DIP姚敏图像处理课件九.ppt

Digital Image Processing 数字图像处理 第九章 图像分割 9.1 概述 图像分割 图像分割 ? 分割出来的各区域对某种性质例如灰度，纹理而言具有相似性，区域内部是连通的的且没有过多小孔。 ? 区域边界是明确的 ? 相邻区域对分割所依据的性质有明显的差异 图像分割 ? 边缘检测 ? 边缘跟踪 ? 阈值分割 ? 区域分割 ? 运动分割 基本原理 原始图像——f(x,y) 灰度阈值——T 阈值运算得二值图像——g(x,y) ? 阈值选择直接影响分割效果，通常可以通过对灰度直方图 的分析来确定它的值。 阈值选择 利用灰度直方图求双峰或多峰 选择两峰之间的谷底作为阈值 人工阈值 人工选择法是通过人眼的观察，应用人对图像的知识，在分析图像直方图的基础上，人工选出合适的阈值。也可以在人工选出阈值后，根据分割效果，不断的交互操作，从而选择出最佳的阈值。 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 ? Ostu方法是使类间方差最大而推导出的一种能自动确定阈值的方法 ?具有简单，处理速度快的特点 ? Matlab工具箱提供的graythresh函数求取阈值采用的正是Ostu法 自动阈值 Ostu法 原始图像 Otsu法二值化图象 图9.21 Otsu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，就是要在灰度图像中找出不同的吸水盆地和分水岭，由这些不同的吸引盆地和分水岭组成的区域即为我们要分割的目标。 自动阈值 分水岭算法 (a)原始图像 (b)图像对应的拓扑地形图 图9.23 图像对应的拓扑表面图 自动阈值 分水岭算法 分水岭阈值选择算法可以看成是一种自适应的多阈值分割算法 图9.24 分水岭形成示意图 分水岭对应于原始图像中的边缘 自动阈值 分水岭算法 L=watershed(f) MATLAB函数 图9.25 不准确标记分水岭算法导致过分割 原始图像 分水岭 分割结果 局部极小值 自动阈值 改进的分水岭算法 图9.26 准确标记的分水岭算法分割过程 原始图像 原图像的距离变换 标记外部约束 标记内部约束 由标记内外部约束重构的梯度图 分割结果 * * E-MAIL:myao@ 姚 敏 图像 图像识别 图像 预处理 图像理解 图9.1图像分割在整个图像处理过程中的作用 图像分割 作用 特征 本章要点 9.2 边缘检测 梯度算子 梯度算子是一阶导数算子 ?幅值 ?方向角 梯度算子 ? 数字图像处理中用差分代替微分 ? ? ? 近似计算 梯度算子 Roberts算子 Z9 Z6 Z3 Z8 Z5 Z2 Z7 Z4 Z1 1 0 0 -1 0 -1 1 0 梯度算子 Sobel算子 Z9 Z6 Z3 Z8 Z5 Z2 Z7 Z4 Z1 1 0 -1 2 0 -2 1 0 -1 1 2 1 0 0 0 -1 -2 -1 梯度算子 Prewitt算子 Z9 Z6 Z3 Z8 Z5 Z2 Z7 Z4 Z1 1 0 -1 1 0 -1 1 0 -1 1 1 1 0 0 0 -1 -1 -1 梯度算子 原图 Prewitt算子 Sobel算子 Roberts算子 拉普拉斯算子 差分 微分 二阶导数算子 拉普拉斯算子 ? ?图9.5 两种常用的拉普拉斯算子模板 0 1 0 1 -4 1