图像处理第7讲图像分割知识内容.ppt

一个全局阈值处理后的结果：人工设置直方图的波谷为阈值 分割为子图像：4等分后再4等分 自适应阈值处理的结果 原图 基本自适应阈值举例 yuzhifengead.m 原图像 自适应阈值分割结果 Th=Th(x,y) 7.4 基于区域的分割 基于区域的分割就是把具有某种相似性质（可以是灰度、颜色、纹理等）的像素连通起来，形成图像中的不同区域。 基于区域分割 区域生长 区域分裂 区域合并 区域生长是一种根据事前定义的准则将像素或子区域聚合成更大区域的过程。基本的方法是以一组“种子”点开始将与种子性质相似的相邻像素附加到生长区域的种子上。 7.4.1 区域生长 区域生长方法： 1）确定区域的数目，也就是选择一组能正确代表所需区域的生长起点，即种子，每个图像区域至少要有一个种子。如最亮或最暗的点，或者是位于点簇中心的点。 2）选择有意义的特征，也就是确定在生长过程中将相邻区域像素包括进来依据的特征； 3）确定生长规则，根据确定的生长规则将种子像素周围邻域中与种子像素有相同或相似性质的像素合并到种子像素所在的区域中。将这些新像素当做新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来。这样一个区域就长成了。 以像素灰度为特征进行区域生长 1 0 4 7 5 1 0 4 7 7 0 1 5 5 5 2 0 5 6 5 2 2 5 6 4 示例 确定生长规则：如果像素与种子像素灰度值差小于阈值T，则将像素包括进种子像素所在的区域。 要分割的图像 选择种子像素：种子像素的选取可借助图像的直方图来进行，由直方图可知具有灰度值为1和5的像素最多且处在聚类的中心，所以可各选一个具有聚类中心灰度值的像素作为种子。 1 0 4 7 5 1 0 4 7 7 0 1 5 5 5 2 0 5 6 5 2 2 5 6 4 示例 生长规则：如果像素与种子像素灰度值差小于阈值T，则将像素包括进种子像素所在的区域。 要分割的图像 1 0 4 7 5 1 0 4 7 7 0 1 5 5 5 2 0 5 6 5 2 2 5 6 4 T=2分割 1 0 4 7 5 1 0 4 7 7 0 1 5 5 5 2 0 5 6 5 2 2 5 6 4 T=1分割 1 5 1 1 1 1 1 1 1 1 1 1 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 1 1 1 1 1 1 1 5 5 5 5 5 5 5 5 5 5 5 阈值T的选择非常重要 生长规则: 灰度差?T regiongrow0.m 示例 clear all; close all; f=imread(1.jpg); f=rgb2gray(f); [y,x]=ginput(1); x=round(x); y=round(y); f1=double(f); S=f1(x,y); T=3; if numel(S)==1 SI=f==S; S1=S; else SI=bwmorph(S,shrink,Inf); J=find(SI); S1=f(J);. end TI=false(size(f)); for K=1:length(S1) seedvalue=S1(K); S=abs(f-seedvalue)=T; TI=TI|S; end g=bwlabel(imreconstruct(SI,TI)); imshow(g) 优缺点： 这种方法简单，但如果区域之间的边缘灰度变化很平缓或边缘交于一点时，如图，两个区域会合并起来。 一种解决方法： 为消除这一点，在步骤搜索中不是比较相邻像素灰度，而是比较已存在区域的像素灰度平均值与该区域邻接的像素灰度值---质心型区域生长。 区域1 区域2 灰度 平缓的边缘 质心型区域生长 比较单个像素的特征与其相邻区域的特征，若相似则将像素归并到区域中。 操作步骤 类似简单区域生长法，唯一不同的是在前面阈值比较中，改为比较已存在区域的像素灰度平均值与该像素灰度值。若差值小于阈值，则合并。 （a）原始图像 （b）第一次生长结果 （c）第二次生长结果 （d）最终生长结果 例子:T=2 区域平均值8.25 区域平均值7.83 区域平均值7.57 7.4.2 区域分裂与合并 先将图像分割成一系列任意不相交的区域，然后将他们进行合并或分裂得到各个区域。 在这类方法中，最常用的方法是四叉树分解法. 四叉树分解法 设R表示不具一致性的图像区域。对R进行分