数字图像总复习第7章课件.ppt

第七章 图象分割 7.1 概述和分类 7.2 并行边界技术 7.3 并行区域技术 7.4 串行区域技术 　　引言 图像分割的目的——理解图像的内容，提取出我们感兴趣的对象。 图像分割的思想——通常采用聚类方法，假设图像中组成我们所感兴趣对象的像素具有一些相似的特征，如相同的灰度值、相同的颜色等。 图像分割技术——基于区域的分割技术 ； 基于边界的分割技术 。 数字图像处理应用——渤海湾污染情况 第一节 概述和分类 图象分割在图象分析中的重要地位： 1、把图象分割成不同的区域，或把不同的景物分开（分割）； 2、找出分开的各区域的特征（特征提取）； 3、识别图象中要找的目标，或对图象中不同的特征进行分类（识别与分类）； 4、对于不同区域进行描述，或寻找不同区域之间的相互进而找出相似结构或把相关的区域连接起来组成一个有意义的结构（对整幅图象进行分析、描述和解释）。 第一节 概述和分类 图象分割的定义 　　图象分割就是指把图象分成各具特性的区域并提取出感兴趣目标的技术和过程。这里特性可以是象素的灰度、颜色等，预先定义的目标可以对应单个区域，也可以对应多个区域。 图象分割的应用 　图象分割在实际中已得到广泛的应用，例如在工业自动化，在线产品检验，生产过程控制．文档图象处理，遥感和生物医学图象分析，保安监视，以及军事，体育，农业工程等方面。概括来说，在各种图象应用中，只要需对图象目标进行特征提取、测量等都离不开图象分割。 图像分割的数学描述 令集合R代表整个区域，对R的分割可看作将R分成若干个满足以下5个条件的非空子集(子域)R1 ,R２ ,…Rn： 第一节 概述和分类 对灰度图象的分割常可基于象素灰度值的二个性质：不连续性和相似性。 分割算法可根据象素灰度值的性质分为利用区域间灰度不连续性的基于边界的算法和利用区域内灰度相似性的基于区域的算法。 第一节 概述和分类 根据分割过程中处理策略的不同，分割算法又可分为并行算法和串行算法。 分割算法可分成四类： ①PB：并行边界类； (Parallel Boundary) ②SB：串行边界类； (Sequential Boundary) ③PR：并行区域类； (Parallel Region) ④SR：串行区域类。 (Sequential Region) 第二节 并行边界技术 7.2.1 边缘检测 边缘检测是所有基于边界的分割方法的第一步。两个具有不同灰度值的相邻区域之间总存在边缘。 边缘是灰度值不连续的结果，这种不连续常可利用求导数方便地检测到，一般常用一阶和二阶导数来检测边缘。 常见的边缘剖面有三种类型： ①阶梯状；②脉冲状；③屋顶状。 第二节 并行边界技术 第二节 并行边界技术 7.2.2 微分算子 1、梯度算子 梯度对应一阶导数，梯度算子是一阶导数算子。 这个矢量的幅度(也常直接简称为梯度)和方向角分别为： ?(x, y) =arctan (Gy / Gx) 第二节 并行边界技术 以上三式中的偏导数需对每个象素位置计算，在实际中常用小区域模板卷积来近似计算。 对Gx 和Gy各用一个模板，所以需要二个模板组合起来以构成一个梯度算子。 根据模板的大小，其中元素值的不同，有许多种不同的算子。 第二节 并行边界技术 计算这个矢量的幅度大小为： ?f = mag(?f ) = [(?f / ?x)2 +(?f / ?y)2]1/2 考虑一个3x3的图像区域，z代表灰度级，上式在点z5的?f值可用数字方式近似。 (?f / ?x) 用（z5 – z6）近似 (?f / ?y) 用（z5 – z8）近似，组合为： ?f ? [(z5 - z6)2 + (z5 - z8)2]1/2 第二节 并行边界技术 Roberts交叉梯度算子 Prewitt梯度算子 Sobel梯度算子 第二节 并行边界技术 Roberts交叉梯度算子 ?f ? |z5 - z9| + |z6 - z8| 梯度计算由两个模板组成，第一个求得梯度的第一项，第二个求得梯度的第二项，然后求和，得到梯度。 两个模板称为Roberts 交叉梯度算子 第二节 并行边界技术 Prewitt梯度算子——3x3的梯度模板 ?f ? |(z7 +z8 + z9) - (z1 + z2 + z3) | + |(z3 +z6 + z9)