图像边缘提取与分割.pptx

第3章图像边缘提取和分割3.1引言3.2图像分割处理2025/4/19

第3章图像边缘提取和分割2025/4/191引言图像最基本的特征是边缘，边缘是指其周围像素灰度有阶跃变化或屋顶状变化的那些像素的集合，它存在于目标与背景、目标与目标、区域与区域、基元与基元之间。它是图像分割所依赖的最重要的特征，也是纹理特征中的重要信息源和形状特征的基础。而图像的纹理形状特征的提取又常常要依赖于图像分割。

在给定一幅含有多个物体的数字图像的条件下，模式识别过程如图3.1所示，由三个主要阶段组成。统计模式识别认为图像可能包含一个或多个物体，并且每个物体属于若干事先定义的类型、范畴或模式之一。虽然模式识别可以用多种方法实现，但是在此只关心用数字图像处理技术对它的实现。

图3.1模式识别的三个阶段

3.1.1统计模式识别简介2025/4/19图像分割：检测出各个物体，把它们的图像和其余景物分离，这一过程也可以称为图像预处理。

3.2图像分割处理2025/4/19用计算机进行数字图像处理的目的有两个：一是产生更适合人类视觉观察和识别的图像；二是希望计算机能够自动进行识别和理解图像。图像处理的关键问题是对图像进行分解。分解的最终结果是各种特征的最小成分（基元）。产生基元的过程就是图像分割的过程。

3.2图像分割处理2025/4/19图像分割也可以按照如下的标准分类：基于区域的分割方法包括阈值分割法、区域生长和分裂合并法、聚类分割法等；基于边界的分割方法包括微分算子法、基于区域和边界技术相结合的分割方法。

直方图分割（灰度阈值分割）最简单的方法是建立在灰度直方图分析的基础上。如果一个图像是由明亮目标在一个暗的背景上组成的，其灰度直方图将显示两个最大值，一个是由目标点产生的峰值，另一个峰值是由背景点产生的。

图3—1图像的直方图

由直方图可以知道图像的大部分像素灰度值较低，其余像素较均匀地分布在其他灰度级上。由此可以推断这幅图像是由有灰度级的物体叠加在一个暗背景上形成的。可以设一个阈值T，把直方图分成两个部分，如图所示。T的选择要本着如下原则:B1应尽可能包含与背景相关连的灰度级，而B2则应包含物体的所有灰度级。

当扫描这幅图像时，从到之间的灰度变化就指示出有边界存在。当然，为了找出水平方向和垂直方向上的边界，要进行两次扫描。也就是说，首先确定一个门限，然后执行下列步骤：

式中是指定的边缘灰度级，是背景灰度级。第一，对的每一行进行检测，产生的图像的灰度将遵循如下规则

第二，对的每一列进行检测，产生的图像的灰度将遵循下述规则

基于边界检测方法（样板匹配）01在数字图像处理中，样板是为了检测某些不变区域特性而设计的阵列。样板可根据检测目的不同而分为点样板、线样板、梯度样板、正交样板等等。02点样板的例子如图3—2所示。下面用一幅具有恒定强度背景的图像来讨论。03点样板

-1-1-1-18-1-1-1-122222222230220292222222822222222222222222用点样板的检测步骤如下：3-2点样板检测

样板中心（标号为8）沿着图像从一个像素移到另一个像素，在每一个位置上，把处在样板内的图像的每一点的值乘以样板的相应方格中指示的数字，然后把结果相加。如果在样板区域内所有图像的像素有同样的值，则其和为零。否则其和不为零。

例如，设代表3×3模板的权，并使为模板内各像素的灰度值。从上述方法来看，应求两个矢量的积，即：

线检测样板如图3—3所示。其中，样板(a)沿一幅图像移动，它将对水平取向的线（一个像素宽度）有最强的响应。对于恒定背景，当线通过样板中间一行时出现最大响应；样板(b)对45°方向的那些线具有最好响应；样板(c)对垂直线有最大响应；样板(d)则对-45°方向的那些线有最好的响应。

图3—3线样板

设是图3—3中四个样板的权值组成的九维矢量。与点样板的操作步骤一样，在图像中的任一点上，线样板的各个响应为，这里i=1、2、3、4。此处X是样板面积内九个像素形成的矢量。给定一个特定的X，希望能确定在讨论问题的区域与四个线样板中的哪一个有最相近的匹配。如果第i个样板响应最大，则可以断定X和第i个样板最相近。

就可以说和第个样板最接近。如果，=2、3、4，可以断定代表的区域有水平线的性质。换言之，如果对所有的值