图像分割课件课件.pptVIP

其中H1(g)、H2(g)分别是相邻两区域的累积灰度直方图。在数字图像中，累积灰度直方图为：(3)反复进行(2)的操作，直至区域不能合并为止。 这种方法不仅能分割灰度相同的区域，也能分割纹理性的图像。但采用这种方法难点在于n如何确定。n太大，则区域形状变得不自然，小的目标就会遗漏；n太小，则(a)和(b)可靠性下降，导致分割质量差。实际中一般取5~10，由于检测标准(b)的要求比(a)的严，采用检测标准(b)比用(a)会带来更好的结果。*9.4.2区域分裂与合并区域生长过程是从一组生长点开始，通过不断接纳新像素最后得到整个区域。一种替换方法是在开始时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。在这类方法中，最常用的方法是四叉树分解法：*设R表示整个图像区域，P代表逻辑谓词。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，直到对任何区域Ri，有P(Ri)=TRUE。具体的分割过程：从整幅图像开始，如果P(Ri)=FALSE，就将图像分割为4个区域；对分割后得到的区域，如果依然有P(Ri)=FALSE，就可以将这4个区域的每个区域再次分别分割为4个区域，如此类推，直到Ri为单个像素。*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P(RiURj)=TRUE，则可以将两个相邻的区域Ri和Rj进行合并。基本的分裂合并算法步骤：1）?对任何区域Ri，如果P(Ri)=FALSE，就将每个区域都分裂为4个相连的不重叠区域；2）?对相邻的两个区域Ri和Rj，如果满足P(RiURj)=TRUE则进行合并。合并的两个区域可以大小不同，即不在同一层。当再也没有可以进行合并或分裂的区域，则分割操作停止。*图示区域分裂与合并方法分割图像的步骤图中阴影区域为目标，白色区域为背景，其灰度值为常数。（a）第一次分裂（b）第二次分裂（c）第三次分裂（d）合并分割结果图9-24区域分裂与合并图像分割法图解*举例:分割与合并分割与合并的准则是多种多样的,例如,Ri内的平均灰度与Ri内各像素之间的差的绝对值有超过5的像素,则分割;反之合并,合并区域的灰度以合并后的平均值取代.平均值77合并*9.5彩色图像分割彩色图像是对外部客观世界最为逼真的描述。彩色图像分割与灰度图像分割的算法相比，大部分算法在分割思想上是一致的，都是基于像素数值的相似性和空间的接近性，只是对像素属性的考察以及特征提取等技术由一维空间转向了高维空间。这是由于灰度图像和彩色图像存在一个主要的区别，即对于每一个像素的描述，前者是在一维亮度空间上，而后者是在三维颜色空间上。彩色图像分割算法的关键在于如何利用丰富的彩色信息来达到分割的目的。*彩色图像分割方法分类基于边缘检测的方法基于区域的方法基于主动轮廓模型方法神经网络法其他技术方法。实际中，彩色图像分割可以采取两种方式其一就是将彩色图像的各个分量进行适当的组合转化为灰度图像，然后利用对灰度图像的分割方法进行分割；其二就是在彩色模型空间中直接进行图像的分割。要分割一幅彩色图像，首先要选择好合适的彩色空间；其次要采用适合此彩色空间的分割策略。*HSI彩色空间分割 如果希望基于彩色分割一幅图像，并且想在单独的平面上执行处理，会很自然地想到HSI空间。HSI空间在色调图像中描述彩色是很方便的。其次在HSI空间进行彩色图像分割，由于H、S和I3个分量是相互独立的，所以有可能将这个3-D搜索的问题转化为3个1-D搜索。典型情况是，为了在色调图像中分离出感兴趣的特征区，饱和度被用做一个模板图像。在彩色图像分割中强度图像不常使用，因为它不携带彩色信息。彩色分割策略*基于色调（H）直方图彩色图像分割，基于一维特征标量（C=[W1W2W3]）的双阈值分割算法。阈值的选择可以采用人工交互的方式，也可以基于先验知识进行选择。基于H、C的直方图统计扩展了灰度图像的阈值分割算法。但第一种方法对于原始图像中颜色数较少，目标颜色单纯，且波长分布相对分散的情况，可以得到较好的结果。但由于它只考虑了色调值，而没有考虑光强和饱和度等对颜色的影响，因此，在不同的光照和饱和度下，很难得到较好的效果。基于C的方法克服了上述缺点,但由于内部聚类不紧凑，有时会出现空洞。基于分形理论和BP神经网络的彩色图像分割。该方法将彩色图像由RGB空间转换为HSI空间，采用彩色图像的亮度计算分数维、多重分形广义维数谱以及空隙特征等6个参数作为纹理特征，加