《图像的分割技术讲稿.ppt》由会员分享，可在线阅读，更多相关《图像的分割技术讲稿.ppt（48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、图像的分割技术第一页，讲稿共四十八页哦医学医学图像像处理理讲义7.1 图像分割定义和方法分类v图像分割的定义图像分割的定义 图像分割是把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。图像分割技术是图像处理技术研究的热点之一。第二页，讲稿共四十八页哦医学医学图像像处理理讲义实 例第三页，讲稿共四十八页哦医学医学图像像处理理讲义第四页，讲稿共四十八页哦医学医学图像像处理理讲义第五页，讲稿共四十八页哦医学医学图像像处理理讲义第六页，讲稿共四十八页哦医学医学图像像处理理讲义第七页，讲稿共四十八页哦医学医学图像像处理理讲义图像分割的性质图像分割的性质v（1）v（2）对所有i和j，ij，有v（3）
2、对i=1,2,n，有v（4）对ij，有v（5）对i=1,2,n，Ri是连通的区域第八页，讲稿共四十八页哦医学医学图像像处理理讲义分割方法分类分割方法分类v从分割依据出发n“相似性分割”就是将具有同一灰度级或纹理的像素聚集在一起，形成图像中的不同区域。这种基于相似性原理的方法常称为“基于区域相关的分割技术”n“非连续性分割”需要先检测图像的局部不连续性，然后将它们连接起来形成边界，这些边界将图像分割成不同的区域。这种基于不连续原理检测图像中物体边缘的方法也称为“基于点相关的分割技术”。n这两种方法具有互补性，一般来说在不同的场合需要不同的方法，有时也将它们的处理结果相结合，以获得更好的效果。v根
3、据分割算法本身n阈值法、边缘检测法、匹配法等第九页，讲稿共四十八页哦医学医学图像像处理理讲义分割算法分类分割算法分类v根据策略分类 串行算法 串行边界类、串行区域类 并行算法 并行边界类、并行区域类第十页，讲稿共四十八页哦医学医学图像像处理理讲义7.2 边缘检测边缘检测v边缘可定义为在局部区域内图像的差别，他表现为图像上的不连续性。(灰度级的突变，纹理结构的突变，颜色的变化)，可通过灰度门限法和空间特性分类得到。第十一页，讲稿共四十八页哦医学医学图像像处理理讲义7.2 边缘检测边缘检测边缘分类边缘分类相邻区域灰度值不同图像灰度剖面一阶导数第十二页，讲稿共四十八页哦医学医学图像像处理理讲义阶跃阶
4、跃第十三页，讲稿共四十八页哦医学医学图像像处理理讲义脉冲脉冲第十四页，讲稿共四十八页哦医学医学图像像处理理讲义第十五页，讲稿共四十八页哦医学医学图像像处理理讲义微分算子微分算子1.梯度算子梯度算子 Gf(x,y)=f/x,f/yT第十六页，讲稿共四十八页哦医学医学图像像处理理讲义 第十七页，讲稿共四十八页哦医学医学图像像处理理讲义典型算子典型算子1-11-1Roberts-1-1-1111-1-11-111-1-2-1121-11-22-11PrewittSobel第十八页，讲稿共四十八页哦医学医学图像像处理理讲义微分算子微分算子v2.拉普拉斯算子0-10-14-10-10-1-1-1-18-
5、1-1-1-1第十九页，讲稿共四十八页哦医学医学图像像处理理讲义提取边缘策略提取边缘策略应当先对图像去噪声，再进行边缘提取。若先对图像平滑处理，抑制噪声，再求微分，则为Marr等算子第二十页，讲稿共四十八页哦医学医学图像像处理理讲义MARR算子算子fs(x,y)=f(x,y)*G(x,y,)取高斯滤波器作平滑滤波，可以使频域具有通带窄、空域方差小的最佳特点。马尔和希尔德雷斯（Hildreth）提出的最佳边缘检测算子（简称M-H算子，常称为Marr算子）。连接零交叉点的轨迹，就可以得到图像的边缘。第二十一页，讲稿共四十八页哦医学医学图像像处理理讲义7.3 轮廓跟踪和图搜索轮廓跟踪和图搜索v轮廓跟
6、踪 又称边缘点链接方法，从一个边缘点出发，依次搜索，从邻接点检测出轮廓并连接。第二十二页，讲稿共四十八页哦医学医学图像像处理理讲义轮廓跟踪流程轮廓跟踪流程第二十三页，讲稿共四十八页哦医学医学图像像处理理讲义图搜索方法图搜索方法v借助状态空间搜索来寻求全局最优的轮廓v基本概念n有向弧n有向图n父节点、子节点n展开n层n最小代价第二十四页，讲稿共四十八页哦医学医学图像像处理理讲义图搜索法图搜索法v例6.3.2第二十五页，讲稿共四十八页哦医学医学图像像处理理讲义7.4 阈值分割阈值分割v最常用的图像分割技术v主要利用图像中背景与对象之间的灰度差异。v理想状态下图像的灰度直方图上呈明显的双峰分布，两类
