数字图像处理第7章 图像分割技术知识.ppt

第七章 图像分割技术;图像分割 把图像空间按照一定的要求分成一些“有意义”的区域的技术叫图像分割。 例如： （1）要确定航空照片中的森林、耕地、城市区域等，首先需要将这些部分在图像上分割出来。 （2）要辨认文件中的个别文字，也需先将这些文字分选出来。 ; （3）要识别和标定细胞的显微照片中的染色体，需要用图像分割技术。 一幅图像通常是由代表物体的图案与背景组成，简称物体与背景。若想从一幅图像中“提取”物体，可以设法用专门的方法标出属于该物体的点，如把物体上的点标为“1”，而把背景点标为“0”，通过分割以后，可得一幅二值图像。 ; 图像分割的意义 是把图像分成若干个有意义区域的处理技术。其从本质上说是将各像素进行分类的过程。分类所依据的特性可以是像素的灰度值、颜色或多谱特性、空间特性和纹理特性等。 ;图像分割方法分类： 大致可以分为基于边缘检测的方法和基于区域生成的方法。 第一类为找出图像的边缘信息，首先检出局部特性的不连续性，再将它们连成边界，这些边界把图像分成不同的区域，从而分割出各个区域，常用边缘检测方法有基于边缘检测的图像分割、基于阈值选取的图像分割；;图像分割方法分类： 第二类为基于区域生成的方法，是将像素分成不同的区域，根据相应的区域特性在图像中找出与其相似的部分并进行处理，常用的方法有区域生长、分裂-合并分割方法。 以上这两类方法互为对偶，相辅相成，有时还要将它们结合起来，以得到更好的分割效果。;;7.1 阈值选取的图像分割方法;;T的选择原则 1. B1应尽可能包含与背景相关的灰度级，而B2则应包含物体的所有灰度级。 2. 当扫描这幅图像时，从B1到B2之间的灰度变化就指示出有边界存在。;;;;;; 常用的几种二值化方法 1 令二值化图像为： ;; 3 令二值化图像为： ; 常用的两种半阈值化方法 1 ;;不同阈值对阈值化结果的影响 (a) 原始图像； (b) 阈值T=91； (c) 阈值T=130； (d) 阈值T=43; 直方图阈值的双峰法 当灰度图像中画面比较简单且对象物的灰度分布比???有规律，背景和对象物在图像的灰度直方图上各自形成一个波峰，由于每两个波峰间形成一个低谷，因而选择双峰间低谷处所对应的灰度值为阈值，可将两个区域分离。我们把这种通过选取直方图阈值来分割目标和背景的方法称为直方图阈值双峰法。 ;;原灰度图像 图像直方图 T=130时阈值分割后的图像 ;动态阈值法 在有些情况下，整幅图像用一个固定的阈值来分割，可能得不到好的分割效果。此时可以利用取动态门限值的方法分割图像。取动态门限值是先将图像分成若干块，对每一块按其局部直方图由上述方法选择门限值。; 最大熵阈值  图像阈值最大熵分割方法是应用信息论中熵的概念对图像阈值化，使选择的阈值t分割图像目标区域、背景区域两部分灰度统计的信息量为最大，所采用的一种图像阈值分割方法。 对数字图像阈值分割的图像灰度直方图如图，其中，灰度级低于t的像素点构成目标区域O，灰度级高于t的像素构成背景区域B，由此得到目标区域O的概率分布和背景区域B的概率分布分别是 目标区域O的概率灰度分布： 背景区域B的概率灰度分布： ;;7.2 基于区域的图像分割方法;7.2.1 区域生长法;区域生长法时需要由以下 3 个步骤来实现 （1）确定选择一组能正确代表所需区域的起始点种子像素。 （2）确定在生长过程中将相邻像素包括进来的（相似性判别生长）准则。 （3）确定区域生长过程停止的条件或规则。 当然，区域生长分割方法针对不同的实际应用，需要根据具体图像的具体特征来确定种子像素和生长及停止准则。;1．灰度差判别式;;;7.2.2 分裂-合并;【例7.2.3】分裂-合并算法的例子。设有8×8图像的0层、1层、2层、3层如图7.2.6 所示，3层为树叶，其中的数值为灰度值以及各层的小区域平均灰度值。根的灰度值表示图像的平均亮度。;7.3 基于边缘检测的图像分割; 边缘 边缘是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。 常见的边缘点有三种： 第一种是阶梯形边缘，即从一个灰度到比它高好多的另一个灰度。 ;第二种是屋顶形边缘，它的灰度是慢慢增加到一定程度然后慢慢减少。