图像边缘检测详解.pptVIP

图像分割 在对一幅图像的分割结果中全部子区域的总合（并集）应能包括原 图像中所有像素，或者说分割应将图像中的每个像素都分进某个子区域中。即： 在分割结果中各个子区域是互不重叠的，或者说分割结果中一个像素不能同时属于两个区域。即：对所有的i和j，i≠j，有 分割结果中每子区域都有独特的特性，或者说属于同一个区域中的像素应该具有某些相同的特性。即：对i=1，2，…，N，有 图像分割 分割结果中，不同的子区域有不同的特性，没有公共元素，或者说属于不同区域的像素应该具有一些不同的特性。即：对i≠j，有 分割结果中同一个子区域内的像素应当是连通的，即同一个子区域内任何两个像素在该子区域内互相连通，或者说分割得到的区域是一个连通组元。即：对i=1，2，…N，Ri是连通的区域。 图像分割的方法 图像分割有三种不同的方法： 一、基于像素灰度值得分割方法：阈值（门限）方法 二、基于区域的分割方法：通过直接确定区域间的边界来实现分割的边界方法； 三、基于边缘的分割技术：首先检测边缘像素， 再将边缘像素连接起来构成边界形成分割。 在图像分割技术中， 最常用的是利用化处理进行的图像分割。 区域生长 需要确定三个事情： 确定初始生长的种子区域 确定生长原则 确定生长停止原则 边缘检测的三个共性准则 1986年，John Canny在IEEE上发表了一篇关于边缘检测准则的文章，他提出了边缘检测的三个共性准则： 好的检测结果，或者说对边缘的误测率尽可能低，就是在图像边缘出现的地方检测结果中不应该没有；另一方面不要出现虚假的边缘； 对边缘的定位要准确，也就是我们标记出的边缘位置要和图像上真正边缘的中心位置充分接近； 对同一边缘要有尽可能低的响应次数，也就是检测响应最好是单像素的。 几种常用的边缘检测算子主要有Roberts边缘检测算子，Sobel算子、Prewitt算子、Krisch边缘算子，高斯-拉普拉斯算子。 1.Roberts算子 Sobel算子 Prewitt算子 拉普拉斯算子 夹角跟踪法 一种快速的轮廓跟踪算法：利用边界上相邻像素间的夹角来搜索。 首先找到最左下角的边界点：按照从左到右，从上到下的顺序搜索到的第一个黑点。 不妨假设已经沿着顺时针方向环绕整个图像一圈找到了所有的边界点，边界是连续的，所以每个边界点都可以用这个边界点对前一边界点所张的角度来表示。 轮廓提取图示 * 第四章 图像分割与边缘检测 5.1 图像分割 5.2 边缘检测 5.3 轮廓跟踪与提取 一、 图 像 分 割 图像分割是将图像划分成若干个互不相交的小区域的过程，所谓小区域是某种意义下具有共同属性的像素的连通集合。 从集合的观点看：它应该是具有如下性质的一种点集，集合R代表整个区域，对R的分割可看作将R分成N个满足以下五个条件的非空子集R1，R2，…，RN： 一、阈值法分割 常用的图像分割方法是把图像灰度分成不同的等级， 然后用设置灰度门限（阈值T）的方法把原图像中的像素分为奴目标和背景。图像的二值化处理就是常用的阈值化分割， 即选择阈值T，将图像转换为黑白二值图像。 图像阈值化处理的变换函数表达式为 在图像的阈值分割的时候， 选用不同的阈值其处理结果差异很大。 阈值过大， 会提取多余的部分； 而阈值过小，又会丢失所需的部分（当前背景为黑色，对象为白色时刚好相反）。因此，阈值的选取非常重要。阈值的选取可以依据灰度图像的直方图。 1. 判别分析法确定最佳阈值 判别分析法确定最佳阈值的准则， 是使进行阈值处理后分离的像素类之间的类间方差最大。判别分析法只需计算直方图的0阶矩和1阶矩，是图像阈值化处理中常用的自动确定阈值的方法。 设图像总像素数为N，一共分作L类，灰度值为i的像素数为Ni，则至灰度级K的灰度分布的0阶矩及1阶矩分别定义为 0阶矩：  1阶矩： 当K=L-1时，ω(L-1)=1；μ(L-1)＝μT，μT称为图像的平均灰度。 设有M-1个阈值：0≤k1＜k2＜…＜KM-1≤L-1。 将图像分割成M个灰度值的类Cj（Cj∈［kj-1+1, …, kj］; j=1, 2, …, M ; k0=0, kM=L），则各类Cj的发生概率ωj和平均值μj为 式中, ω(0)=0，μ(0)=0。 由此可得各类的类间方差为 将使上式的σ2值为最大值的阈值组(k1, k2， …, kM－1)， 作为M值化的最佳阈值组。若取M为2，即分割成2类，