图像的二值化阈值分割示例.pptVIP

7.1 图像分割 7.2 基于阈值选取的图像分割方法 7.3 基于区域的图像分割方法 7.4 基于边缘检测的图像分割 7.5 Hough变换检测法 学习目标 了解图像分割的类别和作用 掌握基于阈值选取的图像分割方法 掌握基于区域的图像分割方法 掌握基于边缘检测的图像分割方法 了解Hough变换检测法 7.1 图像分割 1．阈值分割原理 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，即选择一个阈值，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 两种变换曲线 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；而阈值过小，又会丢失所需的部分。 因此，阈值的选取非常重要。 由于图像的一维灰度直方图没有明显的峰和谷时，仅利用一维灰度值分布选取的阈值往往难以获得满意的图像分割效果，甚至还可能产生错误的分割。 解决的方法是可以在一维灰度直方图阈值分割算法上引入图像的二次统计特性（区域灰度特征），由于区域灰度特征包含了图像的部分空间信息，且对噪声的敏感程度要低于点灰度特征。 综合利用图像的点灰度特征和区域灰度特征就可较好的表征图像的信息，达到改善图像的分割质量，从而实现二维直方图最大熵阈值。 1．二维直方图 由原始图像f(x,y)像素的灰度级和平滑图像g(x,y)对该像素的邻域平均灰度级共同来构成一个二元函数 z(i,j) 像素的灰度级和该像素的邻域平均灰度级的可能取值为L×L，设为图像中点灰度为i及其区域灰度均值为j的像素点数，为点灰度与区域灰度均值对(i,j)发生的概率，则 {i，j＝0，2，…，L-1} 其中M×N为图像的大小。 2. 二维最大熵阈值分割 在二维直方图中，高峰主要分布在平面的对角线附近，并且在总体上呈现出双峰状态。 二维直方图的灰度平面图，如下图所示，其中A区和B区分别代表目标和背景（或相反），远离对角线的C区和D区代表边界和噪声，所以应该在A区和B区中通过二维最大熵法确定最佳阈值，使其真正代表目标和背景的信息量最大。 设A区域和B区域各自具有不同的概率分布 ,阈值设在(s,t)，定义离散二维熵为 A区和B区的二维熵分别为 定义熵的判别函数为 选取的最佳阈值向量满足 分割的目的是把一幅图像划分成一些区域，对于这个问题的最直接的方法是把一幅图像分成满足某种判据的区域。 要划分成区域，要确定一个区域与其它区域相区别的特征，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成或区域生长。可以从满足区域特征的一点开始，加上与已知点相似的邻点形成一个区域。 这个相似性准则可以是灰度级、彩色值、结构、梯度或其它特征。相似性的测度可以由所确定的阈值来判定。所以，此方法是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，就并入区域中。不断重复这一过程，直到没有可接受的邻近点为止。 分裂合并的方法是一种自上而下的方法，它的思想是首先将图像划分为若干小区域，然后运用特定的检验判据，将包含不同内容的区域分裂，将包含相同内容的区域合并，最后得到分割图像。 使用分裂和合并的组合方法可以实现自动细化分割运算，通过合并属于同一目标的邻接区域来消除错误边界和虚假区域，同时通过分裂属于不同目标的区域来补偿丢失的边界。 分裂合并常用的表示方法有两种：一种称为四叉树；另一种称为金字塔。 霍夫（Hough）变换是一种线描述方法。它可以将图像空间中用直角坐标表示的直线变换为极坐标空间中的点。一般常将Hough变换称为线-点变换，利用Hough变换法提取直线的基本原理是，它把直线上点的坐标变换到过点的直线的系数域，通过利用共线和直线相交的关系，使直线的提取问题转化为计数问题。 Hough变换提取直线的主要优点是受直线中的间隙和噪声影响较小。 1.树结构 树的根代表图像本身，树的叶代表每个像素； 0层的根可看作1个节点，第1层有4个节点，若图像大小为4x4，则应该有16个节点，