第08章 图像分割.ppt

* 本章小结 图像分割是图像理解和分析的前提和重要组成部分。 分割的算法很多，大致分为边界分割和区域分割。 边界方法假设图像分割结果的某个子区域在原图像中一定会有边缘存在；区域方法假设图像分割结果的某个子区域一定会有相同的性质，而不同区域的像素则没有共同的性质。 基于区域的分割方法往往会造成图像的过度分割，而单纯的基于边缘检测的方法有时不能提供较好的区域结构，为此可将基于区域的方法和边缘检测的方法结合起来，发挥各自的优势以获得更好的分割效果。 重点： 理解图像分割在图像处理中的地位和作用、各种常见的图像分割方法 难点： 在图像处理时如何选用合适的分割方法以保证图像的特征提取。 读者在学习时可以结合实例来理解各种分割方法。 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 2. Prewitt算子 3. Sobel算子 通过算子检测后，还需作二值处理从而找到边界点。 图8.9给出了利用这三个算子进行边缘检测的不同效果。 这三种模板中，Sobel算子的检测效果最好。 (a) 原图像 (b) Roberts算子检测 (c) Prewitt算子检测 (d) Sobel算子检测 【例8.4】利用梯度算子对图像进行边缘检测。 I = imread(blood1.tif); imshow(I); BW1 = edge(I,roberts); %进行Roberts算子边缘检测，门限值采用默认值 BW2 = edge(I,prewitt); %进行Prewitt算子边缘检测，门限值采用默认值 BW3 = edge(I,sobel); %进行Sobel算子边缘检测，门限值采用默认值 figure,imshow(BW1,[]); figure,imshow(BW2,[]); figure,imshow(BW3,[]); 8.4.3 拉普拉斯算子 Laplacian是二阶导数算子，也是借助模板来实现的。 对模板有一些基本要求： 模板中心的系数为正，其余相邻系数为负，且所有的系数之和为零。 常用的模板有： 图8.9 二阶导数算子确定边缘位置 （a）平滑边缘的二阶算子 （b）斜坡边缘的二阶算子 【例8.5】Robert、Sobel和Laplace算子的边缘检测。 （a）Lena图像 （b）Robert算子检测结果 （c）Sobel算子检测结果 （d）Laplace算子检测结果 图8.10 各种算子的检测结果 8.4.4 拉普拉斯-高斯算子 拉普拉斯-高斯算子（Laplacian of Gaussian, LoG），也称Marr算子。 思想： 先用高斯函数g(x, y)对图像f (x, y)进行滤波， 再对滤波后的图像进行拉普拉斯运算（?2），结果为零的位置即为边缘点的位置。 滤波提高了抗噪声的能力，但同时可能使原本比较尖锐的边缘平滑了，甚至无法检测到。 图8.9 不同微分算子的边缘检测效果 （a）原图像 （e）LoG算子检测 8.4.5 Canny边缘检测算子 Canny的主要工作： 推导了最优边缘检测算子。 考核边缘检测算子的指标是： 低误判率，即尽可能少地把边缘点误认为是非边缘点； 高定位精度，即准确地把边缘点定位在灰度变化最大的像素上； 抑制虚假边缘。 图8.9 不同微分算子的边缘检测效果 （a）原图像 （f）Canny算子检测 判断一个像素是否为边缘点的条件为： （1）像素(i, j)的边缘强度大于沿梯度方向的两个相邻像素的边缘强度； （2）与该像素梯度方向上相邻两点的方向差小于45o； （3）以该像素为中心的3×3邻域中的边缘强度的极大值小于某个阈值 。 Canny算子的检测比较优越，可以减少小模板检测中边缘中断，有利于得到较完整的边缘。 MATLAB程序： I = imread(blood1.tif); imshow(I); BW5 = edge(I, canny); figure,imshow(BW5,[]); Canny算子边缘检测的结果图 8.4.6 方向算子 利用一组模板对图像中的同一像素求卷积，然后选取其中最大的值作为边缘强度，而将与之对应的方向作为边缘方向。 相对于梯度算子的优点： 不仅仅只考虑水平和垂直方向，还可以检测其他方向上的边缘。 但计算量将大大增加。 常用的有8方向Kirsch（3×3）模板，如图8.8所示，方向间的夹角为45o。 图8.13 3×3 Kirsch算子的八方向模板 8.4.8 边缘跟踪 上述方法仅得到处在