第9章图像分割试卷.ppt

* 区域分裂合并 算法 ?设整幅图像为初始区域 ?对每一区域R，如果P(R)=FLASE，则把该区域分裂成四个子区域 ?重复上一步，直到没有区域可以分裂 ?对图像中任意两个相邻的R1和R2，如果P(R1UR2)=TRUE，则把这两个区域合并成一个区域。 ?重复上一步，直到没有相邻区域可以合并，算法结束 * MATLAB提供qtdecomp函数来进行四叉树分解。函数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，四叉树分解法的结果可能包含多种不同尺寸的方块。 * qtdecomp函数的调用形式： S=qtdecomp(I, threshold,[mindim maxdim] 其中I是图像灰度矩阵；threshold为阈值，如果分解的块中最大像素值与最小像素值的差大于阈值，则继续分解图像块；mindim和maxdim为子块尺寸的上下限定范围，即子块尺寸必须在此范围内；S为返回的四叉树结构，为一稀疏矩阵。 * I = imread(liftingbody.png); S = qtdecomp(I,.27);%四叉树分解，阈值设定为0.27 blocks = repmat(uint8(0),size(S));%矩阵扩充到S的大小 for dim = [512 256 128 64 32 16 8 4 2 1]; numblocks = length(find(S==dim)); if (numblocks 0) values = repmat(uint8(1),[dim dim numblocks]);%左上角元素为1 values(2:dim,2:dim,:) = 0;%其他元素为0 blocks = qtsetblk(blocks,S,dim,values); end end blocks(end,1:end) =1; blocks(1:end,end) = 1; subplot(121),imshow(I), subplot(122),imshow(blocks,[])%显示分解后的图像 * 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * * T=155的二值化图像 T=210的二值化图像 原始图像 图像直方图 人工阈值 * 自动阈值 迭代法 基本思想：开始时选择一个阈值作为初始估计值，然后按某种策略不断地改进这一估计值，直到满足给定的准则为止。在迭代过程中，关键之处在于选择什么样的阈值改进策略，好的阈值的改进策略应该具备两个特征，一是能够快速收敛，二是在每一个迭代过程中，新产生阈值优于上一次的阈值。 * 自动阈值 迭代法 (1)? 选择图像灰度的中值作为初始阈值Ti=T0。 (2)? 利用阈值Ti把图像分割成两部分区域， R1和R2，并计算其灰度均值 (3) 计算新的阈值Ti+1 (4) 重复步骤2、3，直到Ti+1和Ti的值差别小于某个给定值 * 自动阈值 迭代法 原始图像 迭代阈值二值化图象 图9.20 迭代式阈值二值化图像 * 自动阈值 Ostu法 ? Matlab工具箱提供的graythresh函数是采用Ostu法求取阈值 * I = imread(coins.png); subplot(121); imshow(I); title(原始图像); level = graythresh (I); BW = im2bw(I,level); subplot(122); imshow(BW); title(Otsu方法二值化图像); * * 自动阈值 分水岭算法 ?分水岭算法(watershed)是一种借鉴了形态学理论的分割方法，它将一幅图象看成为一个拓扑地形图，其中灰度值被认为是地形高度值。高灰度值对应着山峰，低灰度值处对应着山谷。将水从任一处流下，它会朝地势底的地方流动，直到某一局部低洼处才停下来，这个低洼处被称为吸水盆地，最终所有的水会分聚在不同的吸水盆地, 吸水盆地之间的山脊被称为分水岭，水从分水岭流下时，它朝不同的吸水盆地流去的可能性是相等的。 ?将这种想法应用于图像分割，就是要在