数字图像处理 第五章 图像分割.ppt

5.3阈值分割法*方法二：迭代阈值法根据图像的内容，从一个初始的阈值出发，迭代地计算新的阈值，向最优阈值收敛，从而自动分割图像。5.3阈值分割法*迭代阈值法的实现过程：选择一个初始阈值T1。根据阈值T1将直方图分割为G1和G2两部分，分别求出G1和G2的平均灰度值μ1和μ2。计算新的阈值T2=(μ1+μ2)/2。如果|T2-T1|<=t（t：收敛条件，是一个预先指定的较小的正数，如t=0.5），终止迭代，T2就是所求阈值，否则T1=T2，返回步骤2。5.3阈值分割法*问题：好的初始值5.3阈值分割法初始阈值:228收敛条件|T2-T1|<0.5第1次迭代结果：171.1535第2次迭代结果：136.3415第3次迭代结果：128.1144第4次迭代结果：127.2048第5次迭代结果：127.1531*在实际问题中，可根据下面两个原则选择初始阈值：当目标与背景的面积相当时，可以将初始阈值置为整幅图像的平均灰度。当目标与背景的面积相差较大时，更好的选择是将初始阈值置为最大灰度值与最小灰度值的平均值。初始阈值的选择将会影响算法的收敛性。5.3阈值分割法*将初始阈值置为最大灰度值与最小灰度值的平均值。经过计算，初始阈值为：(255+23)/2=139以139作为初始阈值，算法仅需3次即可收敛。5.3阈值分割法*方法三：最大类间方差法最大类间方差法是由日本学者大津于1979年提出的,是一种自适应的阈值确定的方法，又叫大津法，简称OTSU。它是按图像的灰度特性，将图像分成背景和目标2部分。背景和目标之间的类间方差越大，说明构成图像的2部分的差别越大，当部分目标错分为背景或部分背景错分为目标都会导致2部分差别变小。该算法自适应强，在一定条件下不受图像对比度和亮度变化的影响，不需要其他先验知识。5.3阈值分割法*算法参数说明：T：图像I(x,y),前景(即目标)和背景的分割阈值；ω0：属于前景的像素点数占整幅图像的比例；μ0：前景的像素点数的平均灰度；ω1：背景像素点数占整幅图像的比例；μ1：背景的像素点数的平均灰度；μ：图像的总平均灰度；g：类间方差。设图像的背景较暗，并且图像的大小为M×N，

N0：图像中像素的灰度值小于阈值T的像素个数；N1：像素灰度大于阈值T的像素个数。5.3阈值分割法*LOG（Laplacian-Gauss）算子Marr和Hildreth将Gaussian滤波器和Laplacian边缘检测结合在一起，形成了LoG(LaplacianofGaussian)算法。先用高斯函数对图像进行平滑，然后再用拉普拉斯算子进行运算，形成Laplacian-Gauss算法，它使用一个墨西哥草帽函数形式。5.2边界分割法*5.2边界分割法LOG（Laplacian-Gauss）算子检测边缘结果*5.2.5边缘连接边缘检测的结果还不是图像分割的结果。由于噪音的原因，边界的特征很少能够被完整地描述，在亮度不一致的地方会中断。因此典型的边检测算法后面总要跟随着连接过程和其它边界检测过程，用来归整边像素，形成直线、曲线、各种轮廓线等，直到能表示图像中物体的边界。5.2边界分割法*(1)连接的原理对做过边检测的图像的每个点(x,y)的特性进行分析（在一个小的邻域（3x3或5x5）中进行）。所有相似的点被连接，形成一个享有共同特性象素的边界。点(x’,y’)点(x,y)5.2边界分割法*(2)连接原则通过比较梯度，确定两个点的连接性：对于点(x’,y’)，判断其是否与邻域内的点(x,y)相似，当：（T是非负阈值） |?f(x,y)–?f(x’,y’)|?T 比较梯度向量的方向角：对于点(x’,y’)，判断其是否与邻域内的点(x,y)的方向角相似，当：（A是角度阈值） |?(x,y)–?(x’,y’)|<A 当梯度值和方向角都是相似的，则点(x’,y’)，与边点界(x,y)是连接的。5.2边界分割法*(3)边缘点快速搜索方法三步搜索法（ThreeStepSearch(TSS)）新三步搜索法（NewThreeStepSearch(NTSS)）菱形搜索法（DiamondSearch(DS)）5.2边界分割法*三步搜索法(Three—StepSearch，TS