彩色图像分割.ppt

图 开运算去掉了凸角 (a) 结构元素S1和S2；(b) X○S1；(c) X○S2 图 闭运算填充了凹角 (a) 结构元素S1和S2；(b) X●S1； (c) X●S2 图 开、 闭运算效果示意图 (a) 原始图像； (b) 开运算的结果； (c) 闭运算的结果 ??(a) (b) (c) 图 灰值腐蚀与膨胀前后的图像 (a) 原始图像; (b) 灰值腐蚀后的图像; (c) 灰度膨胀后的图像 图 灰值开闭运算实例 (a) 开运算的结果； (b) 闭运算的结果 图像分割是一个将一幅数字图像划分为不交叠的、连通的像素集的过程。分割算法主要有边缘分割法、阈值分割法、区域分割法等。 边缘是指其周围像素灰度变化不连续的那些像素的集合。常见的边缘检测方法有空域微分算子、拟合曲面、小波多尺度边缘检测以及基于数学形态学的边缘检测。 阈值分割算法是区域分割算法中具有代表性的一类分割算法。常用的方法有全局阈值、基本自适应阈值方法、动态阈值方法和基于熵的二值化方法。 小结 基于区域的分割是以直接寻找区域为基础的分割技术。区域生长就是一种根据事先定义的准则将像素或者子区域聚合成更大区域的过程。 彩色图像分割是数字图像处理中的一种应用广泛的技术。对彩色图像的分割可以采取两种方式，其一就是将彩色图像的各个分量进行适当的组合转化为灰度图像，然后利用对灰度图像的分割方法进行分割；其二就是在彩色模型空间中直接进行图像的分割。 基于形态学方法的图像分割技术基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。 彩色图像灰度级校正处理示例 彩色图像的平滑处理示例 彩色图像的锐化处理示例 彩色分割方法 HSI彩色空间分割 RGB彩色空间分割 HSI彩色空间分割 如果希望基于彩色分割一幅图像，并且想在单独的平面上执行处理，会很自然地想到HSI空间。HSI空间在色调图像中描述彩色是很方便的。其次在HSI空间进行彩色图像分割，由于H、S和I三个分量是相互独立的，所以有可能将这个3-D有哪些信誉好的足球投注网站的问题转化为3个1-D有哪些信誉好的足球投注网站。典型情况是，为了在色调图像中分离出感兴趣的特征区，饱和度被用做一个模板图像。在彩色图像分割中强度图像不常使用，因为它不携带彩色信息。 基于色调（H）直方图彩色图像分割，基于一维特征标量（C=[W1 W2 W3]）的双阈值分割算法。 阈值的选择可以采用人工交互的方式，也可以基于先验知识进行选择。基于H、C 的直方图统计扩展了灰度图像的阈值分割算法。但第一种方法对于原始图像中颜色数较少，目标颜色单纯，且波长分布相对分散的情况，可以得到较好的结果。但由于它只考虑了色调值，而没有考虑光强和饱和度等对颜色的影响，因此，在不同的光照和饱和度下，很难得到较好的效果。基于C 的方法克服了上述缺点,但由于内部聚类不紧凑，有时会出现空洞。 RGB彩色空间分割 分割的目标是对给定图像中每一个RGB像素进行分类。为了进行分类，需要一个相似性度量。最简单的度量之一是欧氏距离。由下式给出： 这里R、G、B表示向量X与u的RGB分量。D（X，u）≤D0的点的轨道是半径为D0的实心球。 形态学分割 形态学介绍 基本符号与术语 二值、灰度形态学 形态学介绍 数学形态学(Mathematical Morphology)诞生于1964年，是由法国巴黎矿业学院博士生赛拉(J. Serra)和导师马瑟荣，在从事铁矿核的定量岩石学分析及预测其开采价值的研究中提出“击中/击不中变换”， 并在理论层面上第一次引入了形态学的表达式，建立了颗粒分析方法。他们的工作奠定了这门学科的理论基础， 如击中/击不中变换、开闭运算、布尔模型及纹理分析器的原型等。数学形态学的基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。 数学形态学的数学基础和所用语言是集合论，因此它具有完备的数学基础，这为形态学用于图像分析和处理、形态滤波器的特性分析和系统设计奠定了坚实的基础。数学形态学的应用可以简化图像数据，保持它们基本的形状特性，并除去不相干的结构。数学形态学的算法具有天然的并行实现的结构， 实现了形态学分析和处理算法的并行，大大提高了图像分析和处理的速度。 数学形态学是由一组形态学的代数运算子组成的，它的基本运算有4个： 膨胀（或扩张）、腐蚀（或侵蚀）、开启和闭合， 它们在二值图像和灰度图像中各有特点。基于这些基本运算还可推导和组合成各种数学形态学实用算法，用它们可以进行图像形状和结构的分析及处理，包括图像分割、特征抽取、边界检测、 图像滤波、图像