图象分割-数字图像分析.PDF

第五章 图象分割 (Image Segmentation) 5.1 阈值分割 5.2 区域生长法 5.3 分裂合并方法 5.4 分水岭算法 5.5 聚类分割算法 5.6 主动轮廓分割 5.7 Graph Cut 图象分割的定义 令集合 代表整个图像区域，对 的分割可看做将 R R R分成若干个满足下述条件的非空的子集（子区域） R ,R ,…,R ： 1 2 n n 1、Ri R i 1 2 、对i  j,有R R ; i j 3 R ,R ,…,R 、每个子区域 1 2 n 是联通的； 4 P 、对于各个子区域，有均匀性测度度量 为真。 但对其中任意两个和两个以上相邻子区域之并， 其均匀性测度度量 为假。即： P P(R ) TRUE 且 P(R R )=FALSE i i j 5.1 阈值分割 (Thresholding)  取阈值法是以图象直方图为依据，选定阈值， 再逐个对象素作判决。  图象直方图可以是： 单个特征的一维直方图， 如灰度直方图。 多个特征的多维直方图， 如两个波段组成的二维直方图。  特征可以是灰度，也可是其他值。 原理和分类 图象模型： 图象由具有单峰测度 灰度 颜色 纹理 分布  ( , , ) 的目标和背景组成  目标或背景内部的相邻像素间的测度值高度 相关  目标和背景交界处两边的像素测度值差异大 原理和分类 单阈值分割图象 对灰度图（取值在gmin和gmax 之间）确定一个灰度 T g T g 阈值 （ ） min max 1 如 f (x,y ) T  g (x , y )  0 如 f (x,y ) ≤ T  h (z) z 0 T 原理和分类  实例：生成电子签名 f f 160 f 140 f 130 f 100 原理和分类 多阈值分割图象  确定一系列分割阈值 g (x ,y ) k 如 Tk f (x ,y ) ≤Tk 1 k 0, 1, 2, , K f (x) g (x)