《图像分割》公开课件（设计）.pptVIP

图像分割 一些基本概念 图像分割介绍 传统的图像分割方法 图像分割方法 图像描述 图像分割具体应用实例 图像分割介绍 图像分割的目的是理解图像的内容，提取出我们感兴趣的对象。 在图像分析中,通常需要将所关心的目标物从图像中提取出来,这种从图像中将某个特定区域与其它部分进行分离并提取出来的处理,就是图像分割. 图像分割按照具体应用的要求和具体图像的内容将图像分割成一块块区域。 图像分割是模式识别和图像分析的预处理阶段。 图像分割在图像分析、图像识别、图像检测等方面占有非常重要的地位。 图像分割介绍（续） 地位 图像处理着重强调图像之间进行变换以改善图像的效果 图像分析则主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息从而建立对图像的描述 图像理解的重点是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互关系，并得出对图像的解释 图像分割介绍（续） 分类—分割依据 相似性分割：将相似灰度级的像素聚集在一起。形成图像中的不同区域。这种基于相似性原理的方法也称为基于区域相关的分割技术 非连续性分割：首先检测局部不连续性，然后将它们连接起来形成边界，这些边界把图像分以不同的区域。这种基于不连续性原理检出物体边缘的方法称为基于点相关的分割技术 两种方法是互补的。有时将它们地结合起来，以求得到更好的分割效果。 传统的图像分割方法1.灰度阈值分割法 传统的图像分割方法2.基于纹理的分割方法 传统的图像分割方法3.区域生长法 1. P-参数法 —— 设计思想 对固定分辨率下的目标物，根据目标物在画面中所占的比例来选择阈值，进行二值化处理。　 P-参数法 —— 示例 P-参数法 —— 基本原理 如下图所示，假设目标物为暗，背景为亮； 先试探性地给出一个阈值（黄色） ，统计目标物的像素点数在整幅图中所占的比例是否满足要求，是则阈值合适； 否则，阈值则偏大（右）或者偏小（左），再进行调整，直到满足要求（白色）。　　 图像分割方法 均匀性度量法 ——处理效果示例 3. 聚类方法 —— 基本设计思想 聚类方法是采用了模式识别中的聚类思想。 以类内保持最大相似性以及类间保持最大距离为最佳阈值的求取目标。 聚类方法 —— 处理效果示例 图像分割方法4. 目标物体的轮廓提取 （1）轮廓提取 边缘勾画出目标物体，其蕴含了丰富的内在信息（方向、形状等），是图像识别中抽取图像特征的重要属性 轮廓提取和跟踪是为了获取图像的外部轮廓特征 采用的方法 二值图像：掏空内部点 非二值图像：先进行图像的二值化处理，然后掏空内部点 图像分割方法4. 目标物体的轮廓提取(续) （1）轮廓提取（续） 如何判断像素是否在内部？ 图像分割方法4. 目标物体的轮廓提取(续) （2）边界跟踪 顾名思义就是通过顺序找出边缘点来跟踪出边界。 目标物体的轮廓提取 二值图象闭合边界的轮廓跟踪算法 1首先按从上到下，从左到右的顺序搜索，找到的第一个黑点一定是最左上方的边界点，记为A 2A的右，右下，下，左下四个邻点中至少有一个是边界点，记为B 3从开始B找起，按右，右上，上，左上，左，左下，下，右下的顺序找相邻点中的边界点C。如果C就是A点，则表明已经转了一圈，程序结束。 4否则从C点继续找，直到找到A为止。 判断是不是边界点很容易：如果它的上下左右四个邻居都是黑点则不是边界点，否则是边界点。 图像分割方法5.模板匹配 模板匹配 如何在一幅图象中找到已知的物体，比如抓拍到了一张射门的照片，如何在该照片中找到足球的位置 ？ 用已知的模板，和原图象中同样大小的一块区域进行匹配 基本方法 模板的左上角点和图象的左上角点是重合的，用模板和原图象中同样大小的一块区域比较，然后平移到下一个像素，仍然进行同样的操作……所有的位置都比较完后，差别最小的那块就是我们要找的物体 图像分割方法5.模板匹配（续） 误差 用平方误差之和来衡量原图中的块和模板之间的差别 假设模板的大小为m*n(宽*高)；图像的大小为W*H。模板中的某像素坐标为(x0, y0)，该像素的灰度为v(x0, y0)；与之重合的图象中的像素坐标为(X0-x0,Y0-y0)，该点的灰度为f(X0-x0,Y0-y0)，则误差： 图像分割方法6.分水岭分割 图像分割方法6.分水岭分割 分水岭算法的基本思想 分水岭分割(Watershed Segmentation) 分水岭分割(Watershed Segmentation) 分水岭分割(Watershed Segmentation) 分水岭分割 分水岭分割 分水岭分割 分水岭如何分割连接的目标 分水岭如何分割连接的目标 分水