第7章 图像分割技术(2).pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * 第七章 图像分割 * 图像分割 图像 图像识别 图像 预处理 图像理解 图7.1图像分割在整个图像处理过程中的作用 图像分割 作用 图像分割是图像识别和图像理解的基本前提步骤，图像分割质量的好坏直接影响后续图像处理的效果。 * ?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。 图像分割 特征 图像分割是指将一幅图像分解为若干互不交叠的、有意义的、具有相同性质的区域。 * ? 第1类性质的应用途径是基于亮度的不连续变化分割图像,比如图像的边缘. ? 第2类的主要应用途径是依据事先制定的准则将图像分割为相似的区域.门限(阈值)处理、区域生长、区域分离和聚合都是这类方法的实例。 图像分割 特征 图像分割算法一般是基于亮度值的两个基本特性之一: 不连续性和相似性. * 7.3 门限处理(阈值分割) 特点： 直观性 易于实现 封闭而连通的边界（不交叠区域） * 基本原理 以一定的图像模型为依托。最常用的图像模型是假设图由具有单峰灰度分布的目标和背景组成。 内部像素灰度分布高度相关。 之间灰度值存在较大差异。 * 基本原理 上图(a)为一幅图像的灰度级直方图,其由亮的对象和暗的背景组成. 对象和背景的灰度级形成两个不同的模式. 选择一个门限值T, 可以将这些模式分开. (b)包含3个模式. (a)单一门限 (b)多门限进行分割的灰度级直方图 * 基本原理 原始图像——f(x,y) 灰度阈值——T 阈值运算得二值图像——g(x,y) 对象点 背景点 * 基本原理 ? 阈值选择直接影响分割效果，通常可以通过对灰度直方图 的分析来确定它的值。 如果图像中有多个灰度值不同的区域，可以选择一系列的阈值以将每个像素分到合适的类别中去 。 * 阈值选择 利用灰度直方图求双峰或多峰 选择两峰之间的谷底作为阈值 * 人工阈值 人工选择法是通过人眼的观察，应用人对图像的知识，在分析图像直方图的基础上，人工选出合适的阈值。也可以在人工选出阈值后，根据分割效果，不断的交互操作，从而选择出最佳的阈值。 * T=155的二值化图像 T=210的二值化图像 原始图像 图像直方图 人工阈值 * 自动阈值 迭代法 在无人介入的情况下自动选取阈值是大部分应用的基本要求,自动阈值法通常使用灰度直方图来分析图像中灰度值的分布,结合特定的应用领域知识来选取合适的阈值. * 自动阈值 迭代法 基本思想：开始时选择一个阈值作为初始估计值，然后按某种策略不断地改进这一估计值，直到满足给定的准则为止。在迭代过程中，关键之处在于选择什么样的阈值改进策略，好的阈值的改进策略应该具备两个特征，一是能够快速收敛，二是在每一个迭代过程中，新产生阈值优于上一次的阈值。 * 自动阈值 迭代法 (1)? 选择图像灰度的中值作为初始阈值Ti=T0。 (2)? 利用阈值Ti把图像分割成两部分区域，R1和R2，并计算其灰度均值 (3) 计算新的阈值Ti+1 (4) 重复步骤2、3，直到Ti+1和Ti的值差别小于某个给定值 迭代式阈值选择的基本步骤如下: 适用于背景和对象在图像中占据的面积相近的情况. * 自动阈值 迭代法 原始图像 迭代阈值二值化图象 图7.3 迭代式阈值二值化图像 * 自动阈值 迭代法 (a) 原图 (b) 图像的直方图 (c) 通过用迭代估计的门限对图像进行分割的结果 * 自动阈值 分水岭算法 ?阴影、光照不均、各处对比度不同、突发噪声和背景灰度变化等，固定的全局阈值分割，效果不好。 解决方法：利用与坐标相关的一组阈值对图像进行分割——变化阈值法、自适应阈值法。 * 自动阈值 分水岭算法 ?分水岭算法(watershed)是一种借鉴了形态学理论的分割方法，它将一幅图象看成为一个拓扑地形图，其中灰度值被认为是地形高度值。高灰度值对应着山峰，低灰度值处对应着山谷。 * 自动阈值 分水岭算法 (a)原始图像 (b)图像对应的拓扑地形图 图7.5 图像对应的拓扑表面图 * 自动阈值 分水岭算法 ?三类点：①属于局部性最小值的点；②当一滴水放在某点的位置上时，水一定会下落到一个单一的最小值点；③当水处在某个点的位置时，水会等概率地流向不止一个这样的最小值点。 对于一个特定的区域最小值，满足条件②的点的集合称为这个最小值的“汇水盆地”或“分水岭”。满足条件③的点的集合组成地形表面的峰线，称为“分水线”或“分割线”。 * 自动阈值 分水岭算法 ?将这种想