第十章 图像分割知识讲稿.pptVIP

另一种区域分割方法是采用区域分裂的方 式，首先将图像划分为多个不相交的区域， 然后不断的分裂或合并区域，直至满足10.4.1 中提出的几个基本条件。 该方法避开了种子点的选取。 区域分裂和合并 区域分裂 算法 ? 形成初始区域 ? 对图像的每一个区域Ri，计算P(Ri)，如果 P(Ri)=FALSE 则沿着某一合适的边界分裂区域 ? 重复步骤2，当没有区域需分裂时，算法结束。 区域合并 ?合并运算就是把相邻的具有相似性质的区域合成为一个区域 ?合并算法中最重要的运算是确定两个区域的相似性 ?评判区域相似性方法有许多，评判相似性的方法可以基于区域的灰度值，也可以基于区域边界的强弱性等因素。一种简单的方法是比较它们的灰度均值 基本思想 单纯的区域分裂只能把图像分成许多满足一致性条件的区域,相邻的具有相同性质的区域并没有合成一体. 区域合并 ?使用某种方法进行图像的初始区域分割。 ?对于图像中相邻的区域，计算是否满足一致性条件,若满足则合并为一个区域。 ?重复步骤2，直到没有区域可以合并，算法结束。 算 法 区域分裂合并 数据结构 区域分裂合并法无需预先指定种子点,它按某种一致性准则分裂或者合并区域.可以先进行分裂运算,然后再进行合并运算;也可以分裂和合并运算同时进行,经过连续的分裂和合并,最后得到图像的精确分割效果. 分裂合并法对分割复杂的场景图像比较有效. 区域分裂合并 数据结构 具体实现时,分裂合并算法可以基于四叉树数据表示方式进行. 区域分裂合并 数据结构 图 10.31图像分裂示例 (a)初始图像 (b) 第一次分割 (c)第二次分割 区域分裂合并 算法 ?设整幅图像为初始区域 ?对每一区域R，如果P(R)=FLASE，则把该区域分裂成四个子区域 ?重复上一步，直到没有区域可以分裂 ?对图像中任意两个相邻的R1和R2，如果P(R1UR2)=TRUE，则把这两个区域合并成一个区域。 ?重复上一步，直到没有相邻区域可以合并，算法结束 区域分裂合并 区域分裂合并 实例 原始图像 分裂最小子区域大小16?16 分裂最小子区域大小8?8 分裂最小子区域大小2?2 图像分裂合并 C中的孤立白点是如何产生的？如何去除？ 拉普拉斯算子 ? 两种常用的拉普拉斯算子模板 0 1 0 1 -4 1 0 1 0 1 1 1 1 -8 1 1 1 1 拉普拉斯算子 ? 拉普拉斯算子一般不直接用于边缘检测,这是因为： (1) 作为一个二阶导数,拉普拉斯算子对噪声具有无法接受的敏感性; (2) 拉普拉斯算子的幅值产生双边缘,这将使分割复杂化，是不希望 的; (3) 拉普拉斯算子不能检测边缘的方向. 拉普拉斯算子在分割中所起的作用包括: (1) 利用它的零交叉的性质进行边缘定位; (2) 确定一个像素是在边缘暗的一边还是亮的一边. 高斯－拉普拉斯算子 ? 考虑函数: h的拉普拉斯算子(h关于r的二阶导数) : 高斯型的拉普拉斯算子 (LoG) 模糊图像 使用LoG相当于先对图像进行平滑滤波,然后再应用拉普拉斯算子. 拉普拉斯算子 ? 高斯型拉普拉斯算子 三维曲线 图像 横截面 5×5的模板 拉普拉斯算子 ? 算子总结 ? ? Roberts算子：Roberts算子利用局部差分算子寻找边缘，边缘定位精度较高，由于图像没经过平滑处理，因此不具备抑制噪声的能力。该算子对具有陡峭边缘且含噪声少的图像效果较好。 ? Sobel算子和Prewitt算子：都是对图像先做加权平滑处理，然后再做微分运算，所不同的是平滑部分的权值有些差异，因此对噪声具有一定的抑制能力，但不能完全排除检测结果中出现的虚假边缘。虽然这两个算子边缘定位效果不错，但检测出的边缘容易出现多像素宽度。 算子比较 ? ? Laplacian算子：是不依赖于边缘方向的二阶微分算子，对图像中的阶跃型边缘点定位准确，该算子对噪声非常敏感，它使噪声成分得到加强，这两个特性使得该算子容易丢失一部分边缘的方向信息，造成一些不连续的检测边缘，同时抗噪声能力比较差。 算子比较 ? ? LOG算子：该算子首先用高斯函数对图像作平滑滤波处理，然后才使用Laplacian算子检测边缘，因此克服了Laplacian算子抗噪