5图像分割方法技巧.ppt

数字图像处理;计算机图像处理的两个目的：产生更适合人观察和识别的图像；有助计算机自动识别和理解图像。 图像处理的研究和应用中，人们往往仅仅对图像中某些部分感兴趣（目标和对象） 目标和对象是图像中特定的，具有独特性质的区域。 图像处理-图像之间进行变换以改善图像视觉效果。 图像分析-对图像中感兴趣的目标进行检测和识别。 图像理解-在分析的基础上进一步研究图像中各目标的性质和他们之间的关系，并给出原始客观场景的解释。;图像分析过程： 1、把图像分割成不同区域或把不同对象分开； 2、找出分开各个区域的特征； 3、识别图像中要找的对象或对图像分类； 4、对图像不同区域进行描述或找出不同区域的联系，进而找出相似的结构或将区域连成一个有意义的的结构。 区域-相互连通的有一致属性的像素集合 图像分割-把把图像分解成构成它的部件和对象的过程 它的主要目的是将一幅图像划分为一个个区域, 每一个区域与一个实际目标相对应 这是一个将一个集合划分成一些子集的基本操作. 每一个子集可能对应着一个目标或一种现象. 对一幅图像而言, 区域可视为连通的和灰度一致的片区;图象的分割;;图像分割的基本策略，基于灰度值的两个基本特性： 不连续性——区域之间 相似性——区域内部 根据图像像素灰度值的不连续性 先找到点、线（宽度为1）、边（不定宽度） 再确定区域;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;分割方法; 阈值分割原理; 该图像直方图表示两类亮的物体放在一个深色的背景下。容易看出，可以设置多个阈值将它们分开.;阈值处理可以看成是一种设计测试下列形式函数T的一种操作：; 当T仅取决于f(x,y)时，即仅取决于灰度值时，门限称为全局的。如果T取决于f(x,y)和p(x,y)，则称门限是局部的。如果T还取决于空间坐标x,y，则称门限是动态或自适应的。; 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。 这种方法总可以得到封闭且连通区域的边界。;图5-3 不同阈值对阈值化结果的影响 (a) 原始图像； (b) ???值T=91； (c) 阈值T=130； (d) 阈值T=43;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。 在图像的阈值化处理过程中， 选用不同的阈值其处理结果差异很大。如图5-3所示, 阈值过大， 会提取多余的部分； 而阈值过小，又会丢失所需的部分（注意： 当前背景为黑色， 对象为白色时刚好相反）。因此，阈值的选取非常重要。 ;;迭代阈值法：;最优阈值法; 假设P1和P2是两类区域像素出现的概率，则有P1+P2=1,且图像中的混合概率密度函数为：;背景;总的出错概率就是：;;;;;Otsu法;;;;基于区域的分割;区域生长;图5-5 区域生长示例 ; 下图给出一个简单的例子。此例的相似性准则是区内任 一点与其邻近点的灰度级的差小于等于3。从最亮点8作为种 子开始生成，右图为结果。;基本思想：将具有相似性质的像素集合起来构成区域； 步骤： 1. 先对要分割的区域找一个种子像素生长的起点； 2. 将种子像素的邻域中具有相同和相似性质的像素合并到种子的区域中，赋予一个标志 L； 3. 将新像素当作新的种子像素继续进行上面的过程，生成一个区域； 需解决3个问题：1. 种子，选择很重要； 2. 准则，相同和相似准则； 3. 停止条件，不能无限循环.;4.3 区域增长法; 区域生长或区域生成:假定区域的数目以及在每个区域中单个点的位置已知，则从一个已知点开始， 加上与已知点相似的邻近点形成一个区域。相似性准则可以是灰度级、 彩色、 组织、 梯度或其他特性， 相似性的测度可以由所确定的阈值来判定。方法是从满足检测准则的点开始， 在各个方向上生长区域，当其邻近点满足检测准则就并入小块区域中。当新的点被合并后再用新的区域重复这一过程， 直到没有可接受的邻近点时生成过程终止。 ; 区域分裂与合并; 令R表示整幅图像区域并选择一个逻辑谓词P。对R进行分割的一种方法是反复将分割得到的结果再次分为4个区域，直到对任何区域Ri都有P(Ri)=TRUE。如果P(Ri）=FALSE,则将这个区域Ri再次分割为4个区域。这样就形成了一棵四叉树。; 如果仅适用分裂算法，则最后的分区可能会包含具有相同性质的相