分水岭算法课件.pptVIP

数字图像处理Digital Image Processing;第8章 图像分割（Image Segmentation）;图像;Definition of Image Segmentation ;?分割出来的各区域对某种性质例如灰度，纹理而言具有相似性，区域内部是连通的且没有过多小孔； ?区域边界是明确的； ?相邻区域对分割所依据的性质有明显的差异。;Introduction; 分割图像的物体可以通过确定图像中的物体边界来完成。 当图像中各个像素的灰度级用来反映各像素符合边缘像素要求的程度时，这种图像被称为边缘图像或边缘图(edgemap)。 边缘图可用表示边缘点的位置而没有强弱程度的二值图像来表示。 一幅边缘图通常用边缘点勾画出各个物体的轮廓，但很少能形成图像分割所需要的闭合且连通的边界。因此需要进行边缘点连接才能完成物体的检测过程。 边缘点连接就是一个将邻近的边缘点连接起来从而产生一条闭合的连通边界的过程。这个过程填补了因为噪声和阴影的影响所产生的间隙。 ;8.2.1 边缘检测(Edge Detection);;;;;;;;;;;;;;;;;8.2.2 边缘连接(Edge Connection); ;;Hough 变换 ;Hough 变换 ;Hough 变换 ;Hough 变换 ;Hough直线检测结果 ; 阈值分割是，将所有灰度值大于或等于某阈值的像素都被判属于物体。将所有灰度值小于该阈值的像素被排除在物体之外。 适用于物体与背景有较强对比的景物的分割。 由于阈值分割的直观性和易于实现的性质,使它在图像分割应用中处于中心地位。 ;;;;;;8.3.1 全局阈值(Global Threshold);8.3.2 自适应阈值(Adaptive Threshold);8.3.3 最佳阈值的选择(Optimal Threshold);1. 直方图技术 ;;2. 最大类间方差法(OTSU);;;3. 迭代法求阈值;例8.2 全局阈值、OTSU及迭代求阈值算法。 I = imread(i_boat_gray.bmp); [width,height] = size(I); %otsu algorithm level = graythresh(I); BW = im2bw(I,level); figure imshow(BW) ;;8.3.4 分水岭算法(Watershed Algorithm);假定图中的物体灰度值低，而背景的灰度值高。图中显示了沿一条扫描线的灰度分布，该线穿过两个靠得很近的物体。;分水岭算法 ;分水岭算法 ;;8.4 区域分割(Region Segmentation);条件(1)表明分割区域要覆盖整个图像且各区域互不重叠； 条件(2)表明每个区域具有相同的性质； 条件(3)表明相邻的两个区域性质相异不能合并为一个区域。; 区域生长法主要考虑像素及其空间邻域像素之间的关系。 开始时确定一个或多个像素点作为种子。 然后按某种相似性准则增长区域，逐步生成具有某种均匀性的空间区域，将相邻的具有相似性质的像素或区域归并从而逐步增长区域，直至没有可以归并的点或其它小区域为止。 区域内像素的相似性度量可以包括平均灰度值、纹理、颜色等信息。 ;;;I=imread(coins.png); %读取图像 if isinteger(I) I=im2double(I); %将uint类型转换成double类型 end figure,imshow(I); %显示原图像 [M,N]=size(I); %获取图像的大小 [y,x]=getpts; %选取种子点 x1=round(x); %横坐标取整 y1=round(y); %纵坐标取整 seed=I(x1,y1); %将种子点灰度值存入seed中 J=zeros(M,N); %一个全零与原图像等大的图像矩阵J，作为输出图像矩阵 J(x1,y1)=1; %将J中与所取点相对应位置的点设置为白 sum=seed; %存储符合区域生长条件的点的灰度值的和 suit=1; %存储符合区域生长条件的点的个数 count=1; %记录每次判断一点周围八点符合条件的新点的数目 threshold=0.15; %阈值，注意需要和double类型存储的图像相符合 ;while cou