数字图像处理第10章.pptVIP

§10.3 并行区域技术 简单阈值法分割结果 * 数字图象处理－第10章 * 阈值80 * 数字图象处理－第10章 * §10.3并行区域技术 2.2最优阈值 最小误差（误分割）阈值 设目标和背景均为高斯分布（混有加性高斯噪声），则混合概率密度： 未知系数：均值、方差、和先验概率 （P1+P2 = 1），所以共有5个未知的参数 误分概率： 总误差概率 E(T) = P2E1(T) + P1E2 (T) §10.3并行区域技术 最小误差门限T的确定 对E(T) = P2E1(T) + P1E2 (T)关于T求最小值，可得到 P2p1(T) = P1p2 (T) 如果P1= P2，最佳门限在概率分布函数的交点 对于高斯分布的概率密度函数 最佳门限T满足方程 其中 最佳解忧两个根，只在两个分布的方差相同 有单根 * 数字图象处理－第10章 * §10.3 并行区域技术 最小误差阈值 阈值100 阈值130 阈值160 * 数字图象处理－第10章 * * 数字图象处理－第10章 * §10.3 并行区域技术 3.依赖区域的阈值选择 3.1直方图变换概念 仅利用象素灰度可能出现的问题： 灰度直方图的谷被填充 借助邻域性质变换原来的直方图 图像梯度反映了像素点的邻域性质 梯度直方图 低梯度 目标 背景 高梯度 边界 0 x 0 x f(x) f (x) 0 0 h [f (x)] h [f(x)] (a) 边缘剖面直方图 (d) 梯度直方图 (b) 边缘剖面 (c) 边缘梯度 背景 背景 背景 目标 边缘 边缘 目标 目标 边缘 * 数字图象处理－第10章 * §10.3 并行区域技术 3.2选择不同直方图 ① 获得低梯度值象素的直方图 没有边界像素的干扰（第三类区域） 只有目标、背景两个区域（内部像素） 峰之间的谷比原直方图深 ② 获得高梯度值象素的直方图 只有边界像素， 峰就是边界所在 位置也就是原直方图的谷值 §10.3 并行区域技术 3.3 灰度值和梯度值散射图 在灰度值上，不同目标的分布受到边界干扰 在梯度值上，边界和目标有可能区分 灰度值作为水平坐标，梯度值作为垂直坐标 构成的2-D散射图有可能将边界的影响消除 * 数字图象处理－第10章 * * 数字图象处理－第10章 * §10.3并行区域技术 4.依赖坐标的阈值选取 4.1问题提出 全局阈值不能兼顾图象各处的情况 用与坐标相关的一系列阈值来对图象分割 4.2基本思路 将图象分解成一系列子图象 对每个子图象计算1个阈值 对这些子图象阈值进行插值 用插值结果（阈值曲面）进行分割 * 数字图象处理－第10章 * §10.3 并行区域技术 4.3应用示例 图a 原图 图b 全局阈值 图c 子图划分 图d 阈值曲面 图e 变阈值分割 数字图象处理－第10章 数字图象处理 第 10 章 图象分割 * 数字图象处理－第10章 * 前章小结 形态学基本概念 腐蚀与膨胀 开操作和闭操作 击中或击不中变换 二值图像形态学基本算法 灰度形态学 * 数字图象处理－第10章 * 本章主要内容 间断的检测 点检测、线检测、边缘检测 边缘连接和边界的检测 局部处理、整体处理 基于门限的分割方法 全局门限、自适应门限、 基于区域的分割方法 区域生长、分离与合并 基于形态学分水岭的分割方法 水坝构造、分水岭算法 * 数字图象处理－第10章 * 本章基本要求 基本要求 了解图象分割的目的和应用 掌握点检测、线检测、边缘检测等基本间断检测方法 掌握边界跟踪、hough变换等基本边缘检测方法 掌握阈值法和区域生长法等区域分割方法 学会工程应用中如何选择合适算法实现对图像进行分割 通过实验环节学会用C语言编程实现图象边界检测和区域提取 计划学时 4-5 学时 * 数字图象处理－第10章 * 图像分割的概述 1.图像分割的目的 区分图像中的前景（感兴趣的目标） 和 背景 在图像中将不同区域分离出来，提取目标 分割的依据就是图像的区域特性 灰度、颜色、纹理等 * 数字图象处理－第10章 * §10.1 并行边界技术 1.主要介绍内容 边缘检测 微分算子 梯度算子、拉普拉斯算子等 边缘的连续性-闭合处理 边界（线段）检测的变换检测法 哈夫变换 §10.1 并行边界技术 点检测 线检测 * 数字图象处理－第10章 * -1 -1 -1 -1 8 -1 -1 -1 -1 -1 -1 -1 2 2 2 -1 -1 -1 -1 -1 2 -1 2 -1 2 -1 -1 -1 2 -1 -1 2 -1 -1 2 -1 2 -1 -1 -1 2 -1 -1 -1 2 * 数字图象处理－第10