第6篇 图像处理-图像分割.ppt

6.1 灰度阈值法 6.1.1 阈值分割的原理 6.1.2 阈值的提取 6.2 边缘检测 6.2.1 梯度算子 6.2.2 拉普拉斯算子 6.2.3 Canny算子 6.3 区域分割 6.3.1 区域生长 6.3.2 分裂合并 6.3.3 水域分割 6.4 Hough变换 6.4.1 Hough变换的原理 6.4.2 广义Hough变换 6-3 编程序实现区域生长算法，要求种子点的选取由人工制定，用不同的生长准则，比较生长结果的差异。 6-4 编一个程序，用Hough变换检测直线，并用带有直线的图像验证算法的正确性。 6.3 区域分割 区域分割 对于特征不连续的边缘检测，把图像分割成特征相同的互相不重叠连续区域的处理 区域生长法 a）利用灰度差作为区域合并的判定标准 b）根据小区域内的灰度分布的相似性（灰度直方图）进行 区域合并的方法 c）分裂合并法 6.3.1 区域生长 思想：将具有相似性质的像素集合起来构成区域 1) 找一个种子像素作为生长的起点 2) 将种子像素周围邻域中与种子像素有相同或相似性质的像素（根据某种事先确定的生长或相似准则来判定）合并到种子像素所在的区域中 3)将这些新像素当作新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来 生长准则 1．基于区域灰度差 ① 对像素进行扫描，找出尚没有归属的像素； ② 以该像素为中心检查它的邻域像素，即将邻域中的像素逐个与它比较，如果灰度差小于预先确定的阈值，将它们合并； ③ 以新合并的像素为中心，返回到步骤②，检查新像素的邻域，直到区域不能进一步扩张； ④ 返回到步骤①，继续扫描直到所有像素都有归属，则结束整个生长过程。 6.3.1 区域生长 2．基于区域内灰度分布统计性质 ① 把像素分成互不重叠的小区域； ② 比较邻接区域的累积灰度直方图，根据灰度分布的相似性进行区域合并； ③ 设定终止准则，通过反复进行步骤②中的操作将各个区域依次合并直到满足终止准则 6.3.1 区域生长 3、基于区域形状 ① 把图像分割成灰度固定的区域，设两相邻区域的周长 和 ，把两区域共同边界线两侧灰度差小于给定值的那部分设为 ，如果（ 为预定的阈值） 则合并两区域 6.3.1 区域生长 ② 把图像分割成灰度固定的区域，设两邻接区域的共同边界长度为B，把两区域共同边界线两侧灰度差小于给定值的那部分长度设为L，如果（ 为预定阈值） 则合并两区域。 区别： 第一种方法是合并两邻接区域的共同边界中对比度较低部分占整个区域边界份额较大的区域， 第二种方法则是合并两邻接区域的共同边界中对比度较低部分比较多的区域。 6.3.1 区域生长 6.3.2 分裂合并 从整幅图像开始通过不断分裂得到各个区域图像 四叉树表达方法的迭代分裂合并算法 R1 R2 R3 R41 R42 R43 R44 R R4 R3 R2 R1 R44 R43 R42 R41 6.3.2 分裂合并 6.3.3 水域分割 基本原理 又称Watershed变换，借鉴形态学理论的分割方法，利用图像区域特性来分割图像，将边缘检测与区域生长的优点结合起来，能得到单像素宽的、连通的、封闭的、位置准确的轮廓。 基本思想: 基于局部极小值和积水盆（Catchment Basin）概念。积水盆是地形中局部极小点的影响区（Influence Zones），水平面从这些局部极小值处上涨，在水平面浸没地形的过程中，每一个积水盆被筑起的“坝”所包围，这些坝用来防止不同积水盆里的水混合到一起。在地形完全浸没到水中之后，这些筑起的坝就构成了分水岭。 6.3.3 水域分割 地形浸没过程说明 基于标记的watershed变换 3个步骤： ① 对原图进行梯度变换，得到梯度图。 ② 用合适的标记函数把图像中相关的目标及背景标记出来，得到标记图。 ③ 将标记图中的相应标记作为种子点，对梯度图像进行 watershed变换，产生分水线 6.3.3 水域分割 原细胞图像 经典的canny梯度 梯度图像的流域分界线 分割结果 6.4 Hough变换 6.4.1 Hough变换的原理 Hough变换是一种检测、定位直线和解析曲线的有效方 法。是把二值图变换到Hough参数空间，在参数空间用极值点的检测来完成目标的检测 X Y 用于直线检测的Hough变换示意图 Y X 应用Hough变换对倾斜表格图像纠偏 (a) 倾斜的表格图像 (b) 对(a)二值化 (c)