《数字图象处理十 图像分割幻灯片.ppt》由会员分享，可在线阅读，更多相关《数字图象处理十 图像分割幻灯片.ppt（64页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、数字图象处理十 图像分割第1页，共64页，编辑于2022年，星期六一、概述一、概述:什么是图像分割？什么是图像分割？按照一定的规则将一幅图像分成若干子区域或对象的按照一定的规则将一幅图像分成若干子区域或对象的过程过程。人对图像的分割例子：人对图像的分割例子：树木、天空、人树木、天空、人。第2页，共64页，编辑于2022年，星期六图像分割所方法可以分成两大类图像分割所方法可以分成两大类:1.非连续性分割：基于图像亮度的不连续变化特性分割图像非连续性分割：基于图像亮度的不连续变化特性分割图像 2.相似性分割：依据确定的准则将图像分割成相似区域相似性分割：依据确定的准则将图像分割成相似区域 图像分割
2、方法的图像分割方法的分类分类10.1 间断检测间断检测 采用采用模板运算模板运算的方法来的方法来寻找寻找图像中的图像中的间断因素间断因素。图像的间断特性：图像的间断特性：点、线、边缘点、线、边缘第3页，共64页，编辑于2022年，星期六10.1.110.1.1 点检测点检测设置非负门限T，使第4页，共64页，编辑于2022年，星期六第5页，共64页，编辑于2022年，星期六10.1.2 线检测线检测 检测检测不同方向不同方向线条线条的模板的模板第6页，共64页，编辑于2022年，星期六线检测实例线检测实例 目的：目的：检测电路板检测电路板中中4545方向方向，一个像素宽度一个像素宽度的线条的线
3、条第7页，共64页，编辑于2022年，星期六第8页，共64页，编辑于2022年，星期六10.1.3 边缘检测边缘检测 边缘对人的视觉系统是非常重要的。边缘对人的视觉系统是非常重要的。边缘位于不同区域的交界处，是一组相连像素的集合。边缘位于不同区域的交界处，是一组相连像素的集合。第9页，共64页，编辑于2022年，星期六图像处理中的边缘模型图像处理中的边缘模型第10页，共64页，编辑于2022年，星期六图像边缘处的微分特性图像边缘处的微分特性 通过图像一阶和二阶导通过图像一阶和二阶导数来提取边缘。数来提取边缘。第11页，共64页，编辑于2022年，星期六图像求导的噪声问题图像求导的噪声问题边缘图
4、像边缘图像和截面图和截面图一阶导数图像一阶导数图像和和截面截面二阶导数图像二阶导数图像和截和截面面均值为0，标准差为0.1均值为0，标准差为1均值为0，标准差10分别加入高斯噪音：第12页，共64页，编辑于2022年，星期六 对图像求一阶导数，我们常用对图像求一阶导数，我们常用梯度算子梯度算子对图像求二阶导数，我们常用对图像求二阶导数，我们常用laplacian算子算子 用这两个算子来提取边缘，用这两个算子来提取边缘，这两个算子都是通过模板来实现的这两个算子都是通过模板来实现的。第13页，共64页，编辑于2022年，星期六梯度算子模板梯度算子模板（一阶导数）（一阶导数）RobertsRober
5、ts、PrewittPrewitt和和SobelSobel梯度算子梯度算子都是都是提取边缘常用的算子提取边缘常用的算子模板。模板。第14页，共64页，编辑于2022年，星期六检测检测4545边缘的边缘的 PrewittPrewitt和和SobelSobel算子算子第15页，共64页，编辑于2022年，星期六SobelSobel算子提取边缘实例算子提取边缘实例第16页，共64页，编辑于2022年，星期六经过经过平滑滤波后平滑滤波后再用再用SobelSobel算子提取边缘算子提取边缘第17页，共64页，编辑于2022年，星期六用检测用检测 45 45斜边缘斜边缘的的SobelSobel算子作用于图
6、像的结果算子作用于图像的结果 4545方向的斜边缘方向的斜边缘被加强了。被加强了。第18页，共64页，编辑于2022年，星期六拉普拉斯算子提取边缘拉普拉斯算子提取边缘（二阶导数）（二阶导数）拉普拉斯拉普拉斯(Laplacian)(Laplacian)算子通过下面的模板来实现。算子通过下面的模板来实现。这些前面已介绍过这些前面已介绍过第19页，共64页，编辑于2022年，星期六 高斯函数高斯函数 对对 取取LaplacianLaplacian运算：运算：称为称为高斯型的高斯型的Laplacian算子算子(LoG 算子：算子：Laplacian of Gaussion:）LoG算子算子第20页，共
