图像处理与理解(第六章)课件整理.pptVIP

由此得到三个等价判决准则 寻找t,使得判决函数取得最大值，使得C0、C1两类得到最佳分离 tank.bmp原图 坦克图类间方差阈值分割 steel1.jpg原图 钢筋类间方差阈值分割 ship.bmp原图 类间方差阈值分割 6.3.3 二维最大熵阈值分割 熵的定义： 　　　　 其中： 是随机变量x的概率密度函数 对于数字图像而言，随机变量x可以是像素的灰度值、区域灰度、梯度等特征。 1）一维最大熵阈值分割 思路：选取一个阈值，使图像分割后两部分的一阶灰度统计的信息量最大。 对于大小为 的数字图像：　　　 沈俊证明了在阶跃边缘，加白噪声情况下，在最大信噪比准则下，为最佳滤波器。 沈俊算法可以分解成为分别按行和列各进行两次正、反向递归滤波来实现。如式(6.2.24)—式(6.2.28)所示。 6.2.4 用Facet模型检测边缘 用一个平滑的曲面函数的导数来替代直接的数值导数。 （2n+1）* （2n+1）的对称区域 例6.2(p201) 步骤： a. 将 　　　空间量化成许多小格； b.每个小格作为一个累加数组，每个元素的下标对应于变换空间中各点的位置，其元素值表示通过该点的曲线条数。初始化时，各元素的值为零； c. 若待检测直线上像素点的灰度值为1，背景像素灰度值为0，则对图像空间中每个灰度值为1的点，在变换空间中找到与其对应的曲线，并将处于该对应曲线范围内的各累加数组元素的值加1； 　d.找累加数组阵列中的峰值点。峰点的位置对应于图像空间中待检测线的参数，峰的高低反映了待检测线上像素点的数目。 （a） （b） Hough变换图如图（a），而后对候选点进行筛选，如图（b）。根据选出的Hough域峰点在图像空间得到对应直线，这些直线则定位出车牌区域。 有关Hough变换的详细内容可以参考：Daisheng Luo, Pattern recognition and image processing, Chichester, Horwood Publishing, 1998 (This book is specifically aimed at object shape,orientation, and arrangement analysis and classification)。 有关Hough变换的的综述可以参考：Illingworth, J. and Kittler, J. (1988) Asurvey of the Hough transform. Comput.Vision, Graphics, Image Processing, Vol.22, pp.87-116. 6.3 图像阈值分割 思路：根据图像中要提取的目标物与背景在灰度特性上的差异，确定一个阈值，将图像二值化，即将目标从背景中分离出来。 图像阈值分割技术是目标识别、理解的重要前提。关键是如何选取阈值，虽然方法很多，但目前尚未有一种普遍适用的方法。图像分割技术的研究是数字图像处理中的一个有价值的热门课题之一。 图像分割是把一幅图像分割成互不重叠（互不相交）的区域；每个区域是像素点的一个连通的集合；这些区域和目标（或感兴趣的特征）有很强的相关性。因此分割也可以看作是一幅图像中具有相似特征的像素点的分组处理。 6.3.1 直方图阈值分割 不同的图像特征在直方图上呈现明显的不同； 一般在直方图上相应两个特征的峰（peak）是重叠的；重叠的程度取决于峰的分离程度和峰的宽度 直方图信息仅反映了图像的灰度信息，完全忽略了图像像素的空间信息。对于复杂图像，如果简单地通过直方图进行阈值的选取，会导致分割的失败。 单阈值（Single Thresholds）分割和双阈值（Double Thresholds）分割 ?欠分割和过分割 1）简单直方图分割法 l??直方图的定义 l??直方图双峰法: 对呈现明显双峰状的灰度直方图，选取两峰之间的谷底对应的灰度级作为阈值 l?存在问题：单峰、多峰、虽双峰但谷宽而平坦等情况不适用 解决途径：将原始直方图经过变换使之呈波峰尖锐、波谷深凹状，以便使用双峰法 思路：使图像中目标物和背景分割错误最小的阈值。 设目标灰度级分布的概率密度函数为 ， 背景灰度级分布的概率密度函数为 ， 目标像素占总像素数的比值为 ， 则图像总的灰度级分布概率密度函数为 2）最佳阈值分割法 若选取分割阈值为 ，则背景像素错分为目标像素的概率： 同理，目标像素错分为背景像素的概率： 　 则总的错分概率为　　　 寻找一个 使 取