图像分割及形态学应用精读.pptx

1 图像分割基础、方法及MATLAB实现 图像分割是将图像中有意义的对象与其背景分离，并进行对象特征提取和分析。提取的特征包括自然特征（纹理、色彩、亮度、轮廓等），变换特征（频谱、直方图） 原理 图像分割算法一般基于亮度值的两个基本特性：不连续性和相似。 1、基于灰度的不连续性。（区域之间）：基于边缘检测的方法 2、基于灰度的相似性。（区域内部）：依据事先制定的准则将图像分割为相似的区域，及基于区域生成的方法。 3、同时使用灰度不连续性和灰度相似性。 图像分割的基本思路 1、从简到难，逐级分割 2、控制背景环境，降低分割难度 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 分割出的区域需满足条件 ★均匀性：指该区域中的所有像素点都满足基于灰度、纹理、颜色或其他某种特征的相似性准则，即边界所分开区域的内部特征或属性是一致的，而不同区域内部的特征或属性是不同的； ★连通性：该区域内指任意两点存在相互连通的路径。 图像分割方法 1 基于边缘检测的图像分割 先检测边缘 再将边缘连接成边界 2 基于阈值的的图像分割 3基于区域生长的图像分割 4二值图像分割 从本质上说，图像边缘是图像局部特性不连续性（灰度突变、颜色突变、纹理结构突变等）的反映，它标志着一个区域的终结和另一个区域的开始。 进一步讲，图像的边缘是指图像灰度发生空间突变的象素的集合。 为了计算方便起见，通常选择一阶和二阶导数来检测边界，利用求导方法可以很方便地检测到灰度值的不连续效果。 1、基于边缘检测的图像分割 基于边缘检测的图像分割原理：根据图像不同区域边界像素灰度值变化比较剧烈的特点，首先检测出图像可能的边缘点，再按照一定策略连接成轮廓，从而实现不同区域的图像分割。 常用求导方法来检测灰度值不连续效果。一阶导数幅值(峰值)检测边缘存在；二阶导数的过零点检测边缘位置，过零点附近+-确定边缘像素在图像边缘的暗区或明区。 边缘检测可借助空域微分算子卷积完成 边缘检测方法 边缘算子法 差分算子(梯度，罗伯特算子，拉普拉斯算子) 拉普拉斯-高斯算子 Canny算子 模板匹配法 点模板 线模板 边缘模板 曲面拟合法(一次、二次) 差分算子：灰度变化可能呈阶梯状，也可能成脉冲状 边缘与差分关系：边缘发生在差分最大处或最小处；边缘发生在过零点处。 ◆图像边缘有两个特征：方向和幅度 沿边缘走向，像素值变化比较平缓； 沿垂直于边缘的走向，像素值则变化比较剧烈。 ◆一般常用一阶和二阶导数来描述和检测边缘： 一阶导数：在斜坡上，导数值为正，在平坦区为零。 二阶导数：在跃变点，一正一负，其他部分为零。（过零点） 图像边缘及其导数曲线规律示例 噪声对一阶导数和二阶导数的影响 噪声对一阶和二阶导数都有影响，尤其对二阶导数影响较大，因此，在检测边缘前应该考虑平滑处理。 梯度的基础知识 设f(x,y)为连续图像函数，Gx和Gy分别为x方向和y方向的梯度，且在点(x,y)处的梯度可以表示为一个矢量，并有其梯度定义： 1）梯度算子 数字图像，梯度的幅度为： 梯度定义为： 取适当门限T, G[f(m,n]T时，则(m,n)为阶跃状边缘点。 避免平方运算： 2)罗伯特(Robert)梯度 是一个交叉算子， 3）Sobel算子 Sobel算子在点(i,j)的梯度幅值表示为： 简化的卷积模板表示形式为 ： 其中，sx和sy分别x方向和y方向梯度的模版形式 ： 4）Prewitt算子 Prewitt算子在点(i,j)的梯度幅值表示为： 简化的卷积模板表示形式为 ： 其中，sx和sy分别x方向和y方向梯度的模版形式 ： 拉普拉斯算子 拉普拉斯算子是一种二阶导数算子，对图像噪声很敏感，常产生双像素宽的边缘，且也不能提供边缘方向的信息，很少直接检测边缘，而主要用于已知边缘像素后确定该像素是在图像的明区或暗区(位置) 0 -1 0 -1 4 -1 0 -1 0 -1 -1 -1 -1 8 -1 -1 -1 -1 Laplacian-Gauss算子 梯度算子和拉普拉斯算子对噪声比较敏感，对此，一方面可在运用这两种算子做边缘提取时，先用邻域平均法平滑噪声，另一方面可先用高斯型二维低通滤波器对图像做低通滤波，再用拉普拉斯算子做边缘检测,即形成log算子。 -2 -4 -4 -4 -2 -4 0 8 0 -4 -4 8 24 8 -4 -4 0 8 0 -4 -2 -4 -4 -4 -2 LOG算子模板 Canny算子 图像边缘检测的条件： 1、能够有效抑制噪声，具有较高的信噪比，信噪比越大，检测的边缘质量越高； 2、必须尽量精确确定边缘的位置，要使检测出的边缘在真正的边界上。 Canny算子 C