第七章边缘检测与图像分割().ppt

第七章 图像分割 7.1 图像分割 图像分割是将图像划分为若干互不相交的小区域的过程。 分水岭算法是数学形态学理论在图像分割的应用中较有代表性的算法。与简单的阈值分割不同，分水岭算法是一种自适应迭代阈值分割算法。 5. 分水岭算法 分水岭算法的思想来源于地理学，它将梯度幅值图像看成一幅 分水岭算法发展简介 地形图，梯度幅值即海拔高度，图像中不同梯度值的区域对应于山 峰和山谷间的盆地。 为了理解分水岭的思想，设想在各个局部极小值点的位置打一个洞，然后将地形图逐渐侵入一个湖中，全局极小值点的盆地先进水。水位逐渐升高漫过盆地，当相邻两个盆地的水即将合并时，在两个盆地间建坝拦截。此过程将图像划分为许多个山谷盆地，分水岭就是分隔这些盆地的堤坝，而这些“集水盆地”则分别对应于待分割图像中的均匀一致区域。 (a)地形俯视图 (b)－(c)被水淹没的两个不同阶段 (d)－(e)进一步淹没的结果 最后的分水线(分割) 基于分水岭变换的性能在很大程度上依赖于用来计算待分割图像的梯度算法。 传统的形态梯度算法受噪声和量化误差的影响，在均匀一致的区域内部会产生过多的局部“谷底 (“集水盆地”)，因此最终将导致“过分割”，即生成大量的小区域，使得目标物体的轮廓线掩埋在杂乱的分水线中。 最后的分水线(分割) 克服这一缺点的方法大致 有两种：一种是在分水岭变换 之前，对图像滤波，进行标记 提取，另一种是在分水岭变换 以后，进行区域合并。 “过分割” center1=-10; center2=10; dist=sqrt(2*(2*center1)^2); radius=dist/2*1.4; lims=[floor(center1-1.2*radius) ceil(center2+1.2*radius)]; [x,y]=meshgrid(lims(1):lims(2)); bw1=sqrt((x-center1).^2+(y-center1).^2)=radius; bw2=sqrt((x-center2).^2+(y-center2).^2)=radius; bw=bw1|bw2; subplot(1,3,1),imshow(bw1); subplot(1,3,2),imshow(bw2); subplot(1,3,3),imshow(bw); D=-bwdist(~bw); figure , imshow(D); D(~bw)=-max(abs(D(:))); D=D-min(D(:)); figure, [C,h]=contour(D);axis equal,axis ij,colormap gray L=watershed(D); figure , imshow(L); rgb=label2rgb(L,jet,[.5 .5 .5]); figure , imshow(rgb,n); %产生一个包含两个重叠的%图形图案的二值图像。 %对上述二值图像进行变换 %得到包含两个“盆地”的图像。 %进行watershed分割 %将分割结果以标记图形式画出。 %产生一个包含两个重叠的%图形图案的二值图像。 %对上述二值图像进行变换 %得到包含两个“盆地”的图像。 %进行watershed分割 %将分割结果以标记图形式画出。 %label2rgb( )这个函数用于伪彩色图像处理；即在标记矩阵中用来指定每一个连通区域的数字定义为颜色矩阵；通俗的说就是把各个连通局域L填上不同的颜色。 RGB=label2rgb(L); RGB=label2rgb(L,map，zeroclor，order) %这里参数zeroclor是标记为0数字的颜色，默认为百色，所以你用黑背景得来的变成了白背景。 rgb=label2rgb(L,jet,[.5 .5 .5]); figure , imshow(rgb,n); 补充： 图像的边缘是指图像局部区域亮度变化显著的部分。该区域的灰度剖面一般可以看做一个阶跃，即从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。图像的边缘部分集中了图像的大部分信息，图像边缘的确定与提取对于整个图像场景的识别与理解是非常重要的，同时也是图像分割所依赖的重要特征。 7.3 边缘检测 边缘检测主要是图像的灰度变化的度量、检测和定位， 自从1959提出边缘检测以来，经过五十多年的发展， 已有许多种不同的边缘检测方法。 7.3.1 边缘检测概念 P188 具有边缘的图像示例 P188 图像： 剖面： 一阶导数： 二阶导数： 各种边缘其一阶、二阶导数特点 * * 1.图像分割的目标 把图像分成互不重叠的区域