(数字图像处理）第7章图像分割.ppt

数字图像处理(Digital Image Processing） 图像处理与模式识别研究所 山东科技大学信息与电气工程学院 第七章 图像分割 7.1 图像分割概述 7.2 阈值分割 7.3 边缘检测 7.4 区域分割 7.5 Hough变换检测法 7.1 图像分割概述 举例1：检测不连续性 3.图像分割的基本策略 分割算法基于灰度值的两个基本特性：不连续性和相似性。首先检测 图像像素灰度级的不连续性，找到点、线(宽度为1)、边(不定宽度)。先找 边，后确定区域。或者，检测图像区域像素的灰度值的相似性，通过选择 阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边。 4.图像分割的方法 1) 基于边界的分割:先提取区域边界，再确定边界限定的区域。 2) 基于区域的分割:确定每个像素的归属区域，从而形成一个区域图。 3)基于相关匹配的分割:根据已知目标的特征建立相应的模板将特殊目标分离出来 图像分割也是目前公认的图像处理难题，其困难源于图像内容的多样性以及模糊、噪声等的干扰。至今还没有普适性分割方法和通用的分割效果评价标准，分割的好坏必须结合具体应用来评判。总体而言，一个好的图像分割算法应该尽可能具备以下特征： (1) 有效性：对各种分割问题有效的准则，能将感兴趣的区域或目标分割出来。 (2) 整体性：即能得到感兴趣区域的封闭边界，该边界无断点和离散点。 (3) 精确性：得到的边界与实际期望的区域边界很贴近。 (4) 稳定性：分割结果受噪声影响很小 若选为T分割门限，则目标物象素错认为是背景象素的概率是： 将将背景象素错认为是目标象素的概率是： 因此，总的错误概率e(T)为 e(T)=P1 e1(T)+P2e2(T)， 最佳门限就是使e(T)为最小值时的T，将e(T)对T求导，并令其等于零，得: P1p1(T)= P2p2(T) 例如：p2(Zt)和p1(Zt)均为正态分布函数，其灰度均值分别为μ1和μ2。对灰度均值的标准偏差分别为б1和б2，即: 代入P2p2(Zt)＝P1p1(Zt)，两边取对数： 由于上式是Zt的二次方程，有两个解，要使分割误差最小，需要设置两个门限，也就是方程的两个根，如果设 ，则方程存在唯一解，即： 再假设P2= P1=1/2时，Zt＝(μ1+μ2)/2 7.3 边缘检测 7.3.1 边缘检测概念 7.3.2 基于一阶导数法的边缘检测 7.3.3 基于二阶导数法的边缘检测 7.3.4 基于曲面拟合的边缘检测方法 7.3.5 边缘连接 7.3.1 边缘检测概念 1.边缘的定义： 图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合。 2.边缘的分类 阶跃状 屋顶状 1）梯度算子 函数f(x,y)在(x,y)处的梯度为一个向量：?f = [?f / ?x , ?f / ?y] 计算这个向量的大小为： G = [(?f / ?x)2 +(?f / ?y)2]1/2 近似为: G ? |?fx| + |?fy| 或 G ? max(|?fx|, |?fy|) 梯度的方向角为： φ(x,y) = tan-1(?fy / ?fx) 可用下图所示的模板表示： 2）Roberts算子 公式： 模板： 特点：与梯度算子检测边缘的方法类似，对噪声敏感，但效果较梯度算子略好。 3)Prewitt算子 公式 模板： 特点：在检测边缘的同时，能抑止噪声的影响. 4）Sobel算子 公式 模板 特点：对4邻域采用带权方法计算差分；能进一步抑止噪声；但检测的边缘较宽。 5）Kirsch算子（方向算子） 模板 7）拉普拉斯算子 定义： 二维函数f(x,y)的拉普拉斯是一个二阶的微分定义为： ?2f = [?2f / ?x2 , ?2f / ?y2] 离散形式： 模板：可以用多种方式被表示为数字形式。定义数字形式的拉普拉斯的基本要求是，作用于中心像素的系数是一个负数，而且其周围像素的系数为正数，系数之和必为0。对于一个3x3的区域，经验上被推荐最多的形式是： 拉普拉斯算子的分析： 优点： 各向同性、线性和位移不变的； 对细线和孤立点检测效果较好。 缺点： 对噪音的敏感，对噪声有双倍加强作用； 不能检测出边的方向； 常产生双像素的边缘。 8）LOG算子 LOG算子是在Laplacian算子的基础上实