第八章基本图像分割技术幻灯片.pptVIP

仅使用一个阈值分割的方法称为单阈值分割方法 。 如果图像中有多个灰度值不同的区域，那么可以选择一系列的阈值以将每个像素分到合适的类别中去 ，这种用多个阈值分割的方法称为多阈值分割方法。 分类 ：单阈值分割，多阈值分割 多阈值的灰度直方图 T2 T1 图像阈值分割是一种广泛应用的分割技术，利用图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域(目标和背景)的组合，选取一个合适的阈值，以确定图像中每个象素点应该属于目标还是背景区域，从而产生相应的二值图像。 阈值分割法的特点是：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；而且总可以得到封闭且连通区域的边界。 图像二值化 设原始图像f(x,y)，以一定的准则在f(x,y)中找出一个合适的灰度值，作为阈值T，则分割后的图像g(x,y)，可由下式表示： g(x,y)= 1 f(x,y)≥T 0 f(x,y)T g(x,y)= 1 f(x,y)≤T 0 f(x,y)T 或 另外，还可以将阈值设置为一个灰度范围[T1,T2]，凡是灰度在范围内的象素都变为1，否则皆变为0，即 g(x,y)= 1 T1≤f(x,y)≤T2 0 其它 某种特殊情况下，高于阈值T的象素保持原灰度级，其它象素都变为0，称为半阈值法，分割后的图像可表示为： g(x,y)= f(x,y) f(x,y)≥T 0 其它 取阈值分割方法的关键是选取合适的阈值 (1)　全局阈值：仅根据各个图像像素的本身性质f(x, y)来选取而得到的阈值 (2)　局部阈值：根据像素的本身性质f(x, y)和像素周围局部区域性质q(x, y)来选取得到的阈值 (3)　动态阈值：根据像素本身性质f(x, y)，像素周围局部区域性质q(x, y)和像素位置坐标(x, y)来选取得到阈值 * 原始图像 阈值T=91 阈值T=130 阈值T=43 图 不同阈值对分割结果的影响 全局阈值 原理：假定物体和背景分别处于不同灰度级，图像被零均值高斯噪声污染，图像的灰度分布曲线近似用两个正态分布概率密度函数分别代表目标和背景的直方图，利用这两个函数的合成曲线拟合整体图像的直方图，图像的直方图将会出现两个分离的峰值，如图所示。然后依据最小误差理论针对直方图的两个峰间的波谷所对应的灰度值求出分割的阈值。 阈值T 图双峰直方图 简单直方图分割法 Z1 Zi Zt Zj Zk 暗 亮 P 背景 目标 图像灰度直方图 双峰法选取阈值的缺点：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。 改进办法：1）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；2）加强对噪音的处理。对直方图进行平滑处理，如最小二乘法等补点插值。 该方法适用于具有良好双峰性质的图像，但需要用到数值逼近等计算，算法十分复杂，而且多数图像的直方图是离散、不规则的。 在实际阈值分割过程中，往往需要能够自动获取阈值，下面的算法可以自动获得全局阈值： 1）选取一个的初始估计值T； 2）用T分割图像。这样便会生成两组像素集合：G1由所有灰度值大于T的像素组成，而G2由所有灰度值小于或等于T的像素组成。 3）对G1和G2中所有像素计算平均灰度值u1和u2。 4）计算新的阈值：T=1/2(u1 + u2)。 重复步骤（2）到（4），直到得到的T值之差小于一个事先定义的参数T0。 全局阈值的选取 极小值点阈值 最优阈值 全局阈值的选取 最大凸残差阈值 当图像中目标和背景面积相差较大时，直方图的一个峰会淹没在另一个峰旁边的缓坡里 图像的直方图（包括部分坐标轴）可看作平面上的一个区域，对 该区域可计算其凸包 并求取其最大的凸残 差，用来分割图像 局部阈值的选取 直方图变换 利用一些像素邻域的局部性质对原来的直方图进行变换以得到一个新的直方图 局部阈值的选取 灰度-梯度散射图 一个轴是灰度值轴，一个轴是梯度值轴，而其统计值是同时具有某一个灰度值和梯度值的像素个数 动态阈值的选取 当图像中有不同的阴影（例如由于照度影响），或各处的对比度不同时，如果只用一个固定的全局阈值对整幅图进行分割，则由于不能兼顾图像各处的情况而使分割效果受到影响 用与坐标相关的一系列阈值来对图像进行分 割。基本思想是首先将图像分解成一系列子图像，对每个子图像计算一个阈值。通过对这些子图像所得阈值的插值就可得到对图像中每个像