图像处理5.pptxVIP

5.1 图像分割 5.2 边缘检测 5.3 轮廓跟踪与提取 5.4 图像匹配 ;引入 ;5.1 图 像 分 割 ;图像分割基本概念;图像分割基本概念;（1）图像的均值 ;（3）图像的标准差 ;　图像的点、线、边界特征 ;边缘与线的区别：;　图像的纹理特征 ; 纹理的标志有三点： （1）某种局部的序列性在比该序列更大的区域内不断重复出现； （2）序列由基本部分（即纹理基元）非随机排列组成； （3）在纹理区域内各部分具有大致相同的结构和尺寸。 因此可以说，纹理就是由纹理基元按某种确定性的规律或者某种统计规律排列组成的一种结构。 ; ◆人工纹理一般由线段、星号、某种字母数字等符号排列组成，所以人工纹理属于确定性纹理。 ◆自然纹理是自然景物所呈现的部分重复性的结构，例如砖墙、沙滩、草地等，所以自然纹理属于随机性纹理。 ◆纹理的粗糙度是一种定性地描述纹理的最直观的方式之一。 ◆一般可按平均灰度级的差别来区分物体和背景，可通过求平均值差分来检测不同纹理区域之间的边缘。 ;图像分割的概念 把图像分解成构成它的部件和对象的过程 有选择性地定位感兴趣对象在图像中的位置和范围; 图像分割是将图像划分成若干个互不相交的小区域的过程 小区域：是某种意义下具有共同属性的像素的连通集合。如不同目标物体所占的图像区域、 前景所占的图像区域等 连通：指集合中任意两个点之间都存在着完全属于该集合的连通路径。;4连通和8连通 ;图像分割的基本思路 从简到难，逐级分割 控制背景环境，降低分割难度 把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上;图像分割的基本策略; 根据图像像素灰度值的相似性 通过选择阈值，找到灰度值相似的区域 区域的外轮廓就是对象的边;区域法：将各像素划归到相应物体或区域的像素聚类方法 边界方法：是通过直接确定区域间的边界来实现分割的 边缘检测：首先检测边缘像素，再将边缘像素连接起来构成边界形成分割。; 常用的图像分割方法是把图像灰度分成不同的等级， 然后用设置灰度门限（阈值）的方法确定有意义的区域或分割物体的边界。常用的阈值化处理就是图像的二值化处理， 即选择一阈值，将图像转换为黑白二值图像， 用于图像分割及边缘跟踪等预处理。 图像阈值化处理的变换函数表达式为 ;阈值分割法的基本思想：;阈值变换曲线 ;T;阈值分割法的特点： 适用于物体与背景有较强对比的情况，重要的是背景或物体的灰度比较单一。（可通过先求背景，然后求反得到物体） 这种方法总可以得到封闭且连通区域的边界。; 不同阈值对阈值化结果的影响 (a) 原始图像； (b) 阈值T=91； (c) 阈值T=130； (d) 阈值T=43;1. 阈值化分割方法 ;;2.半阈值化分割方法; 通过直方图得到阈值 通过边界特性选择阈值 基于多个变量的阈值;通过直方图得到阈值;双峰形直方图谷底阈值的获取 通常情况下由于直方图呈锯齿形状，这时，需要利用某些解析函数对双峰之间的直方图进行拟合，并通过对拟合函数求微分获得最小值。 ;用二次曲线拟合双峰形直方图的谷底示例 ; 缺点：会受到噪音的干扰，最小值不是预期的阈值，而偏离期望的值； 改进： 取两个峰值之间某个固定位置，如中间位置上。由于峰值代表的是区域内外的典型值，一般情况下，比选谷底更可靠，可排除噪音的干扰 对直方图进行平滑处理，改善噪声 ;　其它阈值选取方法 ;2. 迭代式阈值的选取 基本思路是：首先根据图像中物体的灰度分布情况，选取一个近似阈值作为初始阈值，一个比较好的方法就是将图像的灰度均值作为初始阈值；然后通过分割图像和修改阈值的迭代过程来获得认可的最佳阈值。;2. 迭代式阈值的选取 迭代式阈值选取过程可描述为： ① 选取一个初始阈值T； ② 利用阈值T把给定图像分割成两组图像，记为R1和R2； ③ 计算R1和R2均值μ1和μ2； ④ 选择新的阈值T，且 ⑤ 重复第②至④步，直至R1和R2的均值μ1和μ2不再变化为止。 ;通过边界特性选择阈值; 在前景和背景所占区域面积差别很大时，不会造一个灰度级的波峰过高，而另一个过低 边缘上的点在区域内和区域外的概率是相等的，因此可以增加波峰的对称性 基于梯度和拉普拉斯算子选择的像素，可以增加波峰的高度;1）对图像进行梯度计算，得到梯度图像。 2）得到梯度值最大的那一部分（比如10%）的像素直方图 3）通过直方图的谷底，得到阈值T;基本思想：把前面的方法扩展到多维空间，则寻找波谷的过程，变为寻找点簇的过程。 算法实现： 各维分量波谷之间进行逻辑与运算，从波谷重合的点，得到实际的阈