第7章 图像分呢割 7.1 图像分割的定义和分类 7.2 基于边缘的分割 7.3 基于区域的分割 7.4 基于阈值的分割 7.5 基于运动的分割(自学） 7.6 上机实验 习题.ppt

2，目标（对象）与区域 在对图像处理的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些感兴趣的部分常称为目标或对象，它们一般对应图像中特定的、具有独特性质的区域。3，图象分割 图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同，即在一幅图像中把目标从背景中分离出来，以便于进一步处理。 图像分割就是指把图像分成互不重叠的区域并提取出感兴趣目标的技术。 可以证明这个算子定义域内的平均值为零，因此将它与图像卷积并不会改变图像的整体动态范围。但由于它相当光滑，因此将它与图像卷积会模糊图像，并且其模糊程度是正比于s的。　　正因为?2h的平滑性质能减少噪声的影响，所以当边缘模糊或噪声较大时，利用?2h检测过零点能提供较可靠的边缘位置。在该算子中，s的选择很重要，s小时边缘位置精度高，但边缘细节变化多；s大时平滑作用大，但细节损失大，边缘点定位精度低。应根据噪声水平和边缘点定位精度要求适当选取s。 其中，香农函数定义为 (7.4.18)模糊率V(x)从数量上定义了图像X在资格函数m下所呈现的模糊性的大小。直观地看，当m(xm，n)＝0.5时，V(x)和E(x)都取得了最大值，偏离该值时，V(x)和E(x)将下降。　　若直接从数字图像的直方图考虑，式(7.4.17)可改写为  (7.4.19)其中f(l)表示灰度值取l的像素点之和。　　在模糊阈值算法中，以模糊率V(x)进行阈值选择，采用模糊熵E(x)也能得到同样的结论。资格函数对分割结果影响较大，常见的资格函数主要有以下几种。 　　1.Zadeh标准S函数　　Zadeh标准S函数定义为 (7.4.20)其中，q＝1/2(p＋r)。Dq＝r－q＝q－p，定义c＝r－p＝2Dq为窗口长度。　　该资格函数的形状如图7.4.4(a)所示。 　　2.具有升半柯西分布形式的资格函数　　具有升半柯西分布形式的资格函数定义为 (7.4.21)该资格函数的形状如图7.4.4(b)所示。 　　3.线型资格函数　　线型资格函数定义为 (7.4.22)该资格函数的形状如图7.4.4(c)所示。 　　 图7.4.4 模糊阈值分割中的常用资格函数 　　资格函数使原始图像模糊化，如选用S函数作为资格函数，对每一个q值，通过资格函数m计算出相应的图像模糊率V(q)。图像的模糊率反映了该图像与一个二值图像的相似性。 　　 图7.3.3 基于灰度分布相似的区域增长  ②Smoothed Difference检测标准： ∑|H1(g)－H2(g)| (7.3.2)H1(g)和H2(g)分别是相邻两子块的累计灰度直方图，如图7.3.3(b)所示。 g 　　(3)反复(2)的操作，直至区域不能合并为止。　　这种方法难点在于n如何确定。n太大，则区域形状变得不自然，会遗漏小的目标；n太小，则①和②可靠性下降，导致分割质量差。实际中n一般取5~10，由于检测标准②的要求比①严，因此采用检测标准②会比用①带来更好的结果。 7.3.2 分裂合并法　　除了区域生成法外，另有一种分割的方法：从整幅图像开始通过不断分裂得到各个区域。实际中常先把图像分成任意大小且不重叠的区域，然后再合并或分裂这些区域以满足分割的要求。下面介绍一种利用图像四叉树表达方法(参见图7.3.4)的迭代分裂合并算法。　　如果仅仅允许使用分裂，则最后有可能出现相邻的2个区域具有相同的性质但并没有合成一体的情况。为解决这个问题，在每次分裂后应允许其继续分裂或合并。这里只合并那些相邻且合并后组成的新区域满足逻辑谓词P的区域。换句说话，如果能满足  P(Ri)＝TRUE则将Ri和Rj合并起来。 　　图7.3.4 图像的四叉树表达法 　　总结前面所述的基本分裂合并算法步骤如下：　　(1)对任一个区域Ri，如果P(Ri)＝FALSE，就将其分裂成不重叠的4等份；　　(2)对相邻的2个区域Ri和Rj，如果P(Ri∪Rj)＝TRUE，就将它们合并起来；　　(3)如果进一步的分裂或合并都不可能了，则结束。　　上述基本算法可有一些改进变型。例如可将原图先分裂成1组正方块，进一步的分裂仍按上述方法进行。但优先合并在四叉树表达中属于同1个父节点且满足逻辑谓词P的4个区域。如果这种类型的合并不再可能，则在整个分割过程结束前再按满足上述第(2)步的条件进行1次合并， 注意此时合并的各个区域有可能彼此尺寸