第7章数字图像处理.ppt

第7章 图像分割 图像分析系统的构成 7.1 概述和分类 图像分割的概念 根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。 把图像分解成构成它的部件和对象的过程 有选择性地定位感兴趣对象在图像中的位置和范围 图像分割的基本思路 从简到难，逐级分割 控制背景环境，降低分割难度 把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上 图像分割的基本思路 1.从简到难，逐级分割 1)分割矩形区域 2)定位牌照 3)定位文字 图像分割的基本思路 2.控制背景环境，降低分割难度 背景环境:路面、天空 图像分割的基本思路 3. 把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上 1)感兴趣的对象：汽车牌照 2)不相干图像成分：非矩形区域 图像分割的基本策略 图像分割的基本策略，基于灰度值的两个基本特性： 不连续性——区域之间 相似性——区域内部 根据图像像素灰度值的不连续性 先找到点、线（宽度为1）、边（不定宽度） 再确定区域 图像分割的基本策略 根据图像像素灰度值的相似性 通过选择阈值，找到灰度值相似的区域 区域的外轮廓就是对象的边 图像分割介绍 定义 图像分割方法分类 基于阈值的分割－通过阈值对不同物体进行分割 基于边缘的分割－先确定边缘象素，并把它们连接在一起，以构成所需的边界 基于区域的分割－把各象素划归到各个物体或区域中 基于运动的分割－通过视频物体运动进行分割 7.2 基于阈值的分割 图像阈值分割是一种广泛应用的分割技术，利用图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域(目标和背景)的组合，选取一个合适的阈值，以确定图像中每个象素点应该属于目标还是背景区域，从而产生相应的二值图像 阈值选取方法 直方图阈值分割法 类间方差阈值分割法 二维最大熵值分割法 模糊阈值分割法 7.2.1 直方图阈值分割 简单直方图分割法 最佳阈值 1.简单直方图分割法 2.最佳阈值 所谓最佳阈值是指图像中目标物与背景的分割错误最小的阈值 7.2.2类间方差阈值分割 这是由Ostu提出的最大类间方差法，又称为大津阈值分割法，是在判决分析最小二乘法原理的基础上推导得出的 7.2.3 最大熵阈值分割 一维最大熵阈值分割 二维最大熵阈值分割 1. 一维最大熵阈值分割 熵是平均信息量的表征 原理 二维最大熵阈值分割 7.3 基于边缘的分割 先检测不连续的点，然后将点连接成边界 点检测 线检测 边缘检测 用空域的高通滤波器来检测孤立点 例： 点的检测——算法描述 设定阈值 T，如T = 32、64、128等,并计算高通滤波值R 如果R值等于0，说明当前检测点的灰度值与周围点的相同 当R的值足够大时，说明该点的值与周围的点非常不同，是孤立点。通过阈值T来判断 |R| T 检测到一个孤立点 7.3.2 线检测 2. 哈夫变换 哈夫变换－利用图像全局特性而直接检测目标轮廓，即可将边缘象素连接起来组成区域封闭边界的常见方法 基本原理 为了避免垂直直线的无限大斜率问题，往往采用极坐标(ρ，θ)作为变换空间，其极坐标方程可写为 哈夫变换的几点性质 实例 7.3.3 边缘检测 两个具有不同灰度值的相邻区域之间总存在边缘 主要有以下几种边缘检测算子 （1）梯度算子 （2）方向算子 （3）拉普拉斯算子 （4）马尔算子 （5）综合正交算子 （6）坎尼算子 梯度算子 梯度对应一阶导数，梯度算子是一阶导数算子，在边缘灰度值过渡比较尖锐且图像中噪声比较小时，梯度算子效果好。 实例 拉普拉斯算子 一阶微分是一种矢量，不但有其大小，还有方向，和标量相比较，它数据存储量大，在具有相等斜率的宽区域上，有可能将全部区域都当作边缘提取出来 Lapplacian 算子是一种二阶导数算子，是不依赖于边缘方向的二阶微分算子，是一个标量而不是矢量，具有旋转不变即各向同性的性质，对一个连续函数f(x,y)，它在图像中位置(x,y)的拉普拉斯值定义为： 马尔算子 马尔(Marr-Hildreth)算子是在拉普拉斯算子的基础上实现的。 主要得益于对人的视觉机理的研究，具有一定的生物学和生理学意义 在较大噪声场合，由于微分算子会起到放大噪声的作用，因此梯度算子和拉普拉斯算子对噪声较敏感 一种改进的方法是对图像先进行适当的平滑，以抑制噪声，然后再进行求微分； 基本原理 坎尼算子 坎尼－把边缘检测问题转换为检测单位函数极大值的问题。 一个好的边缘检测算子应具有三个指标： 1、低失误率：既要少将真正的边缘丢失，也要少将非边缘判为边缘 2、高位置精度：检测出的边缘应在真正的边界上 3、对每个边缘有唯一的响应，得到的边界为单象素宽 坎尼提出判定边缘检测算子