数字图像处理与分析基础.pptVIP

数字图像处理与分析基础 第八章 图像分割与描述 内容摘要 第八章 图像分析基础Image Analysis theory 1、图像分割 2、图像描述 8.1 图像分割 Image Segmentation 1、概述和分类 2、基于灰度的分割技术 3、基于梯度的分割技术 4、彩色图像分割技术 5、分割评价 7.1.1 概述与分类General Introduction and Classification 图像分量以及相互关系 图像分析与理解、自动景物分析、模式识别 机器抽取信息 图像分割 定义：把图像中有意义的区域与背景分离开，并按其不同的内涵将它们分割开。 “区域”是图像中相邻的具有类似性质的点组成的集合。同一区域（region）中的像素是相邻的，就是说区域是像素的连通集。“连通”（connectedness）的定义为：在连通集的任意两个像素间，存在一个完全由这个集合中的元素构成的路径。同一区域中的任意两个像素间至少存在一条连通路径。 分割方法分类 从分割依据出发 “相似性分割”就是将具有同一灰度级或纹理的像素聚集在一起，形成图像中的不同区域。这种基于相似性原理的方法常称为“基于区域相关的分割技术” “非连续性分割”需要先检测图像的局部不连续性，然后将它们连接起来形成边界，这些边界将图像分割成不同的区域。这种基于不连续原理检测图像中物体边缘的方法也称为“基于点相关的分割技术”。 这两种方法具有互补性，一般来说在不同的场合需要不同的方法，有时也将它们的处理结果相结合，以获得更好的效果。 根据分割算法本身 阈值法、边缘检测法、匹配法等 8.1.21基于灰度的分割（区域相关技术） 两大类 是基于阈值分割的技术 是基于灰度均匀性的区域分裂——合并算法。 阈值分割算法实施时各像素间无相关性，原图像可以分成几部分同时进行分割，又称为并行区域技术（Region-Based Parallel Techniques）。 区域分裂——合并算法实施时，要利用像素间的相关性，是一种串行区域技术。 并行区域技术 1、原理和分类 2、依赖像素的阈值选取 3、依赖区域的阈值选取 图像阈值分割（Image Segmentation ：Thresholding） 最常用的图像分割技术 主要利用图像中背景与对象之间的灰度差异。 理想状态下，背景与对象之间的灰度值应当差异很大，且同一个对象具有基本相同的灰度值。体现在图像的灰度直方图上，就是直方图呈明显的双峰分布，两类物体灰度级间无交叠。在直方图中处于谷底的区域选取一个灰度值作为阈值，根据灰度与阈值的关系将像素判定为对象点或背景点，这个过程称为图像二值化。对二值图像进行进一步的分析就可以获得图像的分割结果。 二值化 多阈值二值化 1、极小值点阈值 T=120 2、最优阈值法 最优阈值算法 最优条件 已知概率模型下的简化 例8.1.2：P-tile试探法（百分比） 依赖区域的阈值选取 自适应技术 阈值分割技术的特点 边界提取 2、链码方法 四方位码 八方位码 边界跟踪 利用形态学算子提取区域的边界 2、串行区域技术 Region-Based Sequential Techniques 基本方法 1、区域生长 2、分裂合并 3、空间聚类法等。 1、区域生长法（Region Growing） 区域生长算法 讨论 图8-6 增长核心不同、阈值不同，区域增长的结果就不同 2 分裂、混合算法 区域的分裂——合并算法 分裂合并算法 8.1.2基于梯度的分割（点相关技术） 主要内容 1、边缘检测 微分算子 典型算子 提取边缘策略 MARR算子 M-H算子具有明显的优点 如何评价边缘算子的性能呢 Canny算子设计过程 图8-12 Canny算子与Marr算子比较 边界闭合——局部处理 边缘连接——Hough变换 图8-13 直线的Hough变换 算法 图像分割小结 分割评价简介 Introduction to Segmentation Evaluation 1、评价方法及分类 2、最终测量精度 3、实用分割评价框架 分割方法及分类 评价方法的基本要求 习题 作业 8.2 图像描述Image Description 1、概述和分类 2、链码描绘子 3、傅立叶描绘子 4、矩 8.2.1、概述和分类 8.2.2 链码表示 链码与几何特征 图8-19中的八边形 2、进一步讨论 （2）链码的归一化 (3)链码的旋转不变性 8.2.2傅立叶描述子 区域的边界都被确认后，利用这些点可以识别目标的形状 （x,y）空间的同一条直线上的点在（?,?）空间的正弦曲线都会相交于点（?0,? 0），?0为这条直线到原点的距离，? 0为直线的法线与轴的夹角， x (xi,yi) ? y ? 图8-14 点的