《数字图像与视频处理》课件——第4章 图像分割.pptVIP

v(s)=[x(s),y(s)]表示曲线s为曲线的参数且s∈[0,1]x(s)和y(s)分别表示轮廓点处的x和y的坐标Snake模型4.5.1参数主动轮廓模型内部能量约束轮廓的连续性和光滑性。图像力推动曲线向图像的显著特征如线、边缘和主观轮廓靠近。外部约束力使曲线到达期望的能量局部极小值处。和统称外部能量。4.5.1参数主动轮廓模型Snake模型（a）圆的分割（b）手的分割图4-12采用经典Snake模型的图像分割效果（+代表初始轮廓控制点，*代表最终收缩点）4.5.1参数主动轮廓模型4.5.2几何主动轮廓模型产生原因：依赖于轮廓线的参数化的模型存在如下缺点：对初始轮廓线位置比较敏感，容易收敛至局部极值，尤其是难以处理轮廓线的分裂或合并等。根据构造能量函数时所使用的图像信息的不同，可以将几何活动轮廓模型细分为三类：基于边界的几何活动轮廓模型基于区域的几何活动轮廓模型基于边界和区域结合的混合模型。（1）基于边界的几何活动轮廓模型基于边界的活动轮廓模型在构造能量函数时，推动曲线演化的外力主要是基于图像的梯度信息来构造的。代表模型：隐式几何活动轮廓模型隐式测地线活动轮廓模型结合上述模型的统一模型4.5.2几何主动轮廓模型（2）基于区域的几何活动轮廓模型基于区域的主动轮廓模型直接使用轮廓内部和外部区域的像素强度信息，根据区域统计特性对同质区域分割，不再使用梯度信息，所以受边界影响较弱，具有一定的抗噪性。代表模型为多种基于Mumford-Shah模型的分割模型。4.5.2几何主动轮廓模型（3）基于边界和区域的混合模型为了使主动轮廓模型既具有较好的边缘定位能力，又具有一定的抗噪性能，可以将基于边界和基于区域的模型进行组合形成混合模型。混合模型一个需要考虑的问题是两个模型各自的权重如何设定问题。采用固定权重的混合模型较为方便，但它对初始轮廓依赖度高或对不同图像适应性差。因此，可以采用可变权重来设计组合模型。4.5.2几何主动轮廓模型4.3基于边缘检测的图像分割边缘跟踪光栅扫描跟踪法轮廓跟踪法4.3基于边缘检测的图像分割边缘跟踪光栅扫描跟踪法是一种采用电视光栅行扫描顺序对遇到的像素进行分析，从而确定是否为边缘的跟踪方法。基本思想是先利用检测准则确定和接受对象点，然后根据被接受的对象点和跟踪准则确定并接受新的对象点，最后将所有标记为1且相邻的对象点联接起来就得到了检测到的细曲线。4.3基于边缘检测的图像分割4.3基于边缘检测的图像分割边缘跟踪光栅扫描跟踪的优缺点是一种简单的利用局部信息、通过扫描的方式将边缘点连接起来的方法。采用电视光栅行扫描顺序对遇到的像素进行分析，从而确定其是否为边缘。由于光栅扫描跟踪和扫描方向有关，因此最好沿其他方向再跟踪一次。4.3基于边缘检测的图像分割边缘跟踪轮廓跟踪算法的具体步骤(1)在靠近边缘处任取一起始点，然后按照每次只前进一步，步距为一个象素的原则开始跟踪；(2)当跟踪中的某步是由白区进入黑区时，以后各步向左转，直到穿出黑区为止；(3)当跟踪中的某步是由黑区进入白区时，以后各步向右转，直到穿出白区为止；(4)当围绕目标边界循环跟踪一周回到起点时，则所跟踪的轨迹便是目标的轮廓；否则，应继续按(2)和(3)的原则进行跟踪。边缘跟踪4.3基于边缘检测的图像分割4.1图像分割的概念及分类4.2基于灰度阈值化的图像分割4.3基于边缘检测的图像分割4.4基于区域的图像分割4.5基于主动轮廓模型的图像分割第4章图像分割基于区域的图像分割像素集合的区域增长区域分裂与合并4.4基于区域的图像分割1、区域增长基本思路：将具有相似性质的像素集合起来构成区域。具体步骤：先对每个需要分割的区域找一个种子像素作为生长起点，然后将种子像素周围邻域中与种子像素有相同或相似性质的像素(根据某种事先确定的生长或相似准则来判定)合并到种子像素所在的区域中。将这些新像素当做新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来，这样一个区域就长成了。4.4基于区域的图像分割像素集合的区域增长算法实现：1）根据