第4章 图象分割课件.ppt

DigitalImageAnalysis

ImageSegmentation;第四章图象分割;图象分割就是把图象分成一些有意义的区域，可以以逐个像素为基础去研究图象分割，也可以利用在规划领域中的某些信息去分割。图象分割具有以下特点：

1）均匀性；

2）连通性；

3）边缘完整性；

4）反差性

上述特点是指导图象分割的基本出发点，其中区域内部特性的均匀性是最重要的准则之一。;一、基于聚类的分割;如何获得像素的K维特征向量;K-means聚类;需要事先设定聚类个数k，聚类C1,C2,…,Ck；

使用最小平方误差来进行判别；

可以使用一定的方法来找到最佳的聚类数;K-meansresults;Ohlander递归直方图聚类;Ohlander’salgorithm;二门限（Thresholding）;3MultipleThersholding;ThresholdingDetectionMethods;Optimalthresholding;4、全局门限分割

对于两类分割的情况，在灰度直方图满足两个众数的条件下，具有较好的效果。所谓两个众数指的是，直方图有两个峰值，一个峰与背景对应，另一个对于于前景。也就是利用一个门限值对整个图象进行分割。;;5、Algorithm:Iterativethresholdingselect

Assumingnoknowledgeofobjects;

Atstept,computing:

Set

If,halt;othersereturntostep2;;6、Ostu方法;;7、局部自适应门限分割

与全局门限分割不同的是，局部自适应门限分割有两种类型，一种是将图象划分成块，对于每一个图象块，利用全局门限分割技术，确定门限值，对该图象块进行用一个门限值进行分割。另一种方法是对于图象的每一个像素都使用一个门限值，这种方法对于处理光照不均匀的情况有较大的优点。

;8、Multi-spectralthresholding;10、Thresholdinginhierarchicaldata;三基于区域的分割;区域分割的目的并不是把整个图象的像素分类，而是只关心所感兴趣的物体在图象中所对应的区域。此时，除了一般的表面特性，如灰度、颜色、纹理之外，物体本身的空间特性也是十分有用的线索。例如区域内部的均匀性，边界符合一定的几何形状等。

区域增长是从已经确定的部分区域开始，根据区域的均匀性，上下左右去寻找和归并同一区域的其余部分。;生长和更新;Regionmerging;regionsplitting;Splittingandmerging;2分裂与合并算法;;四人脸定位;基于皮肤颜色的人脸定位;皮肤颜色模型;;;皮肤分割;;连通域的中心、面积、角度;模板匹配;谢谢聆听！