07-图像分割教材课程.ppt

光电图像处理 （七）图像分割;7.1 图像分割 7.2 边缘检测 7.3 轮廓跟踪与提取  7.4 图像匹配 ;;7.1 图像分割 7.2 边缘检测 7.3 轮廓跟踪与提取  7.4 图像匹配 ;图像分析系统的构成;7.1 图像分割;7.1.1 图像分割基本概念;图像分割的概念 把图像分解成构成它的部件和对象的过程。 有选择性地定位感兴趣对象在图像中的位置和范围。;4连通和8连通 ;图像分割的基本思路 1. 从简到难，逐级分割； 2. 控制背景环境，降低分割难度； 3. 把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上。 ;图像分割的基本策略; 根据图像像素灰度值的相似性 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;区域法：将各像素划归到相应物体或区域的像素聚类方法。 边界方法：是通过直接确定区域间的边界来实现分割的。 边缘检测：首先检测边缘像素，再将边缘像素连接起来构成边界形成分割。; 常用的图像分割方法是把图像灰度分成不同的等级， 然后用设置灰度门限（阈值）的方法确定有意义的区域或分割物体的边界。常用的阈值化处理就是图像的二值化处理， 即选择一阈值，将图像转换为黑白二值图像， 用于图像分割及边缘跟踪等预处理。 图像阈值化处理的变换函数表达式为 ：;阈值分割法的基本思想：;阈值变换曲线 ;阈值分割法的特点： 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。; 不同阈值对阈值化结果的影响 (a) 原始图像； (b) 阈值T=91； (c) 阈值T=130； (d) 阈值T=43;上图（a）图像的直方图 ; 分析该直方图可知， 该直方图具有双峰特性，图像中的目标（细胞）分布在较暗的灰度级上形成一个波峰，图像中的背景分布在较亮的灰度级上形成另一个波峰。 此时，用其双峰之间的谷低处灰度值作为阈值T进行图像的阈值化处理，便可将目标和背景分割开来。 ; 1. 通过直方图得到阈值 2. 通过边界特性选择阈值 3. 基于多个变量的阈值;1. 通过直方图得到阈值;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； 改进：取两个峰值之间某个固定位置，如中间位置上。由于峰值代表的是区域内外的典型值，一般情况下，比选谷底更可靠，可排除噪音的干扰。 对直方图进行平滑处理，改善噪声。 ;2. 通过边界特性选择阈值; 在前景和背景所占区域面积差别很大时，不会造一个灰度级的波峰过高，而另一个过低。 边缘上的点在区域内和区域外的概率是相等的，因此可以增加波峰的对称性。 基于梯度和拉普拉斯算子选择的像素，可以增加波峰的高度。;1）对图像进行梯度计算，得到梯度图像。 2）得到梯度值最大的那一部分（比如10%）的像素直方图。 3）通过直方图的谷底，得到阈值T。;基本思想：把前面的方法扩展到多维空间，则寻找波谷的过程，变为寻找点簇的过程。 算法实现：各维分量波谷之间进行逻辑与运算，从波谷重合的点，得到实际的阈值T。 应用场合：有多个分量的颜色模型，如RGB模型、CMYK模型、HSI模型。;7.1.3 面向区域的分割;1. 面向区域的分割基本概念;2. 像素集合的区域增长;条件：邻近点的灰度级与当前点的灰度级的差小于2。; 上图给出一个简单的例子。此例的相似性准则是邻近点的灰度级与物体的平均灰度级的差小于2。图中被接受的点和起始点均用下划线标出，其中（a）图是输入图像;（b）图是第一步接受的邻近点;（c）图是第二步接受的邻近点;（d）图是从6开始生成的结果。 ;3. 区域分裂与合并;7.1 图像分割 7.2 边缘检测 7.3 轮廓跟踪与提取  7.4 图像匹配 ;7.2 边 缘 检 测 ;A; （1）空间曲面上的不连续点。如标为A的边缘线，这些边缘线为两个不同曲面的或平面的交线，该点处物体表面的法线方向不连续，在A类边缘线的两边，图像的灰度值有明显的不同。 （2）B类边缘线。B类边缘线是由不同材料或相同材料不同颜色产生的。图中桌面由两种不同材料组成，由于它们对光的反射系数不同， 使B边缘线的两侧灰度有明显不同。 ; （3）C类边缘线。C类边缘线是物体与背景的分界线。图中圆柱上有两条C类边缘线，这类边缘线一般称为外轮廓线。在C类边缘点上，三维物体表面的法线方向是连续的，出现边缘点是由于从一定视角看物体时，C类边界点是物体与背景的交界处。由于物体与背景在光照条件与材料反射系数等方面差异很大， 因此在C类边缘两侧，图像的灰度也有很大差异。