清华大学数字图像处理.pptxVIP

1;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象，缩小不相干图像成分的干扰上;2） 概述 数字信号处理按其技术特征可以分为三层结构: 图像处理; 图像分析; 图像理解与识别; ; 无论是图像处理、分析、理解与识别，其基础工作一般都建立在图像分割的基础上； 将图像中有意义的特征或者应用所需要的特征信息提取出来； 图像分割的最终结果是将图像分解成一些具有某种特征的单元，称为图像的基元； 相对于整幅图像来说，这种图像基元更容易被快速处理。 ;图像特征;图像分割是进行图像分析的关键步骤，也是进一步理解图像的基础； 不同种类的图像，不同的应用要求所需要提取的特征不相同，特征提取方法也就不同； 不存在一种所谓普遍适用的最优方法。 ;图像的边缘; 图像分割是将图像划分成若干个互不相交的小区域的过程，小区域是某种意义下具有共同属性的像素的连通集合。 如不同目标物体所占的图像区域、前景所占的图像区域等； 连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径； 对于离散图像而言，连通有4连通和8连通之分，如图9-1所示。;图9-1 4连通和8连通 ; 4连通指的是从区域上一点出发，可通过4个方向，即上、 下、左、右移动的组合，在不越出区域的前提下，到达区域内的任意像素； 8连通方法指的是从区域上一点出发，可通过左、 右、上、下、左上、右上、左下、右下这8个方向的移动组合来到达区域内的任意像素。 ; 图像分割有三种不同的途径： 其一是将各像素划归到相应物体或区域的像素聚类方法, 即区域法； 其二是通过直接确定区域间的边界来实现分割的边界方法； 其三是首先检测边缘像素，再将边缘像素连接起来构成边界形成分割。 在图像分割技术中，最常用的是利用阈值化处理进行的图像分割。;4） 灰度阈值法分割 常用的图像分割方法是把图像灰度分成不同的等级， 然后用设置灰度门限（阈值）的方法确定有意义的区域或分割??体的边界。常用的阈值化处理就是图像的二值化处理，即选择一阈值，将图像转换为黑白二值图像，用于图像分割及边缘跟踪等预处理。 图像阈值化处理的变换函数表达式为 ;图9-2 阈值变换曲线 ; 图9-3(a)原始图像的直方图如图9-4所示。 该直方图具有双峰特性，图像中的目标（细胞）分布在较暗的灰度级上形成一个波峰，图像中的背景分布在较亮的灰度级上形成另一个波峰。 以双峰之间的谷低处灰度值作为阈值T进行图像的阈值化处理，便可将目标和背景分割开来。 ;图9-3 不同阈值对阈值化结果的影响 (a) 原始图像； (b) 阈值T=91； (c) 阈值T=130； (d) 阈值T=43;图9-4 直方图 ; 在图像的阈值化处理过程中，选用不同的阈值其处理结果差异很大； 阈值过大，会提取多余的部分； 阈值过小，又会丢失所需的部分； 因此，阈值的选取非常重要。 ;5） 区域生长 分割的目的是把一幅图像划分成一些区域，最直接的方法就是把一幅图像分成满足某种判据的区域，即将点组成区域。为了实现分组，首先要确定区域的数目，其次要确定一个区域与其他区域相区别的特征，最后还要产生有意义分割的相似性判据。 ; 分割区域的一种方法叫区域生长或区域生成。假定区域的数目以及在每个区域中单个点的位置已知，则从一个已知点开始，加上与已知点相似的邻近点形成一个区域。 相似性准则可以是灰度级、彩色、组织、梯度或其他特性，相似性的测度可以由所确定的阈值来判定。 从满足检测准则的点开始，在各个方向上生长区域，当其邻近点满足检测准则就并入小块区域中。当新的点被合并后再用新的区域重复这一过程，直到没有可接受的邻近点时生成过程终止。 ; 图9-5给出一个简单的例子。此例的相似性准则是邻近点的灰度级与物体的平均灰度级的差小于2。 图中被接受的点和起始点均用下划线标出，其中： （a）图是输入图像； （b）图是第一步接受的邻近点； （c）图是第二步接受的邻近点； （d）图是从6开始生成的结果。 ;图9-5 区域生长示例 ; 从满足检测准则的点开始(或者已知点)在各个方向上生长出区域。 例如：每一步所接受的邻近点的灰度级与先前物体的平均灰度级相差小于2。 起始：;