7-图像分割1课件.ppt

第六章 图象分割 6.1概述 图象处理有两大类目的： 1．改善象质（增强、恢复） 2．图象分析：对图象内容作出描述 图像分析：（也叫景物分析或图像理解） 可看作是一种描述过程，主要研究用自动或半自动装置和系统，从图像中提取有用测度，数据或信息生成非图的描述或表示。 图像分割：将图像中有意义的特征或需要应用的特征提取出来。 （简单而又难于实现的最基础的识别工作。由于目标特征不均匀，图像中有噪声——分割困难。图象几何性质与象素位置有关，与灰度值无关。往往以二值图像作为研究对象，对噪声的敏感性处理不好，将严重影响分析结果。 ）; 人的视觉系统对图像分割是十分复杂的，也是相当有效的。但分割原理和模型都未搞清楚。 分割方法分类： ?人机交互－－手工勾画，训练区办法。 ?分类－－统计分类（统计模式识别方法） ?阈值法－－（与对象有关） ?边缘检测法：边缘检测算子－－已知算子 模板匹配－－已知模板 最佳曲面拟合－－已知函数 纹理检测 ?生长法，贯序分割法，松弛法（Relaxation）其它等等。 ;实际分割中考虑几个因素： ?噪音干扰－－加大窗口 ?光强不均匀－－用边缘检测法 ?本身不确定性与不连续性－－智能性算法 ? （本章介绍方法与其说是典型性，不如说是启发性，分割方法太多，开拓思路。 ）;6.2 象素分类法 分割用特征： 灰度 灰度梯度 粗糙度 V x =∣A-B∣+∣B-C∣+∣D-E∣+∣E-F∣+∣G-H∣+∣H-I∣ V y=∣A-D∣+∣D-G∣+∣B-E∣+∣E-H∣+∣C-F∣+∣F-I∣ 粗糙度 = Min(VX,VY) （纹理：边缘突变不考虑，边缘不属于纹理。） 分维数：盒维，以某个点为中心可以计算出局部维数。 ;统计模式识别，监督分类方法: 目标与背景灰度不同，把灰度看作特征 已知：先验概率P(1),P(2)，第1，2类出现概率P(1)+P(2)=1 条件概率：p(z/1)，p(z/2) 图像可统计直方图 p(z) = p(z/1)·p(1)+p(z/2)·p(2)——全概率公式 选择分类阈值t,使总的分类误差最小 即：zt 属1类 z≥t 属2类 ?误分类情况： 2类误分为1类： 1类误分为2类：;总误分概率： ;举例讨论：设p(z/1), p(z/2)为正态分布 ;6.3门限法（域值法）Thresholding （真实情况不知条件概率分布，用经验法近似）直接从图象中选一门限将图象分成两区，或由直方图选出谷值。 影响图素：噪音、照度不均匀，结构特征。 注意：人的识别不是绝对值，而是对灰度变化最敏感。 ?简单情况下取直方图谷值点作分割阈值。 ?图象中有噪音干扰，先做平滑处理，后取门限。 ?光照不均匀： ａ先修正光照不均匀，再取门限。 b 分区分割 目的：减少光照不均匀而影响的分割效果。 ;?多波段： R、G、B多幅直方图同时出现谷值。 ?取局部特征：如纹理——粗糙度 此结构特征优于灰度特征，因为与结构有关，若取局部特征，并对局部特征图平滑之后，再取阈值，则效果更好。;b灰度与灰度梯度图;6.4 边缘检测法 见本图“A”字，照度不均匀。;方法1： 可调整亮度，再取阈值。 方法2：直接检测边界。; ?求导取阈值——抽取边界，实质是在图像梯度图上取阈值来找出边缘。 算子：Robot、Sobel等。 ?曲面拟合法 以某一点的邻域的灰度拟合成某一曲面，将拟合后曲面梯度作为象素点的梯度。 如最简单用z = f(x,y) = ax+by+c函数与f(x,y), f(x+1,y), f(x,y+1), f(x+1,y+1)拟合  拟合误差： E(a,b,c) = [ax+by+c-f(x,y)] 2 + [a(x+1)+by+c-f(x+1,y)] 2 + [ax+b(y+1)+c-f(x,y+1)]2 + [a(x+1)+b(y+1)+c-f(x+1,y+1)]2 ;盾嫂魁美宰手臣耶寇段肆滩睛望恩套拦斜钡荫弯羔圣洗郊调盎妙帐炭褂二7-图像分割1课件7-图像分割1课件;6.5 生长法－－（与分裂法相对） 由单个象素开始合并成一定大小的区。