第9章图像分割与边缘检测.pptVIP

第9章图像分割与边缘检测 9.1 论述 9.2 阈值化技术 9.2.1 灰度门限法 9.2.2 灰度门限法应用 9.2.1 灰度门限法 9.2.2 灰度门限法应用 9.3 边缘检测 9.3.1 边缘检测算子 9.3.2 边缘检测算子的MATLAB实现 9.3.1 边缘检测算子 9.3.2 边缘检测算子的MATLAB实现 9.4 边界跟踪 9.4.1 边界跟踪的方法 9.4.2 霍夫变换 9.4.1 边界跟踪的方法 9.4.2 霍夫变换 9.5 阈值分割 9.5.1 人工选择法 9.5.2 自动阈值法 9.5.3 分水岭算法 9.5.1 人工选择法 9.5.2 自动阈值法 9.5.3 分水岭算法 9.6 区域分割 9.6.1 区域生长的基本概念 9.6.2 四叉树分解的分割法 9.6.3 用平均灰度分割 9.6.4 基于相似统计特性的分割法 9.6.1 区域生长的基本概念 9.6.2 四叉树分解的分割法 9.6.3 用平均灰度分割 9.6.4 基于相似统计特性的分割法 9.7 运动分割 9.7.1 背景差值法 9.7.2 图像差分法 9.7.3 基于光流的分割法 9.7.4 基于块的分割法 9.7.1 背景差值法 9.7.2 图像差分法 9.7.3 基于光流的分割法 9.7.4 基于块的分割法 分水岭阈值选择算法可避免这个缺点。 两个低洼处为吸水盆地，阴影部分为积水，水平面的高度相当于阈值，随着阈值的升高，吸水盆地的水位也跟着上升，当阈值升至时，两个吸水盆地的水都升到分水岭处，此时，若再升高阈值，则两个吸水盆地的水会溢出分水岭合为一体。 MATLAB图像处理工具箱中的watershed函数可用于实现分水岭算法，该函数的调用格式为： L=watershed(I) 其中I为输入图像，L为输出的标记矩阵，其元素为整数值，第一个吸水盆地被标记为1，第二个吸水盆地被标记为2，依此类推。分水岭被标记为0。 图9-14 分水岭形成示意图 区域生长的基本思想是将具有相似性质的像素集合起来构成区域。 具体先对每个需要分割的区域找一个种子像素作为生长的起始点，然后将种子像素周期邻域中与种子像素有相同或相似性质的像素合并到种子像素所在的区域。 将这些新像素当作新的种子像素继续进行上面的过程，直到再没有满足条件的像素。 1．四叉树分解原理 四叉树分解结构可以用来实现分裂合并算法，在图像分析和图像压缩中应用广泛。四叉树分解将原始图像逐步细分成小块，操作的目的是将具有一致性的像素分到同个小块中。 通常这些小块都是方块，只有少数情况分成长方形。 四叉树分解的具体过程：将方形的原始图像分成四个相同大小的方块，判断每个方块是否满足一致性标准；如果满足就不再继续分裂，如果不满足就再细化成四个方块，并对细分得到的方块继续应用一致性经验。 这个迭代重复的过程直到所有的方块都满足一致性标准才停止。 最后，四叉树分解的结果可能包含多种不同尺寸的方块。 用于四叉树分解的函数有：qtdecomp函数、qtgetblk函数、qtsetblk函数。 其具体作用如表9-4所示。 2．四叉树分解的MATLAB实现 表9-4 四叉树分解函数 设置四叉树分解中的块值 qtsetblk 获取四叉树分解中的块值 qtgetblk 对原始图像进行四叉树分解 qtdecomp 用 法 函 数 名 称 下面分别介绍它们的具体使用方法。 （1）qtdecomp函数 其语法格式为： S=qtdecomp(I) S=qtdecomp(I, threshold) S=qtdecomp(I, threshold, mindim) S=qtdecomp(I, threshold,[mindim maxdim] S=qtdecomp(I, fun) qtgetblk函数的语法格式如下： [vals, r, c]= qtgetblk(I, S, dim) [vals, idx]= qtgetblk(I, S, dim) （2）qtgetblk函数 qtsetblk函数的语法格式如下： J= qtsetblk(I, S, dim, vals) （3）qtsetblk函数 缓慢运动物体在图像中的变化量是很小的，它在两个相邻的图像帧之间表现出来的差别是一个很小的量，尺度滤波器可能会将这些微小量当成噪声滤掉。 另一方面，在实际情况中，由于随机噪声的影响，没有目标运动的地方也会出现图像差分值不为零的情况。 解决这一问题的一种方法是把这些差分值累积起来，真正的目标运动区域必须