第6讲图像分割.ppt

第6讲 图像分割; 概念 1、图像分割是指将图像划分为它的子区域或对像的过程。 ;分割实例1（虹膜定位 ）;图像分割的基本思路 从简到难，逐级分割； 控制背景环境，降低分割难度； 把焦点放在增强感兴趣对像，缩小不相干图像成分的干扰上。 例如：下图的分割过程。;1.从简到难，逐级分割 分割矩形区域；定位牌照；定位文字 2.控制背景环境，降低分割难度 背景环境:路面、天空 3.焦点放在增强感兴趣对像，缩小不相干图像成分的干扰. 感兴趣的对像：汽车牌照 不相干图像成分： 非矩形区域 ;图像分割的基本策略 图像分割的基本策略，基于灰度值的两个基本特性： 不连续性——区域之间 相似性——区域内部 根据图像像素灰度值的不连续性 先找到点、线（宽度为1）、边（不定宽度） 再确定区域;据图像像素灰度值的相似性 通过选择阈值，找到灰度值相似的区域 区域的外轮廓就是对像的边;目前研究方向 （1）大量的研究集中在对分割算法的研究上； （2）根据分割评价方法，对各种分割算法的性能进行刻画和比较； （3）对分割评价方法的研究。; 第6讲 图像分割;人可以仅满足于边缘提供的信息;边缘可定义为在局部区域内图像的差别，表现为图像上的不连续性。 灰度级的突变 纹理结构的突变 颜色的变化 灰度级突变 阶跃边缘 脉冲状边缘 阶跃脉冲状边缘;阶跃边缘;脉冲状边缘：线条、曲线、点 。;阶跃脉冲状边缘：田里长有各种作物的田间小道。;间断检测;点的检测;-1;线的检测; 用4种模板分别计算 R水平 = -6 + 30 = 24 R45度 = -14 + 14 = 0 R垂直 = -14 + 14 = 0 R135度 = -14 + 14 = 0;线的检测——算法描述 依次计算4个方向的典型检测模板，得到Ri i=1,2,3,4 如 |Ri| > |Rj| 对于所有的j = i，那么这个点被称为在方向上更接近模板i 所代表的线 设计任意方向的检测模板 可能大于3x3 模板系数和为0 感兴趣的方向的系数大。 ; （2）实例;边缘;一阶导数和二阶导数;结论;1。小的noise对一阶导数的影响较小， 2。二阶导数对noise非常敏感 3。 Noise大时，对一、二阶导数影响都较大 总之，存在noise的应用中，noise是需要认真考虑的;（2）梯度算子 A、梯度算子; C、实例; B、各种梯度模板;图5-10;用Sobel算子进行边缘检测的结果 ;拉普拉斯算子;;;;分析;LoG算子; 零交叉求边缘;拉普拉斯算子;解决导数算子对噪声很敏感的问题，先平滑，再进行差分。 ;掩模;边缘连接法;局部连接处理;局部连接处理的原理;连接算法描述： 1）设定A、T的阈值大小，确定邻域的大小 2）对图像上每一个像素的邻域点进行分析， 判断是否需要连接。 3）记录像素连接的情况，另开一个空间， 给不同的边以不同的标记。 4）最后，删除孤立线段，连接断开的线段。;;通过Hough变换进行整体处理;Hough变换的基本思想; A、xy平面上的任意一条直线y = ax + b ，对应在参数 ab平面上都有一个点。 B、过xy平面一个点(x,y)的所有直线，构成参数ab平面 上的一条直线。; C、如果点(x1,y1)与点(x2,y2)共线，那么这两点在参数 ab平面上的直线将有一个交点。 D、在参数ab平面上相交直线最多的点，对应的xy平面 上的直线就是我们的解;计算方法;极坐标方法;（3）实例; 第6讲 图像分割;阈值分割 ;阈值分割法的特点： 适用于物体与背景有较强对比的情况，重要的是背景或物体的灰度比较单一。（可通过先求背景，然后求反得到物体） 这种方法总可以得到封闭且连通区域的边界。;阈值化算法分类方法;A、全局门限处理 T仅取决于f(x,y)，即仅取决于灰度级值。 B、局部门限处理 T取决于f(x,y)和p(x,y)。 C、动态（自适应）门限处理 T取决于空间坐标x和y。;（1）单阈值分割 ;基本全局门限处理;;;基本自适应门限处理;;转变成机器学习中的分类问题: 类内方差最小, 类间方差最大.; ;通过边界特性选择阈值;算法的实现： 1）对图像进行梯度计算，得到梯度图像。 2）得到梯度值最大的那一部分（比如10%）的像素直方图 3）通过直方图的谷底，得到阈值T 如果用拉普拉斯算子，不通过直方图，直接得到阈值，方法是使用拉普拉斯算子过滤图像，将0跨越点对应的灰度值为阈值T;基本思想：把前面的方法扩展到多维空间，则寻找波谷的