第5章_图像分割A.pptVIP

上次实习问题 如何交矩阵A的第2列和第3列 搜索路径是什么？ 主要内容 图像分割概述 阈值分割 区域生长、区域分裂与合并 边缘检测 区域标记与轮廓跟踪 分水岭分割 差影法与投影法 5.1 图像分割概述 5.1 图像分割概述 5.1　图像分割概述 5.1　现代图像分割方法举例 5.1　图像分割举例 5.1　图像分割举例 5.1　图像分割 5.1　图像分割举例 5. 1　阈值分割 5. 1　阈值分割 5. 2　阈值分割 5. 2　阈值分割 5. 2　阈值分割 5. 2　阈值分割 5.2.1 极小点阈值法 5. 2.2　迭代阈值法分割图像 5.2.2 迭代阈值法 5.2.2 迭代阈值法 5.2.2 迭代阈值法分割举例 5.1.2 迭代阈值法的进一步思考 5.1.2 迭代阈值法的初始阈值选择 5.1.2 迭代阈值法的初始阈值选择 5.2.3 Otsu阈值法 5.2.3 Otsu阈值法 5.2.3 Otsu阈值法 5.2.3 Otsu阈值法 5.2.3 Otsu阈值法 5.2.3 Otsu阈值法 5.2.5 P尾法确定阈值 p尾法仅适用于事先已知目标所占全图像百分比的场合。若一幅图像由亮背景和黑目标组成，已知目标占图像的(100－p)%面积，则使得至少(100－p)%像素阈值化后匹配为目标的最高灰度，将选作用于二值化处理的阈值。 5.2.6 局部阈值 5.2.6 局部阈值 5.2.6 局部阈值 5.2.6 局部阈值 5.2.7 动态阈值法 5.2.7 动态阈值法 除了利用像素自身的性质外，还可以借助像素邻域的局部性质（如，像素的梯度值与拉普拉斯值）来确定阈值，这就是局部阈值。常用的两种局部阈值方法有直方图变换和散射图。 直方图变换法利用像素的某种局部性质将原来的直方图变换成具有更深波谷的直方图，或者使波谷变换成波峰，使得谷点或峰点更易检测到。 散射图也可看作是一个二维直方图，其横轴表示灰度值，纵轴表示某种局部性质（如梯度），图中各点的数值是同时具有某个灰度值与梯度值的像素个数。 除了利用像素自身的性质外，还可以借助像素邻域的局部性质（如，像素的梯度值与拉普拉斯值）来确定阈值，这就是局部阈值。常用的两种局部阈值方法有直方图变换。 红色曲线对应图像中的那些部分？ 第5章 图像分割 Image Segmentation * 令集合R代表整个图像区域，对R的分割可看做将R分成若干个满足以下条件的非空的子集（子区域）R1, R2, …, Rn： 图像分割是指把图像分成各具特性的区域并提取感兴趣目标的技术和过程。 连通是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。 两个点有4连通和8连通之分。 基于区域的分割算法：找灰度相似性区域 基于边界的分割算法：找不连续性特征 对灰度图像的分割常可基于像素灰度值的2个性质：不连续性和相似性。区域内部的像素一般具有灰度相似性，而在区域之间的边界上一般具有灰度不连续性。 基于偏微分方程的图像分割 2. Mean Shift图像分割算法 3. 交互式图像分割算法 4. 农业图像分割 5. 医学图像分割 农作物图像获取系统 1.数码相机 2.照明室 3.载样台 4.光源 5.计算机 农作物籽粒图像获取系统 阈值分割法是一种基本的图像分割方法，当图像中目标和背景具有明显区别时，它具有良好的分割效果。 a. 背景图像 b. 背景图像灰度直方图 c. 玉米籽粒图像 d. 灰度直方图 如何分割目标? 目标和背景具有双峰性质。 令红色直线所对应的阈值为T，对图像做如下处理： 在图像分割技术中，最常用的是利用阈值化处理进行的图像分割。 255 T f g 255 T 式中，f(x,y)是点(x,y)处的像素灰度值，p(x,y)是该像素邻域的某种局部性质。如果选取的阈值仅与各个像素的灰度有关，则称其为全局阈值。如果选取的阈值与像素本身及其局部性质（如邻域的平均灰度值）有关，则称其为局部阈值。如果选取的阈值不仅与局部性质有关，还与像素的位置有关，则称其为动态阈值或自适应阈值。 阈值分割的一般公式： 假设：图像由具有单峰灰度分布的目标和背景组成，在目标或背景内部的相邻像素间的灰度值是高度相关的，但在目标和背景交界处两边的像素在灰度值上有很大的差别。 满足上述假设的图像的灰度直方图可以看作是由目标和背景对应的两个单峰直方图混合而成的。若两个分布大小相近且均值相距较远，则直方图应该是双峰的。 若在求极小值点之前对直方图进行平滑处理，则效果会更好。例如3点平滑，平滑后的灰度级i的相对频数用灰度级i