图像分割 PPT课件.ppt

5 5 5 -3 0 -3 -3 -3 -3 -3 5 5 -3 0 5 -3 -3 -3 -3 -3 5 -3 0 5 -3 -3 5 -3 -3 -3 -3 0 5 -3 5 5 -3 -3 -3 -3 0 -3 5 5 5 -3 -3 -3 5 0 -3 5 5 -3 5 -3 -3 5 0 -3 5 -3 -3 5 5 -3 5 0 -3 -3 -3 -3 k0 k1 k2 k3 k4 k5 k6 k7 6.2.1 方向算子 6.3.1 区域生长 6.3.2 分裂合并 6.3.3 水域分割 6.3 区域分割 6.3 区域分割 区域分割 对于特征不连续的边缘检测，把图像分割成特征相同的互相不重叠连续区域的处理 区域生长法 a）利用灰度差作为区域合并的判定标准 b）根据小区域内的灰度分布的相似性（灰度直方图）进行 区域合并的方法 c）分裂合并法 6.3.1 区域生长 思想：将具有相似性质的像素集合起来构成区域 1) 找一个种子像素作为生长的起点 2) 将种子像素周围邻域中与种子像素有相同或相似性质的像素（根据某种事先确定的生长或相似准则来判定）合并到种子像素所在的区域中 3)将这些新像素当作新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来 生长准则 1．基于区域灰度差 ① 对像素进行扫描，找出尚没有归属的像素； ② 以该像素为中心检查它的邻域像素，即将邻域中的像素逐个与它比较，如果灰度差小于预先确定的阈值，将它们合并； ③ 以新合并的像素为中心，返回到步骤②，检查新像素的邻域，直到区域不能进一步扩张； ④ 返回到步骤①，继续扫描直到所有像素都有归属，则结束整个生长过程。 6.3.1 区域生长 2．基于区域内灰度分布统计性质 ① 把像素分成互不重叠的小区域； ② 比较邻接区域的累积灰度直方图，根据灰度分布的相似性进行区域合并； ③ 设定终止准则，通过反复进行步骤②中的操作将各个区域依次合并直到满足终止准则 6.3.1 区域生长 * 第6章 图像分割 6.1 灰度阈值法 6.2 边缘检测 6.3 区域分割 6.4 Hough变换 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 例 1）按灰度值不同来分割各个区域：阈值分割 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 第6章 图像分割 图像输入 光电变换 数字化 图像增强 图像恢复 图像编码 预处理 特征提取 图像识别 图像分析理解 描述 解释 图像处理过程 第6章 图像分割 阈值分割 边缘检测 区域分割 图像分割 6.1 灰度阈值法 6.1.1 阈值分割的原理 6.1.2 阈值的提取 6.1 灰度阈值法 6.1.1 阈值分割的原理 设输入图像为 ，输出图像为 ，阈值为T,则 或 1）直方图法 6.1.2 阈值的选取 非理想情况，各段的分界不明显，有3种误差： a）增加了新的区域， b）失去了原有的区域， c）区域分割边界定位不正确 动态门限：把图像分成子图像，子图像做直方 图，再定不同的门限 6.1.2 阈值的选取 2) 统计门限法： 设图像中目标及背景的灰度为正态分布， 其灰度分布概率密度函数分别 p(z), q(z) T 6.1.2 阈值的选取 设目标占整体图像的比例为t，整体图像的灰度概率密度 那么错误区分的概率由下式给出 1. 背景误认为目标 2. 目标误认为背景 6.1.2 阈值的选取 T 设目标占整体图像的比例为t 错误区分的概率由下式给出 求上式为最小值时的T ，便是阈值。也就是对上式求微分并使 之为零 6.1.2 阈值的选取 6.2.1 梯度算子 6.2.2 拉普拉斯算子 6.2.3 Canny算子 6.2 边缘检测 6.2 边缘检测 边缘检测 其导数在边缘方向取得极值 边缘检测的特点： 阶跃状 屋顶状 6.2 边缘检测 6.2.1 梯度算子 对应一阶导数，连续图像的导数在边缘方向上取得极值 6.2.1 梯度算子 常用的几种算子 1 -1 1 -1 -1 1 -1 1 -1 1 1 1 1 -1 -1 -1 a) robert b) prewitt 6.2.1 梯度算子 c) sobel d) Zsotropic -1 1 -2 2 -1 1 1 2 1 -1 -2 -1 -1 1 - -1 -1 -1 - -1 1 1 6.2.1 梯度算子 注意 边缘检测对噪声敏感，