数字图像的分割.ppt

基于嵌入式平台的智能视频处理系统 图像分割与表示 边缘检测 2）霍夫变换 直角坐标Hough变换图 边缘检测 当直线逼近垂直方向时，a趋于无穷大，解决方法是用一条直线 的发现表示： 极坐标Hough变换图 边缘检测 霍夫变换计算上的魅力在于将ρθ空间划分为所谓的累加单元，如下图所示,ρθ所期望的取值范围：-90°到90°和-D到D。位于坐标（i，j）处的单元具有累加器A(i,j)， 它对应于参数空间（ ρi，θi） 相关联的正方形。然后，xy平面中的每一个非背景点（xk，yk），令θ等于θ轴上每一个允许的细分值，求解出对应的ρ，选择一个θp得到解ρq，令A(p,q)++ 边缘检测 Hough变换效果图 边缘检测 使用Hough变化做线检测与连接 Hough线检测与连接原图 边缘检测 Hough变换及峰值检测 边缘检测 Hough变换进行线连接 1、阈值处理：直观、实现简单且计算快速，在图像分割中处核心地位 阈值处理 阈值处理 2、可区分直方图模式的谷的宽度和深度直接关系到灰度阈值分割的成功与否。 影响波谷特性的关键因素是： 1）波峰间的间隔（波峰离得越远分离这些模式的机会越好） 2）图像中的噪声内容（模式随噪声的增加而展宽） 3）图像和背景的相对尺寸 4）光源的均匀性 5）图像反射性的均匀性 阈值处理 以噪声对阈值处理的影响为例： 加噪声前后图像 阈值处理 加噪声前后直方图 注：利用图像平滑可以改善上述处理，降低噪声的影响 阈值处理 3、阈值的获取 a.基本的全局阈值处理，利用迭代算法求阈值 b.用Otsu方法的最佳阈值处理，方法也称为最大间差法。 c.可变阈值处理 d.多变量阈值处理 这里主要探讨全局阈值处理，Matlab工具箱中提供graythresh的函数，该函数使用Otsu方法来计算获取阈值。 阈值处理 4、T=graythresh（f） f为输入图像，T为产生的阈值 T=graythresh(f); T=T*255 T = 101 T=graythresh(f); g=im2bw(f,T); figure,imshow(g) figure,imshow(~g) 阈值处理原图 阈值处理 阈值处理效果图 阈值处理 阈值处理效果图 基于区域分割 1、基于区域的分割讨论以直接寻找区域为基础的分割技术 主要方法有区域生长和区域分割与聚合 2、区域生长是根据预先定义的生长准则将像素或者子域组合为最大区域的的过程。基本方法是从一组‘种子’点开始，将与种子预先定义的性质相似的邻域点添加到生长域中。 也就是一个有条件的膨胀过程，其要点有两个，种子点的获取，用以判断的属性。 基于区域分割 以一个例子来说明区域生长： 下图为一个焊缝的X射线图像，要求把焊缝的区域分割出来。 基于区域分割 这个例子中，“种子”点的获取可以直接把图像中最亮的区域作为“种子”区域，将邻域像素与种子区域的亮度差作为判断的依据。 Matlab中开发一个名为regiongrow的M函数来完成基本的区域生长。该函数为 [g,NR,SI,TI]=regiongrow(f,S,T) 输入中：f为输入图像，S为“种子”，T为阈值（标量时为全局阈值） 输出中：g为分割后的图像，NR为连通区域的数目，SI为一幅包含有种子点的图像。SI也为一幅图像，包含在连通性处理前，通过阈值检测的像素。 基于区域分割 Matlab程序 f=imread(区域生长分割法.tif); [g,NR,SI,TI]=regiongrow(f,255,25); imshow(f) figure,imshow(SI) figure,imshow(TI) figure,imshow(g) NR NR = 25 基于区域分割 区域生长种子点（SI）图 基于区域分割 区域生长检测点（TI）图 基于区域的分割 区域生长分割图 基于区域的分割 3、令R表示整幅图像区域，并选择一个属性Q。对R进行分割依次将它细分为越来越小的四象限区域，以便对任何区域都有Q（Ri）=TRUE。如果Q（Ri）=FALSE，再将Ri细分为四个象限，以此类推。 步骤： 1）对满足Q（Ri）=FALSE的任何区域Ri分割为四个不相交区域。 2）无法进一步分裂时，对Q（Rj∪Rk）=TRUE的任意两个邻接区域进行聚合。 3）无法进一步聚合时停止操作。 基于区域的分割 a)被分割的图像 b）对应的四叉树 形态学分水岭分割 1、形态学分割将将其他方法中的许多概念进行了具体化，会产生更稳定的分割结果，包括连接的分割边界。