第6章图像分割与边缘检测.ppt

第六章 图像分割与边缘检测 ;6.1 图 像 分 割 ;图6-1 4连通和8连通 ; 4连通指从区域上一点出发，可通过4个方向到达区域内的任意像素； 8连通指的是从区域上一点出发，可通过8个方向的移动组合来到达区域内的任意像素。 图像分割有三种不同的途径： 将各像素划归到相应物体或区域的像素聚类方法, 即区域法； 通过直接确定区域间的边界来实现分割的边界方法； 先检测边缘像素，再将边缘像素连接起来构成边界形成分割。最常用的是利用阈值化处理进行的图像分割。 ;6.1.2 灰度阈值法分割 常用的图像分割方法是把图像灰度分成不同的等级， 然后用设置灰度门限（阈值）的方法确定有意义的区域或分割物体的边界。常用的阈值化处理就是图像的二值化处理， 即选择一阈值，将图像转换为黑白二值图像， 用于图像分割及边缘跟踪等预处理。 图像阈值化处理的变换函数表达式为 ：;图6-2 阈值变换曲线 ; 在图像的阈值化处理过程中， 选用不同的阈值其处理结果差异很大。如图6-3所示, 阈值过大， 会提取多余的部分； 而阈值过小，又会丢失所需的部分（注意： 当前背景为黑色， 对象为白色时刚好相反）。因此，阈值的选取非常重要。 图6-3(a)原始图像的直方图如图6-4所示。分析该直方图可知， 该直方图具有双峰特性，图像中的目标（细胞）分布在较暗的灰度级上形成一个波峰，图像中的背景分布在较亮的灰度级上形成另一个波峰。此时，用其双峰之间的谷低处灰度值作为阈值T进行图像的阈值化处理，便可将目标和背景分割开来。 ;图6-3 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;图6-4 图5-3(a)所示图像的直方图 ; 1. 判别分析法确定最佳阈值 判别分析法确定最佳阈值的准则， 是使进行阈值处理后分离的像素类之间的类间方差最大。判别分析法只需计算直方图的0阶矩和1阶矩，是图像阈值化处理中常用的自动确定阈值的方法。 设图像总像素数为N，灰度值为i的像素数为Ni，则至灰度级K的灰度分布的0阶矩及1阶矩分别定义为 0阶矩：  ;1阶矩： ;由此可得各类的类间方差为 ; 2. p尾法确定阈值 p尾法仅适用于事先已知目标所占全图像百分比的场合。若一幅图像由亮背景和黑目标组成，已知目标占图像的(100－p)%面积，则使得至少(100－p)%的像素阈值化后匹配为目标的最高灰度， 将选作用于二值化处理的阈值。 ;6.1.3 区域生长 分割的目的是把一幅图像划分成一些区域， 最直接的方法就是把一幅图像分成满足某种判据的区域，也就是说， 把点组成区域。为了实现分组， 首先要确定区域的数目， 其次要确定一个区域与其他区域相区别的特征， 最后还要产生有意义分割的相似性判据。 ; 分割区域的一种方法叫区域生长或区域生成。假定区域的数目以及在每个区域中单个点的位置已知，则从一个已知点开始， 加上与已知点相似的邻近点形成一个区域。相似性准则可以是灰度级、 彩色、 组织、 梯度或其他特性， 相似性的测度可以由所确定的阈值来判定。方法是从满足检测准则的点开始， 在各个方向上生长区域，当其邻近点满足检测准则就并入小块区域中。当新的点被合并后再用新的区域重复这一过程， 直到没有可接受的邻近点时生成过程终止。 ; 图6-5给出一个简单的例子。此例的相似性准则是邻近点的灰度级与物体的平均灰度级的差小于2。图中被接受的点和起始点均用下划线标出， 其中（a）图是输入图像；（b）图是第一步接受的邻近点； （c）图是第二步接受的邻近点； （d）图是从6开始生成的结果。 ;图6-5 区域生长示例 ;6.2 边 缘 检 测 ;图6-7 图像中的边缘点 ; （1） 空间曲面上的不连续点。如标为A的边缘线，这些边缘线为两个不同曲面的或平面的交线，该点处物体表面的法线方向不连续，在A类边缘线的两边， 图像的灰度值有明显的不同。 （2）B类边缘线。B类边缘线是由不同材料或相同材料不同颜色产生的。图中桌面由两种不同材料组成，由于它们对光的反射系数不同， 使B边缘线的两侧灰度有明显不同。 ; （3）C类边缘线。C类边缘线是物体与背景的分界线。如图中圆柱上有两条C类边缘线，这类边缘线一般称为外轮廓线。在C类边缘点上，三维物体表面的法线方向是连续的，出现边缘点是由于从一定视角看物体时，C类边界点是物体与背景的交界处。由于物体与背景在光照条件与材料反射系数等方面差异很大， 因此在C类边缘