数字图像处理技术 图像分割.ppt

数字图像处理 图像分割 浙江大学计算机学院 王 强 图像分割概论 ? 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。 ? 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。 ? 通常图像分割采用聚类方法，假设图像中组成我们所感兴趣对象的像素具有一些相 似的特征，如相同的灰度值、相同的颜色等。 传统的图像分割技术： ? 基于像素灰度值的分割技术 ? 基于区域的分割技术 ? 基于边界的分割技术 ? 图像的描述，包括边界和区域的描述 ? 对图像区域的操作 ― 数学形态学 灰度阈值分割法 灰度阈值分割法是最古老的分割技术 只能应用于图像中组成感兴趣对象的灰度值是均匀的，并且和背景的灰度值不一样。 事先决定一个阈值，当一个像素的灰度值超过这个阈值，我们就说这个像素属于我们 所感兴趣的对象；反之则属于背景部分。 这种方法的关键是怎样选择阈值，一种简便的方法是检查图像的直方图，然后选择一 个合适的阈值。 如果图像适合这种分割法，那么图像的直方图在表示对象和背景的小范围灰度值附近 出现一个高峰值。适合这种分割法的图像的直方图应是双极模式，我们可以在两个峰 值之间的低谷处找到一个合适的阈值。 单一阈值方法也不适合于由许多不同纹理组成一块块区域的图像。 ? 用如下所示的循环迭代策略得到阈值 1. 假设图像中处于四个角的像素是属于背景部分，其它像素属于感兴趣对象， 然后定义一个背景灰度和对象灰度的初始值。 2. 通过下面的公式循环迭代直至前后两次循环得到的阈值 T i +1 和 T i 相差非常小， 循环过程停止。 2 1 i object i background i T ? ? ? ? ? u i background 和 u i object 分别是循环第 i 次得到的背景灰度值和对象灰度值。 ? 这种单一阈值分割方法一种拓展就是将图像分成一个个子区域，不同的子区域采用 不同的阈值。 将图像分成 64 × 64 重叠的子区域，并在每个子区域中检测区域的直方图是不是双 极模式，如果一个区域的直方图不是双极模式，则判定该区域完全属于背景部分 或对象部分。 原始图像 分割结果 (T=170) 基于纹理的分割方法 ? 什么是纹理 纹理是图像中一个重要而又难于描述的特征，至今还没有精确的纹理定义。 纹理图像在局部区域内呈现了不规则性，而在整体上表现出某种规律性。 ? 纹理的组成 ? 一是组成图像纹理的基元 ? 另一个是这些基元之间的空间分布关系。 纹理基元的空间排列可能是随机的，也可能是相互之间互相依赖，这种依赖 性可能是有结构的，也可能是按某种概率分布排列的，也可能是某种函数形 式的。 ? 纹理的描述 图像纹理可以定性用许多词汇来描述，如粗糙、精细、光滑、方向性、规则性 和粒度等等。 但是遗憾的是要将这些语义描述转化为数学模型不是一件容易的事。 一般来说图像纹理由纹理中相邻像素之间的灰度变化及纹理基元模板来描述。 ? 分析和测量纹理的算法 ( 两类 ) 从图像有关属性的统计分析出发 ? 统计分析方法 ? 结构分析方法 找出纹理基元，以后再从结构组成上探索纹理的规律，也还有直接去探求纹 理构成的结构规律。 一般用统计结构尺度来量化纹理的特征，在统计结构尺度中我们不仅仅需要抓住或 测量纹理在一个像素点邻近区域的变化，而且还需考虑纹理的空间结构组织， 换言之，不仅仅需要考虑相邻两个像素之间的灰度变化，还要考虑它们之间的空间 关系。 在标注一个像素点的纹理特征时很可能是多维数据，如距离、方向、灰度变化等等。 纹理分析的自相关函数方法 ? 自相关函数的定义 若有一幅图像 f ( i , j ), i , j =0, 1, …, N -1, 它的自相关函数为： ?? ?? ? ? ? ? ? ? ? ? ? ? ? 1 0 1 0 2 1 0 1 0 ) , ( ) , ( ) , ( ) , ( N i N j N i N j j i f y j x i f j i f y x ? 如果图像中灰度基元的面积比较大，则自相关函数随距离的增大，下降速度比 较慢 如果灰度基元中灰度呈周期变化，则自相关函数的升降也呈周期性变化。 纹理分割－ Hurst 函数 ? Hurst 系数是单一数值，它的计算过程如下： 1. 将一个圆放在一个像素