第十三章 图像分割.pptVIP

第十三章 图像分割 §13.1概述和分类 一、图像分割： 将图像中有意义的特征或者需要应用的特征提取出来。 二、分割算法分类 图像分割基于像素的两个基本特性： 同一目标内有相似性； 不同目标间，也即在目标的边界上，灰度有不连续性。 1、相似性分割：将具有同一灰度级或相同组织结构的像素聚集在一起，形成图像中的不同区域，也称为基于区域相关的分割技术。 2、非连续性分割： 首先检测局部不连续性，然后将它们连接起来形成边界，这些边界把图像分成不同的区域，也称为基于点相关的分割。 另外根据分割算法本身来分还有：阈值法、界线探测法、匹配法、神经网络法等。 各种算法都是针对具体问题的，没有通用的分割算法，也没有分割标准。 §7.2并行边界技术 一、边缘检测 物体的边缘是以图像局部特性的不连续性的形式出现的，例如灰度值的突变、颜色的突变、纹理结构的突变。从本质上来说，边缘常意味着一个区域的终结和另一个区域的开始。通常可利用一阶和二阶导数来检测。 有三种边缘剖面 1、阶梯状 边缘处于图像中两个具有不同灰度值的相邻区域之间。 用二阶导数过零点检测边缘位置，用其过零 点的符号确定边缘像素在图像边缘的暗区或明区。 2、脉冲状 主要对应细条状的灰度值突变区域。用二阶导数的两个过零点就可确定脉冲的范围。 3、屋顶状 边缘上升下降沿都比较缓慢。用一阶导数的过零点确定屋顶位置。 二、微分算子 1、梯度算子 一阶导数算子 （1）罗伯特（Robert）梯度算子 （2）蒲瑞维特（Prewitt）算子 （3）索贝尔（Sobel）算子 Prewitt算子实现较简单，Sobel算子对噪声的抑制能力较好，一般Sobel算子的检测效果较好些。 2、拉普拉斯算子 是二阶导数算子，是一个标量而不是向量，具有旋转不变即各向同性的性质。 三、边界闭合 在有噪声时，用各种算子得到的边缘像素常是孤立的或分小段连续。为组成区域的封闭边界以将不同区域分开，需要将边缘像素连接起来。根据边缘像素梯度在幅度和方向的相似性来连接。 对所有边缘像素都进行这样的判断和连接就有希望得到闭合的边界。 §12.3串行边界技术 一、图搜索 边界点和边界段可以用图（graph）结构表示，通过在图中进行搜索对应最小代价的通道也可以找到闭合边界。 图的一些基本概念 §13.4并行区域技术 一、原理和分类 原理： 利用同一区域内像素相似性进行图像分割。 关键： 阈值的选取。 假设图像由具有单峰灰度分布的目标和背景组成，在目标或背景内部的相邻像素间的灰度值是高度相关的，但在目标和背景交界处两边的像素在灰度值上有很大的差别。 选定一个灰度阈值 分割后的图像（二值图像）为： 多阈值分割： 阈值的一般形式： 二、依赖像素的阈值选取 即：直方图阈值分割法 1、简单直方图分割法 灰度直方图反映了一幅图像上灰度分布的统计特性，成为利用像素灰度作属性的分割方法的基础。 直方图双峰法： 即如果灰度级直方图呈明显的双峰状，则选取两峰之间的谷底所对应的灰度级作为阈值。 如果将直方图的包络看作一条曲线，则可借助求曲线极小值的方法。 三、依赖区域的阈值选取 1、直方图变换 思想： 利用一些像素邻域的局部性质变换原来的直方图以得到一个新的直方图。和原直方图相比或者峰之间的谷更深，或者谷转变成峰从而更易检测。 常用的邻域局部性质：像素的梯度值 §13.5 串行区域技术 一、区域生长 1、基本思想： 将具有相似性质的像素聚集到同一区域。 2、方法： 先对每个需要分割的区域找一个种子像素作为生长的起点； 然后将种子像素周围与种子像素有相同或相似性质的像素，加入到种子像素所在的区域中； 再将这些新加入的像素做为新的种子，继续进行上面的过程，直到不再有新的像素加入区域。 在实际应用区域生长法时需要解决三个问题： 选定一组能正确代表所需区域的种子像素； 确定生长过程中相邻像素加入进来的准则； 设定过程停止的条件。 二、分裂合并 1、分裂合并方法 将图像按一定的或随机的方式分裂成多个区域； 对每个区域检查内部相似性 如果区域内部像素性质不一致，则对该区域进一步分裂 如果相邻区域有相似的性质。则将它们合并 被合并的区域可能有不同形状和