7、64页，编辑于2022年，星期六 LoG函数又称为函数又称为墨西哥草帽函数墨西哥草帽函数 LoG算子的算子的函数形状和函数形状和模板模板第21页，共64页，编辑于2022年，星期六二值化零交叉点：边缘 Laplacian算子算子和和LoG算子算子实例实例第22页，共64页，编辑于2022年，星期六Sobel梯度算子提取边缘图像。梯度算子提取边缘图像。LoGLoG算子提取的边缘算子提取的边缘第23页，共64页，编辑于2022年，星期六10.2 边缘连接和边界检测边缘连接和边界检测10.2.1 局部处理局部处理 基本思想：基本思想：判判断断一一个个边边缘缘点点(x,y)和和其其在在一一定定区区域域
8、内内的的相相邻邻边边缘缘点点(x0,y0)是是否否相相似似，如果如果相似就连接起来相似就连接起来。第24页，共64页，编辑于2022年，星期六局部处理实例局部处理实例第25页，共64页，编辑于2022年，星期六10.2.2 通过通过霍夫霍夫（Hough）变换变换进行进行整体处理整体处理 霍霍夫夫（HoughHough）提提出出了了一一种种在在曲曲线线参参数数空空间间寻寻找找图图像像中中特特定定曲曲线线的的方方法法，称为，称为HoughHough变换变换。是关于是关于a,b的直线。的直线。通过边界点图像中的通过边界点图像中的点点(xi,yi)直线可以表示为：直线可以表示为：改写成：改写成：第26
9、页，共64页，编辑于2022年，星期六霍夫霍夫（Hough）变换变换的具体实现的具体实现 在在参参数数空空间间设设置置计计数数器器，参参数数空空间间中中的的直直线线通通过过该该点点一一次次，就就给给计计算器的值算器的值加加1。第27页，共64页，编辑于2022年，星期六 在在具体使用具体使用HoughHough变换时变换时，采用，采用另外一种直线方程另外一种直线方程表达式：表达式：（10.2.30)第28页，共64页，编辑于2022年，星期六霍夫霍夫（Hough）变换变换的举例说明的举例说明第29页，共64页，编辑于2022年，星期六霍夫霍夫（Hough）变换变换的应用实例的应用实例 目目的的
10、是是分分割割出跑道。出跑道。第30页，共64页，编辑于2022年，星期六第31页，共64页，编辑于2022年，星期六10.3 门限处理门限处理 10.3.1 基础基础 选选取取一一个个合合适适的的阈阈值值T以以确确定定图图像像中中每每一一个个像像素素点点应应该该属属于于目目标标，还是还是背景背景区域。即：区域。即：阈值的分类：阈值的分类：(1)(1)全局阈值；全局阈值；(2)(2)局部阈值；局部阈值；(3)(3)自适应阈值；自适应阈值；第32页，共64页，编辑于2022年，星期六10.3.2 照明不均匀的影响照明不均匀的影响 成像过程模型：成像过程模型：第33页，共64页，编辑于2022年，星
11、期六10.3.3 10.3.3 基本全局门限基本全局门限 通过实例来介绍：通过实例来介绍：第34页，共64页，编辑于2022年，星期六计算机计算机迭代迭代寻找全局门限寻找全局门限(1)选择一个选择一个T的初始值；的初始值；(2)用用T分割图像。这样做会生成分割图像。这样做会生成两组像素两组像素：G1和和G2；(3)对区域对区域G1和和G2中的所有像素计算中的所有像素计算平均灰度值平均灰度值1和和2；(4)计算新的门限值：计算新的门限值：(5)重复步骤重复步骤(2)到到(4)，直到逐次迭代所得的，直到逐次迭代所得的两次两次T值之差值之差小小于预先定义的于预先定义的参数参数。第35页，共64页，编
12、辑于2022年，星期六迭代寻找全局门限的迭代寻找全局门限的实例实例:第36页，共64页，编辑于2022年，星期六10.3.4 10.3.4 基本自适应门限基本自适应门限 第37页，共64页，编辑于2022年，星期六前页图像的直方图前页图像的直方图T第38页，共64页，编辑于2022年，星期六agcfebd 子图像分割不成功的子图像分割不成功的原因原因：第39页，共64页，编辑于2022年，星期六背景背景目标目标目的：目的：选择一个选择一个最佳的阈值最佳的阈值T T,使分割出错的概率最小。使分割出错的概率最小。10.3.5 最佳最佳全局和自适应门限全局和自适应门限定义定义：整幅图像的混合概率密度
13、函数：整幅图像的混合概率密度函数第40页，共64页，编辑于2022年，星期六出错的整体概率为：出错的整体概率为：目标目标被错误地分割被错误地分割的概率为的概率为 背景背景被错误地分割被错误地分割的概率为：的概率为：求上式的极值，可得：求上式的极值，可得：近似认为近似认为目标和背景的目标和背景的概率密度函数概率密度函数都是一个都是一个高斯函数，高斯函数，图像图像的概率的概率密度函数密度函数为：为：第41页，共64页，编辑于2022年，星期六最佳门限应满足的方程最佳门限应满足的方程为：为：其中：其中：求解上面的方程，得到求解上面的方程，得到两个根两个根，舍弃一个舍弃一个，得到，得到最佳阈值最佳阈值
