7. 图像分割-二课件.pptxVIP

信息科学与工程学院 陈东岳 魏颖 图像处理分析与识别 7.1 图像分割概述 7.2 图像特征概述 7.3 并行边界技术（Hough变换） 7.4 串行边界技术（边界跟踪） 7.5 并行区域技术（阈值分割） 7.6 串行区域技术（区域生长，分水岭方法） 第七章 图像分割技术 7.6 串行区域技术——引言 基本思路： 基本因素：在进行图像分割时即考虑像素之间的特征相似性，也考虑像素分布的空间连续性； 算法结构：区域的分割过程并非一次性并行完成的，而是根据局部区域的空间拓扑关系串行完成的，通常一批新的区域的分割要依赖于上一个时刻的分割结果。 基本内容： 基于图像形态学的方法 基于区域的方法 分水岭算法 7.6 串行区域技术——图像形态学操作 形态学在图像处理技术领域可以作为图像分量的提取，表示与形状描述算法，同时也大量的适用于图像分割的预处理和后处理过程中。 形态学预备知识 1. 集合论：交集，并集，集合的非，集合的补集， 2. 图像集合论：集合的映像，集合的平移 3. 二值图像、集合与逻辑运算 7.6 串行区域技术——图像形态学操作 图像的形态学操作的基本思路 设计一种搜索图像信息的“探针”——结构元素（这些结构元素通常是一些小的简单集合，如圆形、正方形等的集合），用来改变图像中各集合的内容，以达到某种目的。 圆形 方形 菱形 几种简单对称结构元素 7.6 串行区域技术——图像形态学操作 数学形态学是由一组形态学的代数运算子组成的，它的基本运算有4个： 膨胀（或扩张）、腐蚀（或侵蚀）、开启和闭合， 它们在二值图像和灰度图像中各有特点。 基于这些基本运算还可推导和组合成各种数学形态学实用算法，用它们可以进行图像形状和结构的分析及处理，包括图像分割、特征抽取、边界检测、 图像滤波、图像增强和恢复等。 数学形态学方法利用一个称作结构元素的“探针”收集图像的信息，当探针在图像中不断移动时， 便可考察图像各个部分之间的相互关系，从而了解图像的结构特征。数学形态学基于探测的思想，与人的FOA(Focus Of Attention)的视觉特点有类似之处。 作为探针的结构元素，可直接携带知识（形态、大小、甚至加入灰度和色度信息）来探测、研究图像的结构特点 7.6 串行区域技术——图像形态学操作 7.6 串行区域技术——图像形态学操作 膨胀 设A和B为Z2中的集合，则A被B膨胀定义为 因此，A被B膨胀得到的是平移坐标z的集合，B称为结构元素 7.6 串行区域技术——图像形态学操作 膨胀操作可以看做一个模板滤波过程，其滤波函数定义为模板与子区域是否有交集。膨胀操作可用于连接因噪声断续的连通区域，或用于填充空洞。 7.6 串行区域技术——图像形态学操作 腐蚀 设A和B为Z2中的集合，则A被B腐蚀定义为 因此，A被B膨胀得到的是平移坐标z的集合，B称为结构元素 7.6 串行区域技术——图像形态学操作 腐蚀与膨胀存在某些对偶性，即A被B腐蚀的补集等于A的补集被B的映像膨胀： 腐蚀操作可用于去除小尺度噪声点，或去除连通区域边缘上的毛刺。 腐蚀与膨胀并非互逆造作，既： 腐蚀与膨胀是形态学变换的基本造作，在其基础上可以构造出形态学运算族。 原图像 腐蚀图像 腐蚀膨胀图像 7.6 串行区域技术——图像形态学操作 开操作与闭操作 开操作： 闭操作： 7.6 串行区域技术——图像形态学操作 开操作与闭操作的性质 1）对偶性 开操作 闭操作 开\闭操作示例 下图给出了两个开运算的例子，其中图（a）是结构元素S1和S2， 图（b）是用S1对X进行开运算的结果，图（c）是用S2对X 进行开运算的结果。当使用圆盘结构元素时， 开运算对边界进行了平滑，去掉了凸角；当使用线段结构元素时，沿线段方向宽度较大的部分才能够被保留下来，而较小的凸部将被剔除。而X－X○S给出的是图像的凸出特征。可见，不同的结构元素的选择导致了不同的分割，即提取出不同的特征 7.6 串行区域技术——图像形态学操作 (a) 结构元素S1和S2； (b) X ○S1； (c) X ○S2 7.6 串行区域技术——图像形态学操作 形态学重构 重构操作涉及到两幅图像和一个结构元素(B)，其中一副为标记图像(Marker, f)，另一幅为掩模图像(Mask, g)，重构操作即为从标记图像中的点反复作膨胀操作，直到最大限度的充满掩模图像中1对应的区域。 步骤 1）令h1=f； 2）重复 直至 7.6 串行区域技术——图像形态学操作 7.6 串行区域技术——灰度图像形态学操作 灰度膨胀 使用结构元素b对灰度图像 f 作灰度膨胀记为f⊕