第6章图像处理_图像分割.pptVIP

第6章 图像分割; 图像分割 将图像中有意义的特征或需要应用的特征提取出来 例 1）按幅度不同来分割各个区域：幅度分割 2）按边缘不同来划分各个区域：边缘检测 3）按形状不同来分割各个区域：区域分割; ;预处理 图像锐化、图像平滑 分 割 直方图分割、概率统计门限检测、边缘检测、群聚、纹理匹配 特征提取 空间特征、变换特征、边缘边界、形状特征、矩、 纹理特征;6.1 灰度阈值法;6.1 灰度阈值法;1）直方图法; 非理想情况，各段的分界不明显，有3种误差： a）增加了新的区域， b）失去了原有的区域， c）区域分割边界定位不正确 动态门限：把图像分成子图像，子图像做直方 图，再定不同的门限;2) 统计门限法： 设图像中目标及背景的灰度为正态分布， 其灰度分布概率密度函数分别 p(z), q(z);设目标占整体图像的比??为t，整体图像的灰度概率密度;3) 自适应门限：根据局部特性确定门限;6.2.1 梯度算子 6.2.2 拉普拉斯算子 6.2.3 Canny算子;6.2 边缘检测;6.2 边缘检测;6.2.1 梯度算子;6.2.1 梯度算子;常用的几种算子;c) sobel;Kirch算子 由K0~K7八个方向模板组成，将K0~K7的模板算法分别与图像中的3×3区域乘，选最大一个值，作为中央像素的边缘强度;5;注意 边缘检测对噪声敏感，常在作边缘检测前对图像进行抑制噪声预处理，如平滑处理等 ;由上节可见阶跃状边缘的二阶导数在边缘处出现零点，出现零交叉，可用二阶导数寻边界;6.2.3 Canny算子; 在Canny的假设下，对于带有Gaussian白噪声的阶跃边缘，边缘检测算子是一个与图像函数g(x,y) 进行卷积的滤波器f，这个卷积滤波器应该平滑掉白噪声并找到边缘位置 ;a)Robert算子进行边缘检测 b)Sobel算子进行边缘检测 ; c)拉普拉斯算子进行边缘检测 d)canny算子边缘检测 ;6.3.1 区域生长 6.3.2 分裂合并 6.3.3 水域分割;6.3 区域分割;6.3.1 区域生长;生长准则 1．基于区域灰度差 ① 对像素进行扫描，找出尚没有归属的像素； ② 以该像素为中心检查它的邻域像素，即将邻域中的像素逐个与它比较，如果灰度差小于预先确定的阈值，将它们合并； ③ 以新合并的像素为中心，返回到步骤②，检查新像素的邻域，直到区域不能进一步扩张； ④ 返回到步骤①，继续扫描直到所有像素都有归属，则结束整个生长过程。; ; 3、基于区域形状 ① 把图像分割成灰度固定的区域，设两相邻区域的周长 和 ，把两区域共同边界线两侧灰度差小于给定值的那部分设为 ，如果（ 为预定的阈值）; ② 把图像分割成灰度固定的区域，设两邻接区域的共同边界长度为B，把两区域共同边界线两侧灰度差小于给定值的那部分长度设为L，如果（ 为预定阈值） ;6.3.2 分裂合并;;6.3.3 水域分割;基本思想: 基于局部极小值和积水盆（Catchment Basin）概念。积水盆是地形中局部极小点的影响区（Influence Zones），水平面从这些局部极小值处上涨，在水平面浸没地形的过程中，每一个积水盆被筑起的“坝”所包围，这些坝用来防止不同积水盆里的水混合到一起。在地形完全浸没到水中之后，这些筑起的坝就构成了分水岭。; 地形浸没过程说明;基于标记的watershed变换 3个步骤： ① 对原图进行梯度变换，得到梯度图。 ② 用合适的标记函数把图像中相关的目标及背景标记出来，得到标记图。 ③ 将标记图中的相应标记作为种子点，对梯度图像进行 watershed变换，产生分水线; 原细胞图像 经典的canny梯度 ;6.4 Hough变换;6.4 Hough变换;; 应用Hough变换对倾斜表格图像纠偏;6.4.2 广义Hough变换;作业;6-3 编程序实现区域生长算法，要求种子点的选取由人工制定，用不同的生长准则，比较生长结果的差异。 6-4 编一个程序，用Hough变换检测直线，并用带有直线的图像验证算法的正确性。