数字图像处理技术、图像分割-精品·公开课件.ppt

第四章 图像分割 数字图像处理的目的之一是用作图像识别，本章内容介绍的图像分割是图像识别工作的基础。 引言 图像处理的一个重要任务是对图像中的景物进行分析和理解，包括： 图像分割：把图像分割成不同的区域 特征抽取：找出分开的各区域的特征 图像识别与分类：识别图像中要找的东西，或对图像中不同的特征进行分类 图像分析或理解：对于不同区域进行描述，或寻找不同区域之间的相互联系，或把相关区域连接起来组成一个有意义的结构 引言 图像处理、识别与理解的含义： 图像处理 包括图像增强与恢复，可看作是预处理。其输入、输出均为图像 图像识别 对图像的分割、特征提取、分类及结构分析可称为图像识别。输入是图像，输出是分类及结构分析 图像理解 对图像的描述与解释。输入是图像，输出是描述和解释 引言 图像分割 根据某种均匀性的原则将图像分成若干个有意义的部分，使每部分都符合某种一致性的要求。而任意两个相邻部分的合并都会破坏这种一致性 图像的边缘 边缘指的是包围着连通区域的一条封闭的边缘曲线。边缘两侧分属于两个区域，每个区域内部特性相对一致，而两个区域之间特性有差异，存在着灰度的突变， 引言 图像分割的原则： 基于点相关的分割 依据各个像素点的灰度不连续性进行分割。如基于边界的分割方法 基于区域相关的分割 依据同一区域具有相似的灰度这一特性，寻求不同区域之边界。如基于区域的分割方法 一 寻找图像边界的分割 1、边界跟踪 (Boundary tracking，Edge point linking)是指从灰度图像中的一个边缘点出发，依次搜索并连接相邻边缘点，从而逐步检测出边界的方法 一 寻找图像边界的分割 8邻域搜索跟踪法 一 寻找图像边界的分割 2、曲线拟合的边界连接 二 基于区域灰度的图像分割 通过对图像的直方图进行分析，发现图像分割的阈值，通过该阈值完成对图像不同区域的分割 二 基于区域灰度的图像分割 1、灰度级的门限化法 （1）门限化法：适用于对象与背景占据不同灰度级范围 原理：选取一个适当的灰度级门限，然后将每个像素灰度和它进行比较，超过门限的重新分配以最大灰度，低于门限的分配以最小灰度。这样可组成一幅新的二值图像，并将对象从背景中分离出来 二 基于区域灰度的图像分割 （2）半门限化法 原理：对图像中的背景表示成最大或最小的灰度，而把图像中的对象保留下来。 二 基于区域灰度的图像分割 （3）用门限化法检测对象边缘 原理：使用门限化法时，令灰度和所取门限值相同的像素点具有新的灰度值为1，而其余的各点的灰度值为0，即可检测出边缘。 实用的方法：令原图像灰度值在门限值近旁一个小区域内的像素点的灰度为1，其余为0。 2、阈值的选择 极小点阈值 通过寻找直方图的极小点确定分割阈值，在确定极小点过程中可能需要对直方图进行平滑。 最优阈值 通常，图像中目标和背景的灰度值有部分交错，再分割时总希望减少分割误差。为此，需要研究最优阈值问题。通过背景和目标 的灰度概率分布函数可以在一定条件下确定最佳阈值 3、边缘检测 基于灰度不连续性进行分割的方法 差分边缘检测 处在边缘两侧的点，图像灰度将发生急剧的变化，因此具有较大的差分值，当差分方向与边界方向垂直时，具有最大的差分值。差分是灰度变化的有方向性的运算 梯度边缘检测 梯度是各向同性的运算，它既可以检测出边缘，又和施加运算的方向无关 可采用四邻域和八邻域的运算 3、边缘检测 拉普拉斯边缘检测 各向同性的运算，对灰度突变敏感 用于边缘检测时，为避免出现负值，常取其绝对值 方向模板边缘检测 类似于锐化模板，采用方向模板进行边缘检测 各种边缘检测算子： Sobel、Prewitt、Krisch、Wallis等算子既可以用于图像锐化，又可以用于图像边缘检测 3、边缘检测 Roberts梯度交叉边缘检测 普通梯度算子检测水平或垂直方向上的变化； Roberts梯度交叉算子检测的是沿与图像坐标轴45度或135度角方向上的灰度梯度； Roberts交叉边缘检测效果 3、边缘检测 Sobel模板 Sobel模板边缘检测效果 3、边缘检测 Kirsch算子 对八邻域进行计算，用3个相邻点的加权和减去5个相邻点的加权和； 3、边缘检测 Laplace算子 无方向性的二阶微分算子，可用二阶差分代替；经常表示成模板形式 用于边缘检测时，为避免出现负值，常取其绝对值 对图像中的噪声非常敏感，另外还会产生双象素宽的边缘，很少直接用于边缘提取 3、边缘检测 LoG算子（Laplacian of Gaussian） 对Laplace算子的改进，为减少噪声的影响，对图像进行平滑，平滑函数采用高斯函数 对平滑后的图像再用Laplace算子 LoG算子是轴对称的各向同性算子 Laplacian of