空间。 如像找直线那样直接计算，计算量增大，不合适。 解决途径 若已知圆的边缘元(当然图中还有其它非圆的边沿点混在一起)，而且边缘方向已知，则可减少一维处理，把上式对x取导数，有 这表示参数a和b不独立，只需用二个参数(例如a和R)组成参数空间，计算量就缩减很多。 对于椭圆 设椭圆方程为 取导数有 只有三个独立参数。只需要从(a , b , x0 , y0)中选择三个参数，进行检测。 对于任意曲线 在形状物中可确定一个任意点(xc , yc)为参考点，从边界上任一点(x , y)到参考点(xc , yc)的长度为r,它是φ的函数，φ是(x , y)边界点上的梯度方向。通常是把r表为φ的参数r(φ), (xc , yc)到边界连线的角度为α(φ)，则(xc , yc)应满足下式： 设某已知特殊边界R，可按φ的大小列成一个二维表格，即φi～(a , r)表，φi确定后可查出a和r，经上式计算可得到(xc , yc)。 对已知形状建立了R表格后，开辟一个二维存储区，对未知图像各点都来查已建立的R表，然后计算(xc , yc)，若未知图像各点计算出的(xc , yc)很集中，就表示已找到该形状的边界。集中的程度就是找最大值。 具体步骤如下： (1)对将要找寻的某物边界建立一R表，这是一个二维表，以φi的步进值求r和α； (2)在需要判断被测图像中有无已知某物时，也可对该图某物各点在内存中建立一存储区，存储内容是累加的。把xc , yc从最小到最大用步进表示，并作为地址，记作A(xcmin～max, ycmin～max),存储阵列内容初始化为零； (3)对图像边界上每一点(xi , yi)，计算φ(x)，查原来的R计算(xc , yc)； (4)使相应的存储阵列A(xc , yc)加1，即 (5)在阵列中找一最大值，就找出了图像中符合要找的某物体边界。 7.5 区域分割 基于阈值的图像分割方法 基本原理 选取一个或多个处于图像灰度取值范围之中的灰度阈值。 将图像中各个像素的灰度值与阈值进行比较。 根据比较的结果将图像中的对应像素分成两类或多类，从而把图像划分成互不交叉重叠区域的集合。 阈值化图像分割的重点 分割区域或目标的数目。 阈值的确定。 * 分割方法 只有一种目标和背景的简单模型 或 更一般情况 当 7.5 区域分割 阈值分割法的基本思想： 确定一个合适的阈值T（阈值选定的好坏是此方法成败的关键）。 将大于等于阈值的像素作为物体或背景，生成一个二值图像。 If f(x,y) ? T set 255 Else set 0 0 255 255 0 255 0 255 255 255 阈值的选取时阈值分割技术得关键，如果过高，则过多的目标点被误归为背景；如果阈值过低，则会出现相反的情况。由此可见，阈值化分割算法主要有两个步骤： 1) 确定需要的分割阈值；2) 将分割阈值与象素值比较以划分象素。 7.5 区域分割 阈值分割法 阈值分割法的特点： 适用于物体与背景有较强对比的情况，重要的是背景或物体的灰度比较单一。（可通过先求背景，然后求反得到物体） 这种方法总可以得到封闭且连通区域的边界。 灰度值 f(x0,y0) T 7.5 区域分割 阈值分割法-简单图形 状态法（通过直方图得到阈值） 判断分析法（最大类间距） 最佳熵自动阈值法 最小误差分割 7.5 区域分割 1.状态法——通过直方图得到阈值 基本思想 边界上的点的灰度值出现次数较少 T 7.5 区域分割 通过直方图得到阈值 取值的方法： 取直方