《数字图像处理与分析基础》第八章图像分割与描述.ppt

数字图像处理与分析基础 第八章 图像分割与描述 第八章 图像分析基础Image Analysis theory 1、图像分割 2、图像描述 8.1 图像分割 Image Segmentation 1、概述和分类 2、基于灰度的分割技术 3、基于梯度的分割技术 4、彩色图像分割技术 5、分割评价 7.1.1 概述与分类General Introduction and Classification 图像分量以及相互关系 图像分析与理解、自动景物分析、模式识别 机器抽取信息 图像分割 定义：把图像中有意义的区域与背景分离开，并按其不同的内涵将它们分割开。 “区域”是图像中相邻的具有类似性质的点组成的集合。同一区域（region）中的像素是相邻的，就是说区域是像素的连通集。 “连通”（connectedness）：在连通集的任意两个像素间，存在一个完全由这个集合中的元素构成的路径。同一区域中的任意两个像素间至少存在一条连通路径。 分割方法分类 从分割依据出发 “相似性分割”就是将具有同一灰度级或纹理的像素聚集在一起，形成图像中的不同区域。这种基于相似性原理的方法常称为“基于区域相关的分割技术” “非连续性分割”需要先检测图像的局部不连续性，然后将它们连接起来形成边界，这些边界将图像分割成不同的区域。这种基于不连续原理检测图像中物体边缘的方法也称为“基于点相关的分割技术”。 这两种方法具有互补性，一般来说在不同的场合需要不同的方法，有时也将它们的处理结果相结合，以获得更好的效果。 根据分割算法本身 阈值法、边缘检测法、匹配法等 8.1.2基于灰度的分割（区域相关技术） 两大类 基于阈值分割的技术 基于灰度均匀性的区域分裂——合并算法。 阈值分割算法实施时各像素间无相关性，原图像可以分成几部分同时进行分割，又称为并行区域技术（Region-Based Parallel Techniques）。 区域分裂——合并算法实施时，要利用像素间的相关性，是一种串行区域技术。 并行区域技术 1、原理和分类 2、依赖像素的阈值选取 3、依赖区域的阈值选取 图像阈值分割（Image Segmentation ：Thresholding） 最常用的图像分割技术 主要利用图像中背景与对象之间的灰度差异。 理想状态下图像的灰度直方图上呈明显的双峰分布，两类物体灰度级间无交叠。在直方图中处于谷底的区域选取一个灰度值作为阈值，根据灰度与阈值的关系将像素判定为对象点或背景点，这个过程称为图像二值化。对二值图像进行进一步的分析就可以获得图像的分割结果。 二值化 多阈值二值化 1、极小值点阈值 T=120 2、最优阈值算法 最优条件 已知概率模型下的简化 依赖区域的阈值选取 自适应技术 阈值分割技术的特点 边界提取 2、链码方法 四方位码 八方位码 边界跟踪 利用形态学算子提取区域的边界 2、串行区域技术 Region-Based Sequential Techniques 1、区域生长 2、分裂合并 3、空间聚类法等。 1、区域生长法（Region Growing） 区域生长算法 讨论 图8-6 增长核心不同、阈值不同，区域增长的结果就不同 2 分裂、混合算法 区域的分裂——合并算法 1）确定区域同质准则H； 2）将原始图像按照四份一级等分，至一个合理的中间层次n（不必要将图像分成N级）； 3）做所有区域R的均匀性检验，如果H(R)=false，则将该区域分裂成四个大小相等的子区域，若任一子区域Ri满足H(Ri)=false，则继续分裂此子区域，直至这一分枝上树结构到达它的底层树叶，分裂不能继续为止；如果H(Ri)=true，则该区域不需要再分裂，进入树结构上下一个区域的分析。 4）回溯合并环节：对相邻的两个区域Ri和Rj，若满足H(Ri?Rj)=true，说明这两个区域同质，则合并这两个区域。Ri和Rj不要求大小相同，但要求它们相邻 分裂合并算法 5）回溯结束后，分析面积很小的零星区域与相邻大区域的相似程度，将它们归于相似性大的区域。 6）在5）完成后可以得到近似的边界，由于是在各种方块组合的基础上得到的，是一条锯齿形的线，还需要经过曲线拟合得到光滑的分界线 8.1.2基于梯度的分割（点相关技术） 主要内容 1、边缘检测 微分算子 典型算子 提取边缘策略 MARR算子 M-H算子具有明显的优点 如何评价边缘算子的性能呢 Canny算子设计过程 图8-12 Canny算子与Marr算子比较 边界闭合——局部处理 边缘连接——Hough变换 图8-13 直线的Hough变换 算法 1）将（?,?）空间量化，得到二维矩阵M(?,?)，M(?,?)是一个累加器，初始值为0，M(?,?)=0。 2）对边界上的每一个点（xi,yi），将?