数字图像处理9.PPTVIP

无论是图像处理、分析、理解与识别，其基础工作一般都建立在图像分割的基础上； 将图像中有意义的特征或者应用所需要的特征信息提取出来； 图像分割的最终结果是将图像分解成一些具有某种特征的单元，称为图像的基元； 相对于整幅图像来说，这种图像基元更容易被快速处理。 图像特征 图像特征是指图像中可用作标志的属性，它可以分为统计特征和视觉特征两类。 图像的统计特征是指一些人为定义的特征，通过变换才能得到，如图像的直方图、矩、频谱等； 图像的视觉特征是指人的视觉可直接感受到的自然特征，如区域的亮度、纹理或轮廓等。 图像分割是进行图像分析的关键步骤，也是进一步理解图像的基础； 不同种类的图像，不同的应用要求所需要提取的特征不相同，特征提取方法也就不同； 不存在一种所谓普遍适用的最优方法。 图像的边缘 图像的边缘对人类的视觉系统具有重要的意义，它是人类判别物体的重要依据，是图像的最基本特征。 所谓边缘(又称为边沿)，是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。 边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间。因此，它是图像分割所依赖的重要特征。 3）图像分割的基本原理 图像分割是将图像划分成若干个互不相交的小区域的过程，小区域是某种意义下具有共同属性的像素的连通集合。 如不同目标物体所占的图像区域、前景所占的图像区域等； 连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径； 对于离散图像而言，连通有4连通和8连通之分，如图9-1所示。 区域生长的过程 物体边缘的作用 边缘的类型 尽管边缘在数字图像处理和分析中具有重要作用，但是到目前为止，还没有关于边缘的被广泛接受和认可的精确的数学定义。 一方面是因为图像的内容非常复杂，很难用纯数学的方法进行描述，另一方面则是因为人类对本身感知目标边界的高层视觉机理的认识在还处于善之中。 目前，具有对边缘的描述性定义，即两个具有不同灰度的均匀图像区域的边界，即边界反映局部的灰度变化。 局部边缘是图像中局部灰度级以简单（即单调）的方式作极快变换的小区域。这种局部变化可用一定窗口运算的边缘检测算子来检测。 边缘的描述包含以下几个方面 (1) 边缘法线方向——在某点灰度变化最剧烈的方向，与边缘方向垂直； (2) 边缘方向——与边缘法线方向垂直，是目标边界的切线方向； (3) 边缘强度——沿边缘法线方向图像局部的变化强度的量度。 一般认为沿边缘方向的灰度变化比较平缓，而边缘法线方向的灰度变化比较剧烈。图像上的边缘点可能对应不同的物理意义。 如图9-8所示，图像上的边缘点包括以下几种情况： 边缘点的几种情况： (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) 物体与背景的分界线。图中标注为B的边缘线是物体与背景的分界线，如图中圆柱上有两条B类边缘线，这类边缘线一般称为外轮廓线。 (3) 不同材料组成的边缘线。图中标注为C的边缘线是由不同材料或相同材料不同颜色所产生的。 (4) 阴影引起的边缘。图中标注为D的边缘线是阴影引起的边缘。由于物体表面某一部分被另一物体遮挡，使它得不到光源的照射或照射不充分，从而引起边缘点两侧灰度值有较大的差异。 罗伯特边缘算子 索贝尔（Sobel）边缘算子 普瑞维特（Prewitt）边缘检测算子 拉普拉斯边缘检测算子 凯西（Kirsch）边缘检测算子 高斯-拉普拉斯(LOG)算子 1. 罗伯特边缘算子 罗伯特（Robert）边缘检测算子是一种利用局部差分方法寻找边缘的算子，Robert梯度算子所采用的是对角方向相邻两像素值之差，算子形式如下： Robert算子边缘检测结果 2. 索贝尔边缘算子 索贝尔（Sobel）边缘算子所采用的算法是先进行加权平均，然后进行微分运算，算子的计算方法如下： Sobel算子边缘检测结果 3.普瑞维特边缘算子 普瑞维特（Prewitt）边缘检测算子是一种利用局部差分平均方法寻找边缘的算子，它体现了3对像素点像素值之差的平均概念，算子形式如下： Prewitt算子边缘检测结果 4.拉普拉斯边缘算子 拉普拉斯边缘检测算子与前述三个一阶导数算子不同，拉普拉斯算子是一个二阶导数算子，其算子的形式如下： Laplacian算子边缘检测结果 5. 凯西边缘算子 凯西（Kirsch）边缘检测算子需要求出f(x，y)8个方向的平均差分的最大值，计算8个方向模板，该算子可以检测出边缘的方向性信息，并能较好地抑制边缘检测的噪声。 Kir