数字图像处理和分析析8图像分割.pptVIP

第8章图像分割  ◆图像分割(1 mage segmentation)是一种重要的图像技术,有着 —广泛的应用。比如:在线产品检测,文档图像处理,遥感和生物 医学图像分析等 ◆在对这些图像的研究和应用中,人们往往对图像中的某些部分感 兴趣,这些区域被称为前景或目标—一具有独特性质的区域 ◆定义:把图像分成各具特性的区堿并提取出感兴趣目标的技术和 过程--将图像细分为子区域或对象 ◆图像分割算法一般是基于象素值的下述两个特性之一:不连续性 和相似性。 不连续性:指区域之间象素值差别比较大,在边界上具 有某种不连续性 基于边界的分割方法 相似性:指区域内部象素值之间具备一定的相似性 基于区域的分割方法  利用区域之间的不连续性分割 涉及如下三个问题 间断检测 检测点,线和边缘 边缘组装 组合成边界 门限处理一在边缘检测时,需要定义区分不同区 域的特征,那么特征值的分界点就是一个门限  8.1间断检测 ◆间断检测技术包括点检测,线检测和边界检测三种。寻找间断最 一般的方法是模板检测。计算模板所包围区域的灰度级与模板系 一数的乘积之和。 ◆图像中任意点的模板响应公式(3×3模板) R=W31+W22+…+wg 图10.13*3模板 ◆其中乙,是与模板系数相联系的象素的友度级,队是相对于模板 中心位置的象素的响应  8.1.1点检测 ◆使用右图所示的模板,如果 R≥T 0.1.2) 则认为在模板中心的位置检测到一个点。T是非负门限 ◆孤立点:该点的灰度级与其背景的差异相当大,并且它所在的位 置是一个均匀的或者近似均匀的区域 争基本思想:如果一个孤立点与它周围的点很不相同,则很容易被 上述模板检测到。在灰度级为常数的区域,模板响应R为0。  例题:8.1图像中孤立点的检测 图10.2(b)显示了一个带有通孔的喷气发动机涡轮叶片,通孔位 于图像的右上象限。在孔中只带有一个黑色像素。图10.2(c)是 将点检测模板应用于X射线图像后得到的结果。图10.2(d)显示了 当T取图10.2(c)中像素最高绝对值的90%时,应用式(10.1.2)所 得的结果。 图10.2  8.1.2线检测 ◆线模板 Horizontal +45° 45° 图103线模板 ◆第一个模板对水平方向的线条(单象素宽)有更强的响应 ◆第二个模板对于45度方向线有最佳响应 ◆第三个模板对垂直线有最佳响应 ◆第四个模板对于-45度线有最佳响应 ◆每个模板系数相加总和为0,保证了在灰度级恒定的区域,模板响 应为0  如何判断一个点与哪条线更相关? ◆将该点与分别与四个模板卷积,那么该点与|R|值最大的那个模板 关联的线更相关。 ◆应用:特定方向上的线检测。使用与该方向有关的模板,并设置 该模板的输岀门限。那么整幅图像与模板卷积之后,留下的点就 是点就是响应最强的点。  例题:8.2特定方向上的线检测 图10.4(αa)显示了一幅电路连接线模板的二值图像。假设要找到 个像素宽度的并且方向为-45的线条。使用图10.3的最后一个 模板,图_10.4(b)显示了得到的结果的绝对值。图10.4(c)显示了 使用门限等于图像中最大值后得到的结果 「可以看到, (1)图中水平和垂直的部 分都被去掉了,并且在(b 中所有原图中接近-45的部 分产生了最强响应 (2)加了门限之后,在(c) 中有孤立点,可以使用点检 测模板检测,然后删除,或 者使用下一章的形态学腐蚀 法删除 (b) (c)  8.1.3边缘检测最为普遍的检测方法 ◆由于两个具有不同灰度值的相邻区域之间总存在灰度边缘,而灰 度边缘是灰度值不连续(或突变)的结果,这样这种不连续常常 可以利用求导数来检测到。一般常用一阶和二阶导数来检测边缘 ◆边缘建模 Model of an ideal digital edge Model of a ramp digilal edge 灰度剖面图 b) 图10.5(a)理想的数字边缘模型,斜坡数字边缘模型。斜坡部 分与边缘的模糊程度成比例