数字图像-第七章-图像分割与特征提取.pptVIP

7.4 门限化分割 ▓灰度门限的确定 1.极小值点阈值 取直方图谷值对应的灰度值作为分割阈值，设h(t)代表直方图，则极小值点应满足： 7.4 门限化分割 该极小值点对应的灰度值便可以作为分割的阈值。 2.最优阈值 当目标物区域与背景区域的平均灰度值差别不大，或者由于噪声干扰，图像灰度直方图没有明显的双峰一谷特征时，需要寻找最优阈值。这里的最优是要求错分概率达到最小。 设一幅图像目标物和背景的灰度分布概率密度函数分别为 和 ，若已知背景和目标物像素出现的先验概率（其出现像素个数占图像像素个数比例）分别为 和 ，且有 ，则图像的混合概率密度函数为： 如果设置灰度门限 将目标物和背景区分开，即 如果 ,则 目标物 ； 如果 ，则 背景。 7.4 门限化分割 将1个目标物像素错分为1个背景像素的概率为： 将1个背景像素错分为1个目标物像素的概率为： 选取阈值T的总的错分概率： 令上式最小,即 ，得 若已知 、 和 ，在理论上就可以求出最优门限。 假设图像的目标物和背景的灰度为高斯型分布，其概率密度函数： 7.4 门限化分割 取对数得到： 求解便可以得解 和 ，选择其中合理的一个即为最优门限值。当 ，只存在1个最优阈值： 当 ，则最优阈值就是2个区域灰度均值的平均值，即 7.4 门限化分割 最优阈值分割示例 7.4 门限化分割 3.迭代阈值 迭代阈值法是阈值法图像分割中比较优秀的方法，通过迭代的方法求出分割的最佳阈值，具有一定的自适应性。 迭代阈值法的实现步骤： ⑴ 求出图像中的最大和最小灰度值 和 ，并令初始阈值为： 。 ⑵ 根据阈值 将图像分割成目标物和背景两部分，再求出这两部分的平均灰度值 和 ： （7.4-13） ⑶ 求出新的阈值 。 ⑷ 如果 ，则迭代结束。否则k←k+1,转到第（2）步继续迭代. 7.4 门限化分割 迭代阈值的分割示例 7.4 门限化分割 （a）、（b）和（c）为原图像，（d）、（e）和（f）为相应分割后的二值图像。 （a） （b） （c） （d） （e） （f） 7.5 区域分割法 区域分割法就是利用同一区域内灰度值的相似性，将相似的区域合并，把不相似区域分开，最终形成不同的分割区域。常用的区域分割方法有区域生长法、分裂合并法及空间聚类法等几种方法。本节将介绍区域生长法和分裂合并法。 ▓ 区域生长法 定义：区域生长是把图像分割成特征相似的若干小区域，比较相邻小区域的特征，若相似则合并为同一区域，如此进行直到不能合并为止，最后生成特征不同的各区域。这种分割方法也称为区域扩张法。 方法步骤： (1)确定要分割的区域数目，并在每个区域选择或确定一个能正确代表该区域灰度取值的像素点，称为种子点 。 (2)选择有意义特征和邻域方式 。 (3)确定相似性准则。 7.5 区域分割法 根据所用邻域方式和相似性准则的不同，区域生长法可以分为简单生长（像素＋像素）、质心生长法（区域＋像素）和混合生长法（区域＋区域）等。 1.简单生长法 按事先确定的相似性准则,生长点（种子点为第一个生长点）接收（合并）其邻域（比如4邻域）的像素点，该区域生长。接收后的像素点称为生长点，其值取种子点的值。重复该过程，直到不能生长为止，到此该区域生成。简单生长法的相似性准则为： 其中f(s,t)为生长点(s,t)的灰度值，f(m,n)为(s,t)的邻域点(m,n)的灰度值，T1为相似门限。f(s,t)始终取种子点的值，因此这种方法对种子点的依赖性强。 2.质心生长法 修改简单生长法的相似性准则，即相似性准则变为：