武汉理工大学数字图像处理第八章 图像分割.pdfVIP

第八章 图像分割 Contents 8.1 图像分割定义 8.1 图像分割定义 8.2 使用阈值进行图像分割 8.2 使用阈值进行图像分割 8.3基于梯度的图像分割方法 8.3基于梯度的图像分割方法 8.4 边缘检测和连接 8.4 边缘检测和连接 Contents 8.5 区域增长(Region Growing) 8.5 区域增长(Region Growing) 8.6 二值图像处理(Binary Image Processing) 8.6 二值图像处理(Binary Image Processing) 8.7 分割图像的结构 8.7 分割图像的结构 小结 小结 8.1 图像分割定义 图像分割处理 :将数字图像划分成互不相交（不 重叠）区域的过程. 区域(region) :像素的连通集。 连通(connectedness) :在一个连通集中的任 意两个像素之间，存住一条完全由这个集合 的元素构成的连通路径。 8.2.1 全局阈值化 采用阈值确定边界的最简单做法是在整个图像中 将灰度阈值的值设置为常数。如果背景的灰度值 在整个图像中可合理地看作为恒定，而且所有物 体与背景都具有几乎相同的对比度，那么，只要 选择了正确的阈值，使用一个固定的全局阈值一 般会有较好的效果。 8.2.2 自适应阈值 在许多的情况下，背景的灰度值并不是常数，物件 和背景的对比度在图像中也有变化，这时，一个在 图像中某一区域效果良好的阈值在其它区域却可能 效果很差。在这种情况下，把灰度阈值取成一个随 图像中位置缓慢变化的函数值是适宜的。 8.2.3最佳阈值的选择 除非图像中的物体有陡峭的边沿，否则灰度阈值 的取值对所抽取物体的边界的定位和整体的尺寸 有很大的影响。这意味着后续的尺寸（特别是面 积）的测量对于灰度阈值的选择很敏感。由于这 个原因，我们需要一个最佳的，或至少是具有一 致性的方法确定阈值。 1.直方图技术 含有一个与背景明显对比的物体的图像其有包含 双峰的灰度直方图 ∞∞∞∞ AAAA HHHH DDDD dDdDdDdD ∫∫∫∫(((( )))) TTTT 直方图生成 a = imread(d:\pic\i_boat_gray.bmp); imshow(a) figure imhist(a) 利用灰度阈值T对物体面积进行计算的定义是: ∞ A H D dD ∫T ( ) 2. 最大类间方差法(OTSU) 下图的自适应分割技术又称为OTSU算法，该算 法是在灰度直方图的基础上用最小二乘法原理