数字图像处理讲义经典案例.ppt

;;;;;;;;10.1 图像分割的基本概念;10.1 图像分割的基本概念;10.1 图像分割的基本概念;10.1 图像分割的基本概念;10.1 图像分割的基本概念;10.1 图像分割的基本概念;10.1 图像分割的基本概念;10.1 图像分割的基本概念;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.2 阈值分割方法;10.3 边缘检测法;10.3 边缘检测法;10.3 边缘检测法;10.3 边缘检测法;10.3 边缘检测法; 1. Hough变换 对于已知形状的边缘线，可以采用Hough变换来提取边缘子集。 核心思想 ??建立一种点——线的对偶关系，使得图像在变换前为图像空间，变换后为参数空间。 ;10.3 边缘检测法;10.3 边缘检测法;10.3 边缘检测法;10.3 边缘检测法;10.3 边缘检测法;10.3 边缘检测法;10.3 边缘检测法;10.3 边缘检测法;10.3 边缘检测法;10.3 边缘检测法;10.3 边缘检测法;10.3 边缘检测法;10.3 边缘检测法; 1. 区域生长法 Hough变换可以检测已知形状的曲线，但是多数区域边界是非规则图形，还可以采用基于区域整体特征的图像分割方法进行分割。 ??设计思路 ??把图像划分成一系列区域，确定每个区域区别于其他区域的特征，由此生成相似性判据，来判断每个像素应该属于那个区域。;基本思想 ??把具有相似性的像素集合起来构成区域。 实现方法 ??在每个要分割的区域内确定一个种子点，判断种子像素周围邻域是否有与种子像素相似的像素，若有将新的像素包含在区域内，并作为新的种子继续生长，直到没有满足条件的像素点时停止生长。;关键技术 ??种子点的选取：选择待提取区域的具有代表性的点；可以是单个像素，也可以是包括若干个像素的子区域； ??生长准则的确定（相似性准则）：一般采用与种子点的距离度量（彩色、灰度、梯度等量之间的距离）； ??区域停止生长的条件：一般为区域大小、迭代次数或区域饱和。;简单生长???：;示例：;示例：;示例：;10.4 区域分割法;2. 区域合并法 思路 ??认为图像已经分为若干个小区域，合并具有相似性的相邻区域。 ??极端的情况，可以认为每个像素为一个小区域，把具有相似性的像素合并到一个区域内。;3. 区域分裂法 思路 ??认为整幅图像是一个完整区域，检验整幅区域是否具有一致性，不具有时，分裂为几个小区域；然后再检测小区域的一致性，不具有时进一步分裂；重复这个过程直到每个区域都具有一致性。 ??每个区域可以具有不同的一致性。 ??通常在分裂区域时，采用一分为4的方法。;4. 区域分裂合并法 核心思想 ??将原图分成若干个子块，检测子块是否具有一致性，不具有分裂该子块，如果某些子块具有相似性，合并这些子块。;算法步骤： ??将原图分为四个相等的子块，计算子块区域是否具有一致性（例如灰度均值或方差）； 如果子块不具有一致性（例如：方差大于设定的阈值）分裂该块； ??对不需要分裂的子块进行比较，具有相似性的子块合并； ??重复上述过程，直到不再需要分裂或合并。;10.4 区域分割法;10.5 边缘跟踪法;边缘方向链码;方法步骤： 用锐化算子获取边缘图像，并依据有效的条件进行阈值化，得到二值边缘图像； 对二值边缘图像进行边缘点搜索，从第0行、0列开始，找出行、列值最小的边缘点，作为边缘的起点 ； 定义一个链表依次存放所有边缘点； 定义第一个边缘方向链码为7，迭代计算后续边缘点搜索的起始方向；;10.5 边缘跟踪法;10.5 边缘跟踪法;5.以第一个边缘点为起点进行搜索，从计算出的起始搜索方向开始，沿逆时针方向查找与第一边缘点灰度相同的点，作为当前边缘点，并同时更新该搜索方向，用于计算下一边缘点搜索的起始方向； 6. 将当前边缘点作为第一搜索点，继续第5步，循环搜索，不断找出新的边缘点 ； 7. 搜索循环结束条件：;10.5 边缘跟踪法;10.5 边缘跟踪法;10.5 边缘跟踪法;10.5 边缘跟踪法;10.5 边缘跟踪法;目标物边缘判断条件： 1. 边缘长度； 2. 区域面积； 3. 形状因子； 4. 形状参数，如半径等；