数字图像处理与机器视觉—基于MATLAB实现 课件 第7、8章 图像分割、 彩色图像处理.pptx

第7章 图像分割; 7.1 引言 ;在医学领域中，图像分割技术在医学领域也得到了广泛应用。例如在心脏分割的问题中，在2017年，Arterys公司在一份声明中表示，其公司开发的心脏MRI医学影像分析系统Cardio DL，它能够自动采集心室的内外轮廓的数据，并提供心室功能的准确计算，耗时短，精度高，一份图像的分析10秒即可完成，远远快于临床医生。它已经进行了数以千计的心脏案例的数据验证，实验证实，该算法产生的结果与经验丰富的临床医生的分析结果是不相上下的。据悉，这款人工智能心脏MRI医学影像分析系统不但得到了FDA510(k)的批准，该系统也于2017年12月得到了欧洲的CE认证和批准，这标志着该软件将被允许用于临床。 图像分割技术，不仅仅应用在工业领域，还应用在医学等领域，其提取边缘，分割图像的功能，有传统手段难以比拟的直观性，更加易于专业人员学习和分析，并且成熟的图像分割技术出现错误的几率也远远小于人工出现错误的几率。;7.2 图像分割处理; 当人观察景物时，在视觉系统中对景物进行分割的过程是必不可少的，这个过程非常有效，以至于使人所看到的并不是一个复杂的景物，而只不过是一种物体的集合体。但是，使用数字处理，必须设法分离图像中的物体，把图像分裂成像素集合，每个集合代表一个物体的图像。尽管数字图像分割的任务在人类视觉感受中很难找到对照，在数字图像分析中它却是一个并非轻而易举的任务。 图像分割可以采用三种不同的原理（区域方法、边界方法、边缘方法）来实现。 区域方法 利用区域分割图像是把各像素划归到各个物体或区域中。 边界方法 利用边界分割图像只需确定存在于区域间的边界。 边缘方法 利用边缘方法分割图像则先确定边缘像素并把它们连接在一起以构成所需的边界。 在本章中我们要仔细讨论几种分离数字图像中的物体的技术。物体被分离后，我们就可以对其进行下一步处理，包括测量、分类等。;;7.3 基于阈值的图像处理;7.3.1 全局阈值分割 采用阈值确定边界的最简单做法是在整个图像中将灰度阈值的值设置为常数。如果背景的灰度值在整个图像中可合理地看作为恒定，而且??有物体与背景都具有几乎相同的对比度，特别是图像的直方图具有很明显的双峰，那么只要选择了一个合适的阈值，那么，只要选择了正确的阈值，使用一个固定的全局阈值一般会有较好的效果。全局阈值化分割主要有以下四种： · 人工选择法 · 直方图技术选择法 · 迭代式阈值选择法 · 最大类间方差阈值选择法;1．人工选择法 人工选择法是通过人眼的观察，应用人对图像的直观感受，在分析图像直方图的基础上，人工选出合适的阈值。也可以在人工选出阈值后，根据分割的效果，不断地交互操作，从而选择出最佳的阈值。 2．直方图技术选择法 一幅含有一个与背景明显对比的物体的灰度图像，如图7-1所示，有包含双峰的灰度直方图，如图7-2所示。两个尖峰对应于物体内部和外部较多数目的点，两峰尖的谷对应于物体边缘附近相对较少数目的点。在这样的情况下，通常使用直方图来确定灰度阈值。;【例7.1】生成直方图 I = imread(‘orange’)%读入图片 figure(1);imshow(I)%在画布一上展示原始图片 figure(2);imhist(I_1)%在画布二上展示原始图片的灰度直方图; ; 图 7-3原始图像; 图7-5 三通道直方图对比;【例7.2】生成多通道直方图 Img = imread(fruit1.jpg); %[M,N] = size(img);%注意：一个陷阱，对彩色图像如果这样表示很可能引起错误。 [M,N,D] = size(img);%注意对彩色图像一定要规范引用！！！ img_r = img(:,:,1);%取彩色图像的r通道 img_g = img(:,:,2);%取彩色图像的g通道 img_b = img(:,:,3);%取彩色图像的b通道 subplot(2,1,1);imshow(img), title(原始图像); line1 = img(1, :);%默认取彩色图像的r道,等同于line1=img(1,:,1); line2 = img(2, :);%默认取彩色图像的g道,等同于line1=img(2,:,2); line3 = img(3, :);%默认取彩色图像的b道,等同于line1=img(2,:,2); subplot(2,1,2); hold on plot(line1, r);plot(line2, g);plot(line3, b);;hold off imtool(img); figure(Name,绘制彩色图像fruit1横穿第800行的r、g、b通道的灰度值); line4 = img(800,1:1920,1