06 第七章 图像分割(5-7节) 090417.pptVIP

7.5 区域分割 7.5 区域分割 通过直方图得到阈值 对噪音的处理 对直方图进行平滑处理，如最小二乘法等。 7.5 区域分割 7.5 区域分割 7.5 区域分割 7.5 区域分割 7.5 区域分割 7.5 区域分割 7.6 区域增长 7.6 区域增长 7.6 区域增长 7.6 区域增长 区域生长的过程 区域生长的过程 1. 以下是一个20级灰度图象，图中包含了一个处在有反差的背景上的水果。下面给出这幅图象的直方图。象素间距是2mm。试问该水果是樱桃、葡萄柚还是南瓜？ [0 100 200 300 500 600 500 300 200 100 200 500 3000 8000 20000 8000 3000 500 100 0] 2. 以下是一个32级灰度图象，其中包含了在灰色背景上的、带有一个白色标记的、直径是12英寸的黑色留声机唱片。下面给出了图象的直方图。试问象素间距多大？标记的尺寸是多少？ [0 0 0 0 100 200 2000 6000 2000 200 100 0 0 200 3000 9000 3000 200 0 0 50 100 400 100 50 0 0 0 0 0 0 0] 自选一幅彩色图像并显示，以左下角为轴，将RGB3个矩阵单独处理，分别进行逆时针旋转90度、180度、及X方向的镜像，并显示处理后的3幅图像。要求将4幅图像显示在一张图上（利用子图方式）。 将一幅灰度图象利用点运算转换成反白图像，并同时显示这两幅图像。 * * 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 T (a) (b) (c) (d) 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 （a）原图 （b）直方图 （c）二值化结果 Rice图像双峰法分割 在图像的阈值化处理过程中，选用不同的阈值其处理结果差异很大； 阈值过大，会提取多余的部分； 阈值过小，又会丢失所需的部分； 因此，阈值的选取非常重要。 确定阈值t的方法——多阈值处理方法 物体和背景的对比度在图像各处不一样时，需要选取多个 阈值进行处理。  分割的目的是把一幅图像划分成一些区域，最直接的方法就是把一幅图像分成满足某种判据的区域，即将点组成区域。为了实现分组，首先要确定区域的数目，其次要确定一个区域与其他区域相区别的特征，最后还要产生有意义分割的相似性判据。 分割区域的一种方法叫区域生长或区域生成。假定区域的数目以及在每个区域中单个点的位置已知，则从一个已知点开始，加上与已知点相似的邻近点形成一个区域。 相似性准则可以是灰度级、彩色、组织、梯度或其他特性，相似性的测度可以由所确定的阈值来判定。 从满足检测准则的点开始，在各个方向上生长区域，当其邻近点满足检测准则就并入小块区域中。当新的点被合并后再用新的区域重复这一过程，直到没有可接受的邻近点时生成过程终止。 下图给出一个简单的例子。此例的相似性准则是邻近点的灰度级与物体的平均灰度级的差小于2。 图中被接受的点和起始点均用下划线标出，其中： （a）图是输入图像； （b）图是第一步接受的邻近点； （c）图是第二步接受的邻近点； （d）图是从6开始生成的结果。 区域生长示例 从满足检测准则的点开始(或者已知点)在各个方向上生长出区域。 例如：每一步所接受的邻近点的灰度级与先前物体的平均灰度级相差小于2。 7.6 区域增长 7.6 区域增长 7.6 区域增长 区域A 区域B 种子像素 种子像素 7.7 分裂合并法 7.7 分裂合并法 7.7 分裂合并法 7.7 分裂合并法