数字图像处理胡学龙等第07章图像分割.ppt

图6.14 内插法几何校正 （4）变换编码 基本原理是 利用坐标变换，如果选择的变换坐标与图像特征相匹配就可以大大压缩二维数据。 重要的变换编码方法是 离散余弦变换DCT，它有快速算法，二维变换可以转化为二次一维变换。 DCT变换后的系数相对集中，还可以进一步进行量化，从而更大幅度地压缩图像的数据量。 （5）无损压缩 降低编码的冗余，在不减少传送信息量的条件下减少了码率。 主要类型有 Huffman编码 算术编码 游程编码 （6）JPEG标准 适用于静止图像。 它将图像分解为8×8的样值子块 用DCT进行变换、量化、Z字形重排 用霍夫曼码对量化系数进行编码，进一步压缩数据量。 新的发展 JPEG2000标准 知识要点： 图像分割的目的、定义和分类 像素间的关系：邻域和连通性 阈值分割技术：全局阈值分割和局部阈值分割 边缘检测：梯度算子、拉普拉斯算子、拉普拉斯-高斯算子、方向算子、canning算子、边缘跟踪 区域检测法 霍夫变换 7.1 概 述 一、图像分割的目的和任务 图像分割的目的是将目标从背景中提取出来，为图像分析和图像理解做准备的处理过程。 分割是将图像细分为一个个子区域或对象。 分割的程度取决于要解决的问题。 精确的分割决定着图像分析的成败。 二、图像分割的集合定义 三、图像分割的依据和分类 图像分割方法的分类 根据分割方法的不同，通常有两种分类方法： 1、根据图像的两种特性进行分割：一种是根据各个像素点的灰度不连续性进行分割；一种是根据同一区域具有相似的灰度进行分割； 分割结果中同一个子区域内的像素应当是连通的 同一个子区域内的任两个像素在该子区域内互相连通。 2、根据分割的处理策略不同进行分割：一种是并行算法，所有的判断和决策都可以独立进行； 另一种是串行算法，后期的处理依赖前期的运算结果。后者运算时间较长，但抗干扰能力较强。 阈值分割：并行区域类 边缘检测：并行边界类 边缘跟踪：串行边界类 区域生长：串行区域类 根据应用目的的不同，分为粗分割和细分割。 根据分割对象的属性，分为灰度图像分割和彩色图像分割。 根据分割对象的状态，分为静态图像分割和动态图像分割。 根据分割对象的应用领域，分为遥感图像分割，交通图像分割，医学图像分割，工业图像分割，军事图像分割等。 7.2 像素的邻域和连通性 1. 4邻域 对一个坐标为 的像素p，它可以有两个水平和两个垂直的近邻像素。它们的坐标分别是 这四个像素称为p 的4邻域。 互为4邻域的像素又称为4连通的。 2. 8邻域 取像素p四周的8个点作为相链接的邻域点，除掉p本身外，剩下的8个点就是p的8邻域。 互为8邻域的像素又称为8连通的 。 目标和背景的连通性定义必须取不同，否则会引起矛盾。 根据连通性，可以定义图像的特征点和线。 （1）边界点（boundary point):如果目标点集S中的点p ,有邻点在S的补集,那么p便是 S的边界点 ,这种点的集合，便是S的边界，记为S’。 （2）S的内部（interior)和内点(interior point)：目标点集S和边界点集S’之差称为S的内部，处于S内部的点称为S的内点。 （3）孤点：没有邻接点的点。 （4）封闭曲线：如果连通域S中的所有点都有两个邻点，则称连通域为封闭曲线。 【例7.1】根据4/8连通准则在二值图像中判断目标。 解：应用函数bwlabel可以根据4连通或8连通准则，在给定的二值图像矩阵BW中寻找目标。MATLAB程序： 7.3 图像的阈值分割技术 -并行区域类 灰度阈值分割方法： 若图像中目标和背景具有不同的灰度集合，且两个灰度集合可用一个灰度级阈值T进行分割。 这样就可以用阈值分割灰度级的方法在图像中分割出目标区域与背景区域。 设图像为 ，其灰度集范围是[0,L]，在0和L之间选择一个合适的灰度阈值T。 图像分割方法可由下式描述： 这样得到的是一幅二值图像。 图7.4给出了利用阈值分割图像的实例。 （a）是原图 （b）是对应的直方图 （c）是选择分割阈值为110的结果图。 7.3.1 全局阈值分割 全局阈值是最简单的图像分割方法。根据不同的目标，选用最佳的阈值。 1．实验法 如果分割之前就知道图像的一些特征，那么阈值确定就比较简单，只要用不同的阈值进行测试，即可检查该阈值是否适合图像的已知特征。 这种方法需要知道图像的某些特征，但有时这些特征是不可预知的。 2．直方图法 先做出图像的灰度直方图，若直方图成双峰且有明显的谷底，则可以将谷底对应的灰度值作为阈值T,然后根据阈值进行分割，就可以将目标从图像中分割出来。 适用于目标和背景的灰度差较大，直方图有明显谷底的情况。 3．最小误差的方法 7.3.2局部阈值分割 7.3.3