第七章-图像分割-1-.pptxVIP

数字图像处理Digital Image Processing Using MATLAB 第七章 图像分割山东大学（威海）机电与信息工程学院 控制系gzf@sdu.edu.cn主要内容 基本概念 阈值分割 区域分割 边缘检测 Hough变换 图像特征分析 山东大学（威海） 机电与信息工程学院 控制系图像分割 山东大学（威海） 机电与信息工程学院 控制系图像分割通常指 根据需要将图像分成若干区域划分依据: 像素的灰度值、颜色 空间特性、纹理特性、统计特性等必要前提： 图像各区域之间 特征明显 图像各区域之间 有明显边界图像特征： 视觉特征 – 颜色、亮度、纹理、轮廓 统计特征– 频谱、直方图、各阶矩 一、阈值分割 山东大学（威海） 机电与信息工程学院 控制系灰度图像阈值分割方法：1. 前提条件： 图像目标区域和背景区域的灰度值 区别明显，可以用一个阈值分割2. 方法类别： 全局阈值法： 所有图像点上使用同一阈值 局部阈值法： 不同图像点上使用不同阈值1.1 灰度阈值分割全阈值化半阈值化 山东大学（威海） 机电与信息工程学院 控制系普通的灰度阈值分割： 1. 基于单一灰度阈值，生成二值化图像 2. 基于灰度值集合D， 生成二值化图像 全阈值示例X = imread(cameraman.tif);figure(1); imshow(X)yuzhi = 30; %阈值由实验选择for ii = 1:6 Y = im2bw(X,(yuzhi+30*ii)/255); figure(ii+1); imshow(Y); xlabel([yuzhi= num2str(yuzhi+30*ii)])end 山东大学（威海） 机电与信息工程学院 控制系半阈值示例X = imread(cameraman.tif);figure(1); imshow(X)yuzhi = 30; %阈值由实验选择for ii = 1:6 Y = X; Y(find(X(yuzhi+ii*30)))=0; figure(ii+1); imshow(Y); xlabel([yuzhi= num2str(yuzhi+30*ii)])end 山东大学（威海） 机电与信息工程学院 控制系灰度阈值分割 山东大学（威海） 机电与信息工程学院 控制系多区域阈值分割如果图像各区域内灰度值相近同时图像各区域间灰度差异明显则可以设定多个阈值对图像进行分割 示例[X,map] = imread(duoquyu.bmp);figure(1); imshow(X)figure(2); imhist(X)% 分界边界值由直方图确定T = [0,7, 8, 82, 164, 255]; for ii=1:length(T)-1 Y = uint8(ones(size(X))*255); pos = find(X=T(ii)); pos1= find(X(pos)T(ii+1)); Y(pos(pos1)) = T(ii); figure(2+ii); imshow(Y) xlabel([yanse num2str(ii)]);end 山东大学（威海） 机电与信息工程学院 控制系1.2 直方图阈值分割 山东大学（威海） 机电与信息工程学院 控制系直方图双峰阈值法 如果图像的直方图由两个较大的峰组成， 则通常以两峰的中间，选值作为阈值动态阈值法： 可以参考多阈值分割法示例yuzhi =140; yuzhi = 100; 山东大学（威海） 机电与信息工程学院 控制系X = imread(pout.tif);figure(1); imshow(X)figure(2); imhist(X)yuzhi = 140;Y = zeros(size(X));Y(find(Xyuzhi)) = 255;figure(3); imshow(Y)yuzhi = 100;Z = zeros(size(X));Z(find(Xyuzhi)) = 255;figure(4); imshow(Z)1.3 最大熵阈值分割 山东大学（威海） 机电与信息工程学院 控制系什么是熵？ 熵 entropy熵由德国物理学家克劳修斯在1865年提出，描述能量退化的状态参数熵的本质： 一个系统内在的混乱程度统计学解释： 集合中样本的概率相同时，最混乱 若某样本的概率趋于100%，最稳定通俗解释： 一堆沙子，亿万种外形，熵值大 堆成城堡，外形相对单一，熵值小最大熵阈值分割 山东大学（威海） 机电与信息工程学院 控制系灰度图像中的熵： 不同区域的熵值的大小，实际反映图像像素点混乱程度 像素灰度相对均匀、变化小的区域，熵值较小 像素灰度在较大范围