数字视频图像处理与通信-图像分割讲义.ppt

区域均匀 因为区域是均匀的，可以假设各像素灰度为均值μ与一个零均值高斯噪声的叠加。当利用式（5-33）对像素进行比较时，条件不成立的概率为 （5-34） 式（5-34）称为误差函数。当阈值τ取3倍方差时，误判概率为0.3%，因此考虑灰度均值时，区域内的灰度变化应尽量地小。 区域非均匀 设非均匀区域由两部分像素组成，灰度为 m1的出现概率为p1，灰度为 m2的出现概率为 p2 ，则平均灰度为： （5-35） 因此，使观察值与 相差 或 ，就可能出现这个值与 的差大于阈值τ的情况。利用式（5-33）对像素进行比较时，可知每种情况发生的概率为 （5-36） 这表明，考虑灰度均值时，不同部分像素间的灰度差距应尽量地小。 2.基于子图合并的区域生长 基于子图合并的区域生长技术不再以单像素为基础生长点，而是考虑围绕此像素的的邻域，分割后的邻域是互不重叠的，在此邻域上定义像素的特性矢量。 计算相邻区域的灰度分布，对灰度分布相似的区域进行合并。 2.基于子图合并的区域生长 对灰度分布的相似性常有两种方法检测： 1) 凯门高罗夫—史密诺夫（Kolmogorov—Smirnov）检测 2) 平滑差（Smoothed—Difference）检测 5.2.2 区域分裂—合并技术 用树结构表示图像，树根代表整幅图像，每个节点代表划分的子图像区域 5.3 基于边缘提取的图像分割 5.3.1 边缘检测 5.3.2 用于边缘检测的算子 5.3.3 边缘连接 5.3.4 哈夫变换 5.3 基于边缘提取的图像分割 边缘的描述性定义：边缘是指两个具有不同灰度的均匀图像区域的边界，即边界反映局部的灰度变化。 边缘的描述包含以下几个方面： 1）边缘法线方向 2）边缘方向 3）边缘强度 5.3.1 边缘检测 边缘检测的分类： 1）基于局部图像函数的方法 2）基于多尺度的边缘检测方法 3）基于图像滤波法 4）基于边界拟合方法 5）状态空间有哪些信誉好的足球投注网站法 6）动态规划法 7）边界跟踪法 8）Hough变换法 5.3.2 边缘检测算子 1. Roberts边缘检测算子：利用对角差分求梯度 （1）求对角差分 对应的卷积算子： （2）求梯度 或 1.Roberts边缘检测算子 Roberts算子采用对角线方向相邻两像素之差近似梯度幅值检测边缘。检测水平和垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感。 2.Sobel边缘检测算子 2.Sobel边缘检测算子 （1）卷积：对应点相乘后相加 例如，对于一个3×3的区域P与卷积核K卷积后，区域P的中心像素p5表示如下： p5=p1*k1+ p2*k2+ …p8*k8+ p9*k9 2.Sobel边缘检测算子 （2）Sobel边缘检测算子 Sobel边缘检测算子是先做加权平均，再微分，然后求梯度。 水平边缘算子 垂直边缘算子 2.Sobel边缘检测算子 f(i-1, j-1) f(i, j-1) f(i+1, j-1) f(i-1, j) f(i, j) f(i+1, j) f(i-1, j+1) f(i, j+1) f(i+1, j+1) 2.Sobel边缘检测算子 特殊方向算子 检测45°方向算子 检测135°方向算子 2.Sobel边缘检测算子 Sobel算子对噪声具有平滑作用，提供较为精确的边缘方向信息，但它同时也会检测出许多的伪边缘，边缘定位精度不够高。当对精度要求不是很高时，Sobel 算子是一种较为常用的边缘检测方法。 3.Prewitt边缘检测算子 Prewitt 算子是一种边缘样板算子。 这些算子样板由理想的边缘子图像构成。 依次用边缘样板去检测图像，与被检测区域最为相似的样板给出最大值。用这个最大值作为算子的输出值P(i, j)，这样可将边缘像素检测出来。 3.Prewitt边缘检测算子 模板： (a)