[数学]数字图像处理.pptx

第8章 图像分割;图像分割的概念 图像分割的方法 边缘检测 区域分割 区域生长;把图像分成互不重叠的区域并提取感兴趣目标的技术;令集合R代表整个图像区域，对R的分割可看作将R分成N个满足以下五个条件的非空子集（子区域）R1，R2，…，RN： 完备性： ； 独立性：对所有的i和j，i≠j，有Ri∩Rj =φ； 单一性：对i = 1,2,…,N，有P(Ri) = TRUE； 互斥性：对i≠j，有P(Ri ∪ Rj ) = FALSE； 连通性：对i =1,2,…,N， Ri是连通的区域。 其中P(Ri)是对所有在集合Ri中元素的逻辑谓词,φ代表空集;令集合R代表整个图像区域，对R的分割可看作将R分成N个满足以下五个条件的非空子集（子区域） R1，R2，…，RN ： 完备性： 条件1指出在对一幅图像的分割结果中全部区域的总和（并集）应能包括图像中所有像素（即原图像） 也就是说，图像上的每一个像素都被分到某一个子集（子区域）中去;令集合R代表整个图像区域，对R的分割可看作将R分成N个满足以下五个条件的非空子集（子区域） R1，R2，…，RN ： 独立性：对所有的i和j，i≠j，有Ri ∩ Rj =φ 条件2指出分割结果中各个子区域是互不重叠的，或者说在分割结果中一个像素不能同时属于两个区域;令集合R代表整个图像区域，对R的分割可看作将R分成N个满足以下五个条件的非空子集（子区域） R1，R2，…，RN ： 单一性：对i = 1,2,…,N，有P(Ri ) = TRUE 互斥性：对i≠j，有P(Ri ∪ Rj ) = FALSE 其中P(Ri )是对所有在集合Ri中元素的逻辑谓词 条件3指出属于同一个区域中的像素应该具有某些相同特征；条件4指出分割结果中属于不同区域的像素应该具有一些不同的特征;令集合R代表整个图像区域，对R的分割可看作将R分成N个满足以下五个条件的非空子集（子区域） R1，R2，…，RN ： 连通性：对i =1,2,…,N， Ri是连通的区域 条件5要求分割结果中同一个区域内的任意两个像素在区域内互相连通，或者说分割得到的区域是一个连通区域 连通性：在一个连通集中的任意两个像素之间，都存在一条完全由这个集合的元素构成的连通路径;分割算法基于灰度值的两个基本特性：不连续性和相似性 检测图像像素灰度级的不连续性，找到点、线（宽度为1）、边（不定宽度）。先找边，后确定区域;检测图像像素的灰度值的相似性，通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边 P180页改错;基于边缘的分割方法（梯度方法） 先提取区域边界，再确定边界限定的区域 区域分割（灰度阈值法） 确定每个像素的归属区域，从而形成一个区域图 区域生长（区域生长方法） 将属性接近的连通像素聚集成区域;边缘的定义： 图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合 边缘的分类 阶跃状 屋顶状;;边缘检测算子;梯度算子 Roberts算子 Prewitt算子 Sobel算子 Laplacian算子;梯度算子;6;为了检测边缘点，选取适当的阈值T，对梯度图像进行二值化，则有： 这样形成了一幅边缘二值图像g(x,y) 特点：仅计算相邻像素的灰度差，对噪声比较敏感，无法抑止噪声的影响;Roberts算子;Prewitt算子;Sobel算子;拉普拉斯算子;拉普拉斯算子;优点： 各向同性 对细线和孤立点检测效果较好 缺点： 对噪音敏感 不能检测出边的方向 常产生双像素的边缘;梯度算子;边缘跟踪;;一幅图像中属于同一区域的像素应具有相同或相似的属性，不同区域的像素属性不同 基本思想： 确定一个合适的阈值T 将大于等于阈值的像素作为物体或背景，生成一个二值图像 If f(x,y) ? T set 255 Else set 0 ;特点： 适用于物体与背景有较强对比的情况，重要的是背景或物体的灰度比较单一。（可通过先求背景，然后求反得到物体） 这种方法总可以得到封闭且连通区域的边界;全局阈值法（固定的阈值） 如果背景的灰度值在整个图像中可合理地看为恒定，且所有目标与背景都具有几乎相同的对比度，那么只要选择了正确的阈值，使用一个固定的全局阈值就会有较好的分割效果 自适应阈值法（变化的阈值） 背景的灰度值并不是常数，目标和背景的对比度在图像中也有变化。在这种情况下，可把灰度阈值设置成一个随位置变化而缓慢变化的函数值;阈值选定的好坏是此方法成败的关键 阈值的选择 直方图法 自适应阈值方法 分水岭算法;通过直方图得到阈值 基本思想：边界上的点的灰度值出现次数较少 取值的方法：取直方图谷底，为最小值的灰度值为阈值T 缺点：会受到噪音的干扰，最小值不是预期的阈值，而偏离期望的值;通过直方