图像分割方法-吴永江.ppt

* 图像分割方法 基本概念 图像分割是指通过某种方法，使得画 面场景中的目标物被分为不同的类 别。 通常图像分割的实现方法是，将图像 分为“黑”、“白”两类，这两类分别代 表了两个不同的对象。 因为结果图像为二值图像，所以通常 又称图像分割为图像的二值化处理。 图像分割是比较困难的事情，原因是 画面中的场景通常是复杂的，要找出 两个模式特征的差异，并且可以对该 差异进行数学描述都是比较难的。 接下来将介绍几种基本的典型方法。 分割方法 阈值方法 根据图像的灰度值的分布特性确定某个阈 值来进行图像分割 边界分割方法 通过检测出封闭的某个区域的边界来进行 图像分割 区域提取方法 根据特定区域与其他背景区域特性上的不 同来进行图像分割 基于像素聚类的分割方法 阈值方法 图像阈值分割原理上的计算公式如 下： 其中，f(i,j)为原始图像，g(i,j)为结果图 像（二值），Th为阈值。 显然，阈值的选取决定了二值化效果的好坏。 阈值分割方法 基于灰度直方图的峰谷方法 p－参数法 均匀性度量法 类间最大距离法 最大类间类内方差比法 局部阈值方法 灰度－局部灰度均值散布图法 基于灰度直方图的峰谷方法 若图像的灰度直方图为双峰分布时， 表明图像的内容大致为两个部分，分 别为灰度分布的两个山峰的附近。 选择阈值为两峰间的谷底点，小于阈 值的灰度变为0，大于阈值的灰度变为 255，把图像分割成两部分。 这种方法可以保证错分概率最小。 p-参数法 针对已知目标物在画面中所占比例的情况。 基本设计思想 选择一个值Th，使前景目标物所占的比例 为p，背景所占比例为1-p。 基本方法 先试探性地给出一个阈值，统计目标物的 像素点数在整幅图中所占的比例是否满足 要求，是则阈值合适；否则，阈值则偏大 或者偏小，再进行调整，直到满足要求。 ∑ p-参数法算法步骤 计算得到原图的灰度直方图h； 输入目标物所占画面的比例p； 尝试性地给定一个阈值Th=Th0； 计算在Th下判定的目标物的像素点数N; 求目标物比例 ps=N/(m*n) 判断ps是否接近p? 是，则输出结果 否则，Th=Th+dT;(if psp,dT0;else dT0)，转4，直到满足条件。 h( k ) Th k =0 N = p-参数法的二值化效果 p=15.07% 均匀性度量法 所谓的均匀性度量方法，是根据“物以 类聚” 的思想而设计的。 基本设计思想是 属于“同一类别”的对象具有较大的一 致性。 实现的手段是 以均值与方差作为度量均匀性的数字 指标。 均匀性度量法算法步骤 给定一个初始阈值Th=Th0（例如：可 以默认为1，或者是128等），则将原 图分为C1和C2两类； 分别计算两类的类内方差： 均匀性度量法算法步骤 分别计算两类像素在图像中的分布概率： 2 2[ 计算分布概率的目的是：统计该类像 素对图像的影响程度。 选择最佳阈值Th=Th*，使得下式成 立： 找最佳阈值的方法有很多，最直接的 方法就是遍历[1~254]。 均匀性度量法分割示例 Th=82, 方差=24.4 Th=31, 方差=29.7 原图 类间最大距离法 设计思想 在某个适当的阈值下，分割后的前景 目标与背景两个类之间的差异最大为 最佳分割 算法步骤 给定一个初始阈值Th=Th0，将原图分 为C1和C2两类； 计算两类中的灰度均值 ∑ f (x, y ) i = 1,2 ( x , y )∈Ci 1 NCi μi = 类间最大距离法 计算相对距离度量值S 选择最佳的阈值Th=Th*，使得图像 按照该阈值分为C1和C2两类后，满 足： 最大类间类内方差比法 设计思想 阈值将图像分为两类，类间方差越大越 好，类内方差越小越好 算法步骤 计算得到原图的灰度直方图h； 给定一个初始阈值Th=Th0，将原图分为 C1和C2两类； 计算两类的方差、灰度均值以及图像的总 体灰度均值 最大类间类内方差比法 计算两类问题的发生概率P1和P2 计算类间方差和类内方差 选择最佳阈值Th＝Th*，使得图像按 照该阈值分为C1和C2两类后，满足 局部阈值方法 提出的原因 阈值方法对于较为简单的图像（目标 与背景差别大，容易区分的图像）简 单有效，对于较为复杂的图像，分割 效果不稳定。 方法 把图像分成子块，在每个子块上再采 样前述阈值分割方法 灰度－局部灰度均值散布图法 设计思路 如果某个像素点与其周围邻域中的均 值偏差大，则说明该点是边界上的点 或者是噪声点 以图像的灰度