14、 T T。(10.3.15)另一种方法：求其和直方图的方差另一种方法：求其和直方图的方差，即：，即：迭代寻优迭代寻优的方法的方法使上式最小使上式最小，就可以求得就可以求得 的值。的值。第42页，共64页，编辑于2022年，星期六最佳最佳门限门限应用实例应用实例AB第43页，共64页，编辑于2022年，星期六上图中上图中A区域区域的直方图的直方图上图中上图中B区域区域的直方图的直方图第44页，共64页，编辑于2022年，星期六 分割结果分割结果 原图原图第45页，共64页，编辑于2022年，星期六Otsu方法方法基于直方图，寻找合适的阈值k，使得其对图像的分割使得类间方差 ，取最大值：第46页，
15、共64页，编辑于2022年，星期六10.3.6 利用边界特性改进直方图和局部门限处理利用边界特性改进直方图和局部门限处理 计算每一个图像点的计算每一个图像点的梯度梯度 和和拉普拉斯算子拉普拉斯算子 并通过下面并通过下面的判断式的判断式生成一幅图像：生成一幅图像：第47页，共64页，编辑于2022年，星期六 方法：沿一行进行扫描，必然会出现这种情况方法：沿一行进行扫描，必然会出现这种情况 （.）(-+)(0(-+)(0 或或 )（，）（，）（.）扫描碰到边缘，扫描碰到边缘，扫描碰到边缘，扫描碰到边缘，第48页，共64页，编辑于2022年，星期六实例实例第49页，共64页，编辑于2022年，星期六
16、梯度判断的阈值梯度判断的阈值T T第50页，共64页，编辑于2022年，星期六10.4 10.4 基于区域的分割基于区域的分割10.4.1 基本公式将图像 R 分割成 n 个子区域R i（I=1,2,n）(a)(b)(c)(d)(e)第51页，共64页，编辑于2022年，星期六10.4 基于区域的分割基于区域的分割10.4.2 10.4.2 区域生长区域生长 基本步骤：基本步骤：(1)选择区域的选择区域的种子种子像素；像素；(2)按照一定的按照一定的相似性准则相似性准则将相邻像素将相邻像素包括包括进来进来；(3)按照一定的规则按照一定的规则停止停止生长。生长。第52页，共64页，编辑于2022
17、年，星期六 例：找出图像中的亮目标相相似似准准则则：每每一一步步所所接接收收的的邻邻近近点点的的灰灰度度级级与与先先前前目目标标的的平平均均灰灰度度级级相差相差2 2。选种子点选种子点m=9m=9平均值平均值m第53页，共64页，编辑于2022年，星期六生长生长停止停止m=(3*8+9)/4m=(3*8+9)/4=8.258.25m=(3*8+7+9)/5m=(3*8+7+9)/5 =8 8第54页，共64页，编辑于2022年，星期六区域生长区域生长实例实例第55页，共64页，编辑于2022年，星期六上幅图像的直方图：上幅图像的直方图：第56页，共64页，编辑于2022年，星期六 区域分离与合
18、并算法：区域分离与合并算法：(1)定义相似性准则，谓词定义相似性准则，谓词P，对区域进行四拆分，对区域进行四拆分 (2)在拆分的同时，按照相似性原则将拆分得到的小区域在拆分的同时，按照相似性原则将拆分得到的小区域合并合并成一个大区域，即将满足成一个大区域，即将满足P(RiURj)=TRUE的两个区域合并在一起。的两个区域合并在一起。(3)反复进行这样的拆分和合并反复进行这样的拆分和合并。10.4.2 区域分离与合并区域分离与合并第57页，共64页，编辑于2022年，星期六例例：相似性准则相似性准则：子区域子区域R Ri i中中所有像素所有像素同为同为物体或背景物体或背景。第58页，共64页，编
19、辑于2022年，星期六区域分离与合并区域分离与合并实例实例第59页，共64页，编辑于2022年，星期六10.5 用形态学分水岭的分割算法基本算法思想：类似于地形学，将图像按灰度值的大小看作立体地貌，在每一个区域的最小值上打一个洞，让水以均匀速度上升，从低到高逐渐淹没整个地形，在不同区域的水要汇集时，修建一个水坝阻止其聚合。水面到达最高点时，水坝所形成的分水线，就构成对图像内容的分水岭分割。第60页，共64页，编辑于2022年，星期六分水岭算法原理说明第61页，共64页，编辑于2022年，星期六分水岭算法实现说明（1）利用膨胀结构元进行水坝构建利用梯度图像进行分水岭分割第62页，共64页，编辑于2022年，星期六分水岭算法实现说明（2）过度分割过度分割加入内、外标加入内、外标记点后对图像记点后对图像的分割的分割第63页，共64页，编辑于2022年，星期六 本章主要介绍了图像分割技术，了解图像分割的目的，意本章主要介绍了图像分割技术，了解图像分割的目的，意义，以及挑战性，包括了三类图像分割技术：义，以及挑战性，包括了三类图像分割技术：基于非连续性（边缘）、基于非连续性（边缘）、基于灰度门限、基于灰度门限、基于区域。基于区域。其中，边缘提取是图像处理中比较重要的技术。其中，边缘提取是图像处理中比较重要的技术。本章小结本章小结第64页，共64页，编辑于2022年，星期六