第九讲图像分割.ppt

第四章 图像分割 1) 单一性：每个区域内的灰度级相等[1]， P（Ri）= TRUE，i = 1,2,…,n 2) 互斥性：任两个区域的灰度级不等， P（Ri∪Rj）= FALSE，i≠j 算法实现： 确定一个初始的分割区域，定义同 质性准则和分层的数据结构； 如果任何区域R不均匀，就分裂成四个子区域； 如果任何四个区域具有同质的父节 点，就合并成一个区域； 任何两个相邻的区域灰度相似，合 并它们； 4.3.3 腐蚀与膨胀 图像分割—形态学处理 2）粗化 算法实现： 1）做膨胀操作，但不立刻添加像素，只打标记 2）将不产生对象合并的标记点添加进来。 3）重复执行，将产生粗化结果 结果：在不合并对象的前提下，粗化图像。 * 4.2 图像分割 4.4 小结 4.2.1 基于阈值的图像分割 4.2.2 基于边缘的图像分割 4.2.3 基于区域的图像分割 4.1 引言 4.3 数学形态学处理 图像分割—基于区域的图像分割 4.2.3 基于区域的图像分割 前面的方法是寻找区域的边界；本节的方法是直接 构成区域。 同质性（灰度、颜色、纹理、形状、模式）是 区域的重要特性。 区域增长的基本思想是：把图像分成若干具有同质性 的最大[1]的区域 选择什么特性来描述区域，对图像分割的结果、复杂 程度、所用的先验知识的数量都有影响。 将区域R划分为若干个子区域R1,R2,…,Rn， 这些子区域满足2个条件： 图像分割—基于区域的图像分割—基本概念 区域：像素的连通集 对于任意i≠j，Ri∩Rj= 0 区域增长的方法： 合并 分裂 分裂加合并 4.2.3.1 区域合并 把图像分成许多满足单一性条件的初始小区域： P（Ri）= TRUE，i = 1,2,…,n 定义一个合并相邻区域的规则 按规则合并相邻的区域，直到不能再合并 不同的区域合并方法在于：初始分割的定义和合并 规则的不同。 图像分割—基于区域的图像分割—区域合并 区域A 区域B 种子像素 种子像素 图像分割—区域连接 图像分割—基于区域的图像分割—区域合并 最简单的合并： 用2×2、 4×4 或 8×8像元组成的区域作为“种子” 开始分割； 选择一个同质性描述（如区域的灰度直方图）； 比较像素邻区域的统计灰度特性[1]； 如果匹配就合并成一个大一点的区域，并计算新 的区域的 统计灰度特性；否则，将区域标上 “不匹配”； 相邻区域继续合并，包括新形成的区域； 如果一个区域再不能与任何相邻区域合并， 合并过程停止， 每个区域都被标上号码。 图像分割—基于区域的图像分割—区域分裂 区域分裂与合并相反，开始将整个图像当作一个区域； 按顺序分裂成满足单一性（P（Ri）= TRUE）的区域； 4.2.3.2 区域分裂 图像分割—基于区域的图像分割—区域分裂与合并 4.2.3.3 区域分裂与合并 3）反复进行上两步操作，直 至不再有新的分裂与合并 为止。 2）如果相邻的子区域所有像 素的灰度级相同，则将其 合并。 1） 将图像中任何灰度不均匀 的区域，均分为四个子区 域。 图像分割—区域分裂与合并 区域分裂与合并相当于擦除或建立一个分割四叉树的节点。 1 2 3 0 00 01 02 03 30 31 32 33 310 311 312 313 00 01 02 03 30 32 33 1 2 图像分割—区域分裂与合并 00 01 02 03 30 32 33 1 2 算法实现： 图像分割—形态学处理 4.3 数学形态学图像处理 数学形态学（Mathematical Morphology)：分析几何 形状和结构的数学方法。用集合论方法定量描述几 何结构的科学。 用腐蚀、膨胀、开和闭等基本形态学运算子及其 组合来进行图像形状和结构的分析与处理[1]。 特点： 分析和处理并行，速度快。 图像分割—形态学处理 4.3.1 基本符号和术语 元素和集合 在数字图像的形态学处理中，一幅图像称为一个集合。 对于二值图像，习惯上将取值为1的点对应目标，将取 值为0的点对应背景。 对于一个集合A,如果点a在集合内，称a是A的元素， 记为：a A,否则记为：a A。 交集、并集和补集 集合A和B的公共点组成的集合称为两个集合的交集。 记为：A B A B A B 集合A和B的所有元素组成的集合称为两个集合的并集。 记为：A B A B A B 集合A以外的所有元素组成的集合