小波与傅里叶分析基础,图像处理电子书第7章课件.pptVIP

第7章 图像分割技术 本章重点： 图像分割的基本概念及图像分割分类的基础 边缘分割法 阈值分割法 区域分割法 7.1 图像分割概述 7.2 边缘检测 7.3 阈值分割 7.4 区域分割 7.5 彩色图像分割 7.6 基于分水岭的分割 7.7 连接成分的标记 7.2 边缘检测 几种常用的边缘检测微分算子 7.3 阈值与图像分割 7.4 基于区域的分割 图示区域分裂与合并方法分割图像的步骤 7.5彩色图像分割 7.6 基于形态学分水岭的分割 基于色调（H）直方图彩色图像分割，基于一维特征标量（C=[W1 W2 W3]）的双阈值分割算法。 阈值的选择可以采用人工交互的方式，也可以基于先验知识进行选择。基于H、C 的直方图统计扩展了灰度图像的阈值分割算法。但第一种方法对于原始图像中颜色数较少，目标颜色单纯，且波长分布相对分散的情况，可以得到较好的结果。但由于它只考虑了色调值，而没有考虑光强和饱和度等对颜色的影响，因此，在不同的光照和饱和度下，很难得到较好的效果。基于C 的方法克服了上述缺点,但由于内部聚类不紧凑，有时会出现空洞。 基于分形理论和BP神经网络的彩色图像分割。 该方法将彩色图像由RGB空间转换为HSI空间，采用彩色图像的亮度计算分数维、多重分形广义维数谱以及空隙特征等6个参数作为纹理特征，加上归一化的色度和饱和度，这8个参数作为分类特征，以BP神经网络作为分类器的彩色纹理图像分割方法。这种方法不仅对由于亮度差异而形成彩色纹理图像有效，对于亮度基本一致而在色彩上呈现差异的纹理图像依然有效。 RGB彩色空间分割 ： 分割的目标是对给定图像中每一个RGB像素进行分类。为了进行分类，需要一个相似性度量。最简单的度量之一是欧氏距离。由下式给出： 这里R、G、B表示向量X与u的RGB分量。D（X，u）≤D0的点的轨道是半径为D0的实心球。 基本概念和运算 ： 用数学形态学处理图像时，要设计一种搜索图像信息的“探针”，即结构元素，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。 7.6.1 数字图像形态学处理技术 圆形 方形 菱形 图7-28 几种简单对称结构元素 f用b腐蚀的结果是所有满足将b平移后，b仍旧全部包含在f中的x的集合，从直观上看就是所有的结构元素b将完全包含在与被腐蚀的集合内。操作中是f在平移，而不是结构元素b在平移。公式（7-28）可以把b写成平移函数．由于f在b上滑动同b在f上滑动在概念上是一致的。腐蚀变换是一种收缩变换。这种变换使目标收缩，使孔洞扩张。 f x b  （a）原始图像 （b）结构元素 （c）膨胀 （d）膨胀结果 图7-29 灰度膨胀图例 f x b f  （a）原始图像 （b）结构元素  （c） 腐蚀 （d）腐蚀结果 图7-30 灰度腐蚀图例 图7-31 基本形态学变换 开启和闭合运算： 腐蚀和膨胀不是互为逆运算，它们可以级连结合使用。使用同一个结构元素对图像先进行腐蚀运算然后再进行膨胀运算称为开启。即结构元素对图像作开启运算处理，可定义为： 如果是先进行膨胀然后腐蚀的运算称为闭合。即结构元素对图像作闭合运算处理，可定义为： 开启和闭合运算不受原点位置的影响，无论原点是否包含在结构元素中，开启和闭合的结果都是一致的。开启运算使目标轮廓光滑，并去掉了毛刺和孤立点，锐化角，闭合运算则填平小沟，弥合孔洞和裂缝。膨胀和腐蚀的反复使用就可检测或清除图像中的小成分或孔。 图7-32 开启运算和闭合运算效果 （a）简化灰度图像 （b）开启运算 （c）开启运算结果 （d）闭合运算 （e）闭合运算结果 图7-33 开启和闭合运算的图例 基本步骤 ： （1）提出所要描述的物体几何结构模式，即提取物体的几何结构特征； （2）根据该模式选择相应的结构元素。结构元素应简单而对模式具有最强的表现力； （3）用选定的结构元素对图像进行击中与否(HMT)变换，便可得到比原始图像显著突出物体特征信息的图像，如果赋予相应的变量，则可得到该结构模式的定量描述； （4）经过形态变换后的图像突出需要的信息，此时，就可以方便地提取信息。 构造出统一的、相同的或变