《数字图像处理》PPT课件.ppt

数字图像处理(Digital Image Processing） 数字图像处理与模式识别研究所 山东科技大学信息与电气工程学院 第七章 图像分割 7.1 图像分割概述 7.2 阈值分割 7.3 边缘检测 7.4 区域分割 7.5 Hough变换检测法 7.1 图像分割概述 1.图像分割的目标 把图像分成互不重叠的区域并提取感兴趣的目标。如下图： 举例1：检测不连续性 3.图像分割的基本策略 分割算法基于灰度值的两个基本特性：不连续性和相似性。首先检测 图像像素灰度级的不连续性，找到点、线(宽度为1)、边(不定宽度)。先找 边，后确定区域。或者，检测图像区域像素的灰度值的相似性，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。 4.图像分割的方法 1) 基于边缘的分割方法:先提取区域边界，再确定边界限定的区域。 2) 区域分割:确定每个像素的归属区域，从而形成一个区域图。 3) 区域生长:将属性接近的连通像素聚集成区域。 4) 分裂－合并分割:综合利用前两种方法，既存在图像的划分，又有图像的合并。 7.2.2 通过边界特性选择阈值 基本思想：改善直方图的波峰形状，我们只把区域边缘的像素绘入直方 图，而不考虑区域中间的像素。用微分算子，处理图像，使图像只剩下边界 中心两边的值。这样直方图的各个波峰很高、很窄、对称，且被很深的波谷 分开时，有利于选择阈值。 优点：1) 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；2)边缘上的点在区域内还是区域外的概率是相等 的，因此可以增加波峰的对称性；3)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。 算法的实现： 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。 另外，也可以用拉普拉斯算子不通过直方图，直接得到阈值，方法是使 用拉普拉斯算子过滤图像，将0跨越点对应的灰度值为阈值T。 若选为Zt分割门限，则将背景象素错认为是目标象素的概率是： 将目标物象素错认为是背景象素的概率是： 因此，总的错误概率E(Zt)为 E(Zt)= (1－?)E2(Zt)+?E1(Zt) 最佳门限就是使E(Zt)为最小值时的Zt，将E(Zt)对Zt求导，并令其等于零，得: (1－?)P2(Zt)＝?P1(Zt) 例如：P2(Zt)和P1(Zt)均为正态分布函数，其灰度均值分别为μ1和μ2。对灰度均值的标准偏差分别为б1和б2，即: 代入(1－?)P2(Zt)＝?P1(Zt)，两边取对数： 由于上式是Zt的二次方程，有两个解，要使分割误差最小，需要设置两个门限，也就是方程的两个根，如果设 ，则方程存在唯一解，即： 再假设(1－?)＝?, ?=1/2时，Zt＝(μ1+μ2)/2 7.2.4 自适应阈值 阈值二值化举例： 7.3 边缘检测 7.3.1 边缘检测概念 7.3.2 基于一阶导数法的边缘检测 7.3.3 基于二阶导数法的边缘检测 7.3.4 基于曲面拟合的边缘检测方法 7.3.5 边缘连接 7.3.1 边缘检测概念 1.边缘的定义： 图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合。 2.边缘的分类 阶跃状 屋顶状 1）梯度算子 函数f(x,y)在(x,y)处的梯度为一个向量：?f = [?f / ?x , ?f / ?y] 计算这个向量的大小为： G = [(?f / ?x)2 +(?f / ?y)2]1/2 近似为: G ? |?fx| + |?fy| 或 G ? max(|?fx|, |?fy|) 梯度的方向角为： φ(x,y) = tan-1(?fy / ?fx) 可用下图所示的模板表示： 2）Roberts算子 公式： 模板： 特点：与梯度算子检测边缘的方法类似，对噪声敏感，但效果较梯度算子略好。 3)Prewitt算子 公式 模板： 特点：在检测边缘的同时，能抑止噪声的影响. 4）Sobel算子 公式 模板 特点：对4邻域采用带权方法计算差分；能进一步抑止噪声；但检测的边缘较宽。 5）Kirsch算子（方向算子） 模板 7）拉普拉斯算子 定义： 二维