数字图像处理与应用（MATLAB版）全套PPT课件.ppt

1047510477015552056522564示例生长规则：如果像素与种子像素灰度值差小于阈值T，则将像素包括进种子像素所在的区域。要分割的图像1047510477015552056522564T=2分割1047510477015552056522564T=1分割151111111111555555555555555111111155555555555阈值T的选择非常重要生长规则:灰度差?T优缺点：这种方法简单，但如果区域之间的边缘灰度变化很平缓或边缘交于一点时，如图，两个区域会合并起来。一种解决方法：为消除这一点，在步骤搜索中不是比较相邻像素灰度，而是比较已存在区域的像素灰度平均值与该区域邻接的像素灰度值---质心型区域生长。区域1区域2灰度平缓的边缘质心型区域生长比较单个像素的特征与其相邻区域的特征，若相似则将像素归并到区域中。操作步骤类似简单区域生长法，唯一不同的是在前面阈值比较中，改为比较已存在区域的像素灰度平均值与该像素灰度值。若差值小于阈值，则合并。（a）原始图像（b）第一次生长结果（c）第二次生长结果（d）最终生长结果例子:T=2区域平均值8.25区域平均值7.83区域平均值7.57区域分裂与合并先将图像分割成一系列任意不相交的区域，然后将他们进行合并或分裂得到各个区域。常用的方法是四叉树分解法。四叉树分解法设R表示不具一致性的图像区域。对R进行分割的一种方法是反复将分割得到的结果图像再次分为四个区域，直到任何区域Ri达到一致性为止。RR1R2R3R4R11R12R13R14如果仅使用分裂，最后得到的分割结果可能包含具有相同性质的相邻区域。为此，可在分裂的同时进行区域合并。合并规则：只要两个相邻的区域Ri、Rj，具有一致性，则可以将Ri和Rj进行合并。区域分裂与合并方法分割图像图示区域分割的优缺点优点：利用了图像的局部空间信息，可有效地克服边缘检测存在的图像分割空间不连续的缺点。缺点：基于区域的分割方法往往会造成图像的过度分割 改进：将基于区域的方法和边缘检测的方法结合起来，发挥各自的优势以获得更好的分割效果。区域分割的Matlab实现例6.3利用阈值分割法对图像source.bmp进行分割。取不同的阈值时，分割结果如下图所示。%MATLAB对图像基于全局阈值的分割程序%functiontest2（a）clearalla=150;%a为可设定的全局阈值I=imread(cameraman.tif);%输入灰度图像figure(1),imshow(I);%显示原灰度图像fori=1:256forj=1:256ifdouble(I(i,j))aI(i,j)=255;endifdouble(I(i,j))=a（a）原图I(i,j)=0;endendendfigure(2),imshow(I)%显示分割处理后的二值图像（b）a=100时分割后的图（c）a=150时分割后的图选取不同阈值图像分割的效果例6.4选择一幅灰度图像，用区域生长法进行分割imreconstruct函数的调用语法为outim=imreconstruct(markerim,maskim)其中，markerim为标记图像，maskim为模板图像，outim为输出图像。imreconstruct函数的工作过程是一个迭代过程。对一幅灰度图像用区域生长法进行分割。f=imread(AT3_1m4_10.tif);subplot(1,2,1);imshow(f);seedx=[256,128,480];seedy=[128,256,384];holdonplot(seedx,seedy,gs,linewidth,1);title(原始图像及种子位置);f=double(f);markerim=f==f(seedy(1),seedx(1));fori=2:length(see