数字图像处理 第七章_图像分割.ppt

第七章 图像分割 7.1 概述 7.2 边缘检测算子 7.3 边缘跟踪 7.4 Hough变换线检测法 7.5 区域分割 7.6 区域增长 7.7 分裂合并法 7.1 概述 什么是图像分割？ 图像分割的作用是什么？ 图像分割的常用方法有哪些？ 如何进行边缘检测？ 如何得到较完整的边缘？ 7.1 概述 意义 图像处理的重要任务就是对图像中的对象进行分析和理解。前面介绍的图像处理着重强调在图像之间进行变换以改善图像的视觉效果； 图像分析则主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息从而建立对图像的描述； 图像理解的重点是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互联系，并得出对原始成像客观场景的解释，从而指导和规划行动。 7.1 概述 图像分析步骤 7.1 概述 图像分析步骤 7.1 概述 图像分析步骤 7.1 概述 图像分析步骤 7.1 概述 图像分析步骤 把图像分割成不同的区域或把不同的对象分开； 找出分开的各区域的特征； 识别图像中要找的对象或对图像分类； 对不同区域进行描述或寻找出不同区域的相互联系，进而找出相似结构或将相关区域连成一个有意义的结构。 7.1 概述 什么是图像分割？ 图像分割是指把图像分成互不重叠的区域并提取出感兴趣目标的技术和过程。 7.1 概述 图像分割 ——由图像处理进到图像分析的关健步骤。 一方面，它是目标表达的基础，对特征测量有重要的影响。 另一方面，因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式，使得更高层的图像分析和理解成为可能。 7.1 概述 图像分割的定义 令集合R代表整个图像区域，对R的分割可看做将R分成N个满足以下5个条件的非空子集(子区域) R1，R2，…，RN ① ； ②对所有的i和j,i≠j，有 ； ③对i=1,2,…,N,有P(Ri)=TRUE； ④对i≠j,有P(Ri∪Rj)=FALSE； ⑤对i=1,2,…,N,Ri是连通的区域。 其中P（Ri）是对所有在集合Ri中元素的逻辑谓词,φ代表空集,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。 7.1 概述 图像分割的基本策略 分割算法基于灰度值的两个基本特性： 不连续性 相似性 检测图像像素灰度级的不连续性，找到点、线（宽度为1）、边（不定宽度）。先找边，后确定区域。 7.1 概述 图像分割的基本策略 检测图像像素的灰度值的相似性，通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边 7.1 概述 图像分割的方法 基于边缘的分割方法 先提取区域边界，再确定边界限定的区域。 区域分割 确定每个像素的归属区域，从而形成一个区域图。 区域生长 将属性接近的连通像素聚集成区域 分裂－合并分割 综合利用前两种方法，既存在图像的划分，又有图像的合并。 7.1 概述 研究方向 提取有效的属性； 寻求更好的分割途径和分割质量评价体系； 分割自动化。 7.2 几种常用的边缘检测算子 边缘的概念 边缘是指图像中像元灰度有阶跃变化或屋顶状变化的那些像元的集合。 存在于目标与背景、目标与目标、区域与区域、基元与基元之间。 包含方向、阶跃性质 、形状等信息。 是图像识别中抽取的重要属性 ，对图像识别和分析十分有用。 7.2 几种常用的边缘检测算子 边缘的分类 阶跃状：位于两边的像素灰度值有明显不同； 屋顶状：位于灰度值从增加到减少的转折处。 7.2 几种常用的边缘检测算子 阶跃状边缘 一阶导数为极值点 二阶导数为过零点 屋顶状边缘 一阶导数为过零点 二阶导数为极值点(一般) 7.2 几种常用的边缘检测算子 7.2 几种常用的边缘检测算子 梯度算子 Roberts梯度算子 Prewitt和Sobel算子 方向算子 Laplacian算子 马尔算子 Canny边缘检测 沈俊边缘检测 7.2 几种常用的边缘检测算子 梯度算子 对阶跃边缘，在边缘点处一阶导数有极值，因此可计算每个像元处的梯度来检测边缘点。 梯度的大小代表边缘的强度，梯度方向与边缘走向垂直。 7.2 几种常用的边缘检测算子 梯度算子 7.2 几种常用的边缘检测算子 基于梯度的边缘检测 选取适当的阈值T，对梯度图像进行二值化 缺点：梯度算子仅用最近邻像素的灰度计算，对噪声敏感，无法抑制噪声的影响。 7.2 几种常用的边缘检测算子 Roberts梯度算子 7.2 几种常用的边缘检测算子 Prewitt和Sobel算子 思路： 加大边缘检测算子模板出发减少噪声的影响 7.2 几种常用的边缘检测算子 7.2 几种常用的边缘检测算子