数字图像处理技术图像分割.ppt

引言图像分割的原则：基于点相关的分割 依据各个像素点的灰度不连续性进行分割。如基于边界的分割方法基于区域相关的分割 依据同一区域具有相似的灰度这一特性，寻求不同区域之边界。如基于区域的分割方法第5页,共33页，星期六，2024年，5月一寻找图像边界的分割 1、边界跟踪(Boundarytracking，Edgepointlinking)是指从灰度图像中的一个边缘点出发，依次搜索并连接相邻边缘点，从而逐步检测出边界的方法（1）确定作为搜索起点的边缘点（通常采用梯度值最大的点）（2）采取一种合适的数据结构和搜索机理，在已经发现的边界点基础上确定新的边界点。（3）确定搜索终结的准则或终止条件第6页,共33页，星期六，2024年，5月一寻找图像边界的分割8邻域搜索跟踪法例：在3×3邻域中选取边界点，并限制没有大于45o的转折PCCPCPCPCPPCPCPC第7页,共33页，星期六，2024年，5月一寻找图像边界的分割 2、曲线拟合的边界连接 针对锐化后图像边缘间隔大或边缘点稀疏的情况，采用直线段或曲线函数来拟合这些边缘点，以形成部分边界，从而得到整个完整边界第8页,共33页，星期六，2024年，5月二基于区域灰度的图像分割 通过对图像的直方图进行分析，发现图像分割的阈值，通过该阈值完成对图像不同区域的分割第9页,共33页，星期六，2024年，5月二基于区域灰度的图像分割1、灰度级的门限化法（1）门限化法：适用于对象与背景占据不同灰度级范围原理：选取一个适当的灰度级门限，然后将每个像素灰度和它进行比较，超过门限的重新分配以最大灰度，低于门限的分配以最小灰度。这样可组成一幅新的二值图像，并将对象从背景中分离出来第10页,共33页，星期六，2024年，5月二基于区域灰度的图像分割（2）半门限化法原理：对图像中的背景表示成最大或最小的灰度，而把图像中的对象保留下来。TT1111第11页,共33页，星期六，2024年，5月二基于区域灰度的图像分割（3）用门限化法检测对象边缘原理：使用门限化法时，令灰度和所取门限值相同的像素点具有新的灰度值为1，而其余的各点的灰度值为0，即可检测出边缘。实用的方法：令原图像灰度值在门限值近旁一个小区域内的像素点的灰度为1，其余为0。第12页,共33页，星期六，2024年，5月2、阈值的选择极小点阈值 通过寻找直方图的极小点确定分割阈值，在确定极小点过程中可能需要对直方图进行平滑。最优阈值 通常，图像中目标和背景的灰度值有部分交错，再分割时总希望减少分割误差。为此，需要研究最优阈值问题。通过背景和目标的灰度概率分布函数可以在一定条件下确定最佳阈值第13页,共33页，星期六，2024年，5月设图像由目标和背景两部分组成，目标的灰度分布概率密度为po(r)，而背景的灰度分布概率密度为pb(r)，同时设目标占整个画面的百分比为q，则背景占1-q。若取阈值为t，则：trpo(r)pb(r)将背景点误判为物体点的误判概率为：将物体点误判为背景点的误判概率为：注意到上式右端第二项恰好是灰度小于t的背景点出现的总概率Pb(t)，故：因此总的误判概率为：第14页,共33页，星期六，2024年，5月我们的目标是求出最佳阈值t，使总的误判概率最小，故利用莱布尼茨法则，将上述误判函数对t求导，并令其为零，故有：或写成：若已知背景和目标的灰度概率密度，可以利用数值方法求出最佳阈值。若背景和目标的灰度概率密度均为正态分布，则可以求出解析解：设目标区和背景区灰度的均值分别为mo和mb，均方差分别为so和sb，则：第15页,共33页，星期六，2024年，5月代入上述总误判概率表达式，并取对数得：经化简，此方程具有以下形式：其中：因此可以通过求解二次方程，求出两个根t1和t2，并选取合理的结果。第16页,共33页，星期六，2024年，5月对灰度位于t1和t2间的象素，根据该象素邻域内已经作出判决的其他象素的情况确定该象素的归属。或利用其他方法如跟踪法或区域扩张方法进行进一步分割。因此H(r)是上述5个参数的函数，可以通过拟合方式使理论的直方图与实际的直方图的均方误差最小，从而估计5个参数。若sb=so；且q=1/2,则上述结果是在已知sb、so、mb、mo、q条件下得到的，一般讲，上述参数并不知道，可以通过直方图来估计上述参数。图像的总概率密度分布为：如果背景与目标的灰度范围有部分重叠，仅取一个固定的阈值会产生较大的误差，