图像分割x.pptVIP

3.图像处理与分析 分割出来的各区域对某种性质例如灰度，纹理而言具有相似性，区域内部是连通的且没有过多小孔； 区域边界是明确的； 相邻区域对分割所依据的性质有明显的差异。 3.1图像分割 特征 图像分割是指将一幅图像分解为若干互不交叠的、有意义的、具有相同性质的区域。 不同的分割算法总是在不同的约束之间寻找一种合理的平衡.  第1类性质的应用途径是基于亮度的不连续变化分割图像,比如图像的边缘.  第2类的主要应用途径是依据事先制定的准则将图像分割为相似的区域.门限(阈值)处理、区域生长、区域分离和聚合都是这类方法的实例。 3.1图像分割 特征 图像分割算法一般是基于亮度值的两个基本特性之一: 不连续性和相似性.  3.1.1 间隔检测  3.1.2 边缘连接和边界检测  3.1.3 门限处理（阈值分割）  3.1.4 区域分割 3.1图像分割 本章要点 3.1.1. 间隔检测  1.点检测  2.线检测  3.边缘检测 间隔检测的通用方法： 使用一个模板对整幅图像进行检测。 1个3×3的模板 1.点检测 孤立点的检测 使用右图模板,若 则在模板中心的位置已经检测到一个孤立点. T为非负门限 如果一个孤立的点与它周围的点很不同,则很容易被这类模板检测到. 图 点检测模板 2.线检测 图 线检测模板 垂直 水平 第1个模板对水平方向(一个像素宽度)的线条有很强的响应. 第2个模板对+45度方向线有最佳响应. 2.线检测 若要检测特定方向上的线,应使用与这一方向有关的模板,并设置该模板的输出门限. 令R1,R2,R3,R4分别表示图10.3中模板的响应,如果 |Ri||Rj|,则此点被认为与在模板i方向上的线更相关. 3.边缘检测 当人看一个有边缘的物体时,首先感觉到的便是边缘. 在边缘处，灰度和结构等信息的产生突变.边缘是一个区域的结束,也是另一个区域的开始,利用该特征可以分割图像. 由于图像数据是二维的,而实际物体是三维的,从三维到二维的投影必然会造成信息的丢失,再加上成像过程中光照的不均和噪声等因素的影响,使得有边缘的地方不一定能被检测出来,而检测出来的边缘也不一定代表实际边缘. 图像的边缘有方向和幅度两个属性,沿边缘方向像素变化平缓,垂直于边缘方向像素变化剧烈.边缘上的这种变化可以用微分算子检测出来,通常用一阶或二阶导数来检测边缘. 3.边缘检测 斜坡数字边缘模型 理想数字边缘模型 水平线通过图像的灰度剖面图 水平线通过图像的灰度剖面图 斜坡部分与边缘的模糊程度成正比. 3.边缘检测 灰度剖面图 一阶导数 二阶导数 一阶导数可以用于检测图像中的一个点是否在斜坡上. 二阶导数的符号可以用于判断一个边缘像素是在边缘亮的一边还是暗的一边. (1)对图像中的每条边缘二阶导数生成两个值 (2)一条连接二阶导数正极值和负极值的虚构直线将在边缘中点附近穿过零点.据此可以用于确定粗边线的中心. 3.边缘检测 基于一阶导数的边缘检测算子包括Roberts算子、Sobel算子、Prewitt算子等.通过2×2或者3×3的模板作为核与图像中的每个像素点做卷积和运算,然后选取合适的阈值以提取边缘. 拉普拉斯边缘检测算子是基于二阶导数的边缘检测算子,对噪声敏感,一种改进方式是先对图像进行平滑处理,然后再应用二阶导数的边缘检测算子. 图像边缘对应一阶导数的极大值点和二阶导数的过零点。 3.边缘检测 梯度算子是一阶导数算子 幅值 方向角 1)梯度算子  数字图像处理中用差分代替微分    近似计算 1)梯度算子 Roberts算子 Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 -1 0 0 1 0 -1 1 0 1)梯度算子 Prewitt算子 Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 -1 -1 -1 0 0 0 1 1 1 -1 0 1 -1 0 1 -1 0 1 1)梯度算子 Sobel算子 Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 -1 -2 -1 0 0 0 1 2 1 -1 0 1 -2 0 2 -1 0 1 1)梯度算子 0 1 1 -1 0 1 -1 -1 0 -1 -1 0 -1 0 1 0 1 1 0 1 -2 -1 0 1 -2 -1 0 -2 -1 0 -1 0 2 0 1 2 Prewitt Sobel 用于检测对角边缘的Prewitt算子和Sobel算子 1)梯度算子 原图 Prewitt算子 Sobel算子 Roberts算子 2)拉普拉斯算子 差分 微分 二阶导数算子 2)拉普拉斯算子    图 两种常用的拉普拉斯算子模板 0 1 0 1 -4 1 0 1 0 1