数字图像处理 第五章 图像分割.pptx

数字图像处理DigitalImageProcessing

第五章图像分割引言边界分割法区域分割法2134阈值分割法5基于聚类的图像分割法2

第五章图像分割引言边界分割法区域分割法2134阈值分割法5基于聚类的图像分割法3

5.1引言计算机图像处理的两个目的：产生更适合人观察和识别的图像使计算机自动识别和理解图像4

5.1.1图像分割的目的将图像表示为物理上有意义的连通区域的集合。根据目标与背景的先验知识，对图像中的目标、背景进行标记、定位，然后将目标从背景或其他伪目标中分离出来。5.1引言5

5.1引言令集合R代表整个图像区域，对R的分割可看作将R分成N个满足以下条件的非空子集（子区域）:满足??5.1.2图像分割的数学描述6

5.1引言5.1.3图像分割的途径边界分割法阈值分割法区域分割法基于聚类分割法7

第五章图像分割引言边界分割法区域分割法2134阈值分割法5基于聚类的图像分割法8

第五章图像分割引言边界分割法区域分割法2134阈值分割法5基于聚类的图像分割法9

边界分割也称作基于梯度的图像分割方法。基本思想：先检测图像中的边缘点，再按照一定的策略连接成轮廓，从而构成分割区域。边缘检测点的检测线的检测边的检测边缘连接5.2边界分割方法5.2.1概述10

115.2.2点的检测用空域的高通滤波器来检测孤立点例：R=(-1*8*8+128*8)/9=(120*8)/9=960/9=106设阈值：T=64 |R|T便检测到一个孤立点88881288888-1-1-1-18-1-1-1-1图像模板5.2边界分割方法保证模板系数和为0

可见光红外线无线电波5.2边界分割法汽轮机叶片对应的X光图像点检测的结果改变阈值的结果12

可见光X光无线电波通过比较典型模板的计算值，确定一个点是否在某个方向的线上。依次计算4个方向的典型检测模板，得到Ri，i=1,2,3,4也可以设计任意方向的检测模板，保证模板系数和为0；使得感兴趣的方向的系数大。-1-1-1222-1-1-1-1-12-12-12-1-1-12-1-12-1-12-12-1-1-12-1-1-12水平模板R145度模板R2垂直模板R3135度模板R45.2边界分割法5.2.3线的检测13

5.2边界分割法111555111111555111111555111R1=-6+30=24R2=-14+14=0R3=-14+14=0R4=-14+14=0-1-1-1222-1-1-1-1-12-12-12-1-1-12-1-12-1-12-12-1-1-12-1-1-12R1R2R3R414

声波图像：声波、超声波地质、医疗15边缘是位于两个区域的边界线上的连续像素集合。灰度或结构等信息的突变处称为边缘。适用于：假定问题中的区域是非常类似的，两个区域之间的过渡，仅仅根据灰度的不连续性便可确定。不适用于：当假定不成立时，阈值分割技术一般来说比边缘检测更加实用。5.2边界分割法5.2.4边缘的检测

5.2边界分割法理想的边缘实际的边缘斜坡的产生是有光学系统、取样和图像采集系统的不完善带来的边缘模糊造成的。16

175.2边界分割法一阶导数可用于检测图像中的一个点是否在边缘上二阶导数可以判断一个边缘像素是在边缘亮的一边，还是暗的一边。一条连接二阶导数正值和负值的虚构直线将在边缘中点附近穿过零点。

185.2边界分割法常用的一阶微分边缘检测器：给定图像中的一个3*3区域，一阶导数边缘检测滤波器。评述：Prewitt模板比Sobel模板简单Sobel模板能够有效抑制噪声。

195.2边界分割法原始图像垂直梯度部分水平梯度部分组合得到边缘图像

205.2边界分割法二阶微分：通过拉普拉斯来计算特点：二阶微分在亮的一边是正的，在暗的一边是负的。常数部分为零。用途：二次导数的符号，用于确定边上的像素是在亮的一边，还是暗的一边。0跨越，确定边的准确位置。

边缘检测中经常碰到的问题是：图像中存在太多的细节。解决的一个方法是在边缘检测之前对图像进行平滑。5.2边界分割法21

LOG（Laplacian-Gauss）算子Marr和Hildreth将Gaussian滤波器和Laplacian边缘检测结合在一起，形成了LoG(LaplacianofGaussian)算法。先用高斯函数对图像进行平滑，然后再用拉普拉斯算子进行运算，形成Laplacian-Gauss算法，它使用一个墨西哥草帽函数形式。5.2边界分割法22

5.2边界分割法LOG（Lapla