3.2图像分割(二)方案策划.ppt

图像分割（二） 区域分割 主要内容 边缘检测 边缘检测的概念 边缘检测的原理 边缘检测的方法 图像分割 图像分割的概念 图像分割的原理 图像分割的方法 重点与难点 重点 边缘检测和图像分割的各种方法 难点 边缘检查和图像分割的原理 一、图像分割概述 1、图像分割含义 图像分割是指通过某种方法，使得画面场景中的目标物被分为不同的类别。 图像分割实现，将图像分为“黑”、“白”两类，分别代表了两个不同的对象。 分割结果为二值图像，又称图像的二值化处理。 图像中场景通常是复杂的，要找出两个模式特征的差异，并且可以对该差异进行数学描述都是比较难的。 图像分析系统的基本构成如下图： 知识库 表示与描述 预处理 分割 低级处理 高级处理 中级处理 识别 与 解释 结果 图像获取 问题 图像的增强和恢复可以看作预处理，其输入、输出均是图像，它是传统的图像处理的内容。而图像分割、特征提取及结构分析等称为图像识别，其输入是图像，输出是描述或解释。 从简到难，逐级分割 控制背景环境，降低分割难度 注意力集中在感兴趣的对象，缩小不相干图像成分的干扰。 2、图像分割的基本思路 提取轮廓 车牌定位 车牌识别 3、图像分割的定义 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： ； 对所有的i和j，i≠j，有Ri∩Rj =φ； 对i = 1,2,…,N，有P(Ri) = TRUE； 对i≠j,有P(Ri∪Rj) = FALSE； 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。 4、图像分割的基本策略： 把像素按灰度划分到各个物体对应的 区域中去； 确定存在于区域间的边界； 先确定边缘像素点，然后将它们连接起来 构成所需的边界； 区域：像素的连通集 连通准则： 4-连通 8-连通 图像分割 将图像中有意义的特征或需要应用的特征提取出来 1）按幅度不同来分割各个区域：幅度分割 2）按边缘不同来划分各个区域：边缘检测 3）按形状不同来分割各个区域：区域分割 6、总结 图像阈值分割是一种广泛应用的分割技术，利用图像中要提取的目标 物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域 (目标和背景)的组合，选取一个合适的阈值，以确定图像中每个象素点应 该属于目标还是背景区域，从而产生相应的二值图像。 阈值分割法的特点是：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；而且总可以得到封闭且连通区域的边界。 1.1 图像二值化 设原始图像f(x,y)，以一定的准则在f(x,y)中找出一个合适的灰度值，作为阈值t，则分割后的图像g(x,y)，可由下式表示： g(x,y)= 1 f(x,y)≥t 0 f(x,y)t g(x,y)= 1 f(x,y)≤t 0 f(x,y)t 或 1、阈值分割 三、图像分割方法 另外，还可以将阈值设置为一个灰度范围[t1,t2]，凡是灰度在范围内的象素都变为1，否则皆变为0，即 g(x,y)= 1 t1≤f(x,y)≤t2 0 其它 某种特殊情况下，高于阈值t的象素保持原灰度级，其它象素都变为0，称为半阈值法，分割后的图像可表示为： g(x,y)= f(x,y) f(x,y)≥t 0 其它 阈值分割图像的基本原理，可用下式表示： g(x,y)= ZE f(x,y)∈Z ZB 其它 阈值 阈值的选取是阈值分割技术的关键，如果过高，则过多的目标点被误归为背景；如果阈值过低，则会出现相反的情况。阈值化分割算法主要有两个步骤： 1) 确定需要的分割阈值；2) 将分割阈值与像素值比较以划分像素。 利用阈值方法来分割灰度图像，一般都对图像有一定的假设。基于一定的图像模型。最常用的模型： 假设图像是单峰灰度分布的目标和背景组成，处于目标或背景内部相邻像素间灰度值是高度相关的，但处于目标和背景交界处两边的像素在灰度值上有很大的差别。 如果一幅图像满足这些条件，它的灰度直方图基本上可看作是由分别对应目标和背景的两个单峰直方图混合构成的。 简单直方图分割法 1.2 双峰法阈值(根据直方图来确定阈值） 60年代中期