7、物体灰度级间无交叠。在直方图中处于谷底的区域选取一个灰度值作为阈值，根据灰度与阈值的关系将像素判定为对象点或背景点，这个过程称为图像二值化。对二值图像进行进一步的分析就可以获得图像的分割结果。第二十六页，讲稿共四十八页哦医学医学图像像处理理讲义二值化二值化设f(x,y)表示原图像，g(x,y)表示分割后的图像，T为选定的灰度阈值，分割算法表示为 或其中：“1”表示物体（对象、目标），“0”表示背景。第二十七页，讲稿共四十八页哦医学医学图像像处理理讲义多阈值二值化多阈值二值化有时对象的灰度分布相对集中，而背景的灰度分布很散，就需要设置两个灰度阈值T1、T2,T1T2，这两个阈值间的灰度范围都对应
8、于对象，即：第二十八页，讲稿共四十八页哦医学医学图像像处理理讲义1 1 1 1 1 1 1 1 1 4 5 6 5 6 5 1 1 5 7 8 8 8 6 1 1 6 8 8 8 7 6 1 1 5 7 8 8 8 6 1 1 4 8 7 7 7 6 1 1 6 5 4 5 6 5 1 1 1 1 1 1 1 1 1 0 1 2 3 4 5 6 7 8 灰度级201030像素点(a)(b)Th=4Th=7(c)灰度取域法，阈值对分割结果影响很大（a）数字图像（b）直方图（c）取阈结果Th=4,Th=7第二十九页，讲稿共四十八页哦医学医学图像像处理理讲义1、极小值点阈值h(z)直方图“直方图双峰
9、法”：如果灰度直方图呈现明显的双峰状，则选取两峰之间的谷底对应的灰度级作为阈值。谷底就是直方图的极小值。将各端点相连，形成直方图的包络线h(z)，这是一条曲线，它的极小值满足 第三十页，讲稿共四十八页哦医学医学图像像处理理讲义T=120（a）原图 （b）直方图 （c）二值化结果 Rice图像双峰法分割第三十一页，讲稿共四十八页哦医学医学图像像处理理讲义2、最优阈值算法、最优阈值算法设图像由两类对象1、2组成，它们的条件概率分别为：P(x/1)、P(x/2),其中x是灰度级，T是阈值二值化判断：xT,x 2；xT,x 1最优域值法示意图P(x/w1)P(x/w2)x0T第三十二页，讲稿共四十八页
10、哦医学医学图像像处理理讲义最优条件最优条件2误为1的误差概率：1(T)=(-,T)P(x/2)dx1误为2的误差概率：2(T)=(T,+)P(x/1)dx先验概率P(2),P(1),P(2)+P(1)=1总误判概率：(T)=P(1)1(T)+P(2)2(T)let (T)/T=0,then 1(T)/T=P(x/2),2(T)/T=-P(x/1),总误差最小时有 P(2)P(x/2)x=T=P(1)P(x/1)x=T第三十三页，讲稿共四十八页哦医学医学图像像处理理讲义已知概率模型下的简化已知概率模型下的简化若两类对象均服从正态分布，总误差最小时有：第三十四页，讲稿共四十八页哦医学医学图像像处理
11、理讲义If P(2)=P(1)=1/2,1 2=2 2 then T=(2+2)/2第三十五页，讲稿共四十八页哦医学医学图像像处理理讲义7.5 基于变换直方图选取阈值基于变换直方图选取阈值v1.直方图变换n具有低梯度值像素的直方图，谷变深n具有高梯度值像素的直方图，峰变高n可进行加权变换例如:权值1/(1+g)2第三十六页，讲稿共四十八页哦医学医学图像像处理理讲义灰度梯度散射图灰度梯度散射图v作图：分别以灰度和梯度为横纵坐标进行投影。以形成的聚类团作为分割的依据。第三十七页，讲稿共四十八页哦医学医学图像像处理理讲义7.6 空间聚类空间聚类v空间聚类可看作是阈值分割概念的推广。v空间聚类是把图像
12、中的像素点按照特征用相应的特征点表示，这些点形成的类团作为分割的依据v灰度梯度散射就属于一种空间聚类的算法第三十八页，讲稿共四十八页哦医学医学图像像处理理讲义K均值聚类均值聚类v算法：（迭代算法）n设定任意类的均值n进行迭代，把任意像素点按下面的准则进行分配：n分配完毕后更新类的均值n直到类均值不再产生变化，即算法收敛为止。第三十九页，讲稿共四十八页哦医学医学图像像处理理讲义K均值聚类均值聚类v其中K为初始设定的分类数v实际采用试算方法来确定合理的K值。即首先根据图像特征，设定不同的K值，然后根据聚类的结果选择较合理的K值。第四十页，讲稿共四十八页哦医学医学图像像处理理讲义ISODATA聚类聚
13、类v和K均值法类似，采用聚类的中心来进行迭代搜索n确定N个聚类中心位置n根据中心位置划分各个像素点为不同区域n重新确定区域的中心位置n迭代至中心位置不在产生移动第四十一页，讲稿共四十八页哦医学医学图像像处理理讲义最基本的区域分割方法，它按照一定的同质判据H把图像分解为N个相邻的区域fk，即：7.7 区域生长区域生长分解的区域满足其中ki是不同区域的增长核心。基本要素：1）区域的数目，各区域的生长核心（种子）；2）区域间相区别的性质特征，由此构造同质判据。第四十二页，讲稿共四十八页哦医学医学图像像处理理讲义区域生长算法区域生长算法1）给定同质判据H；2）扫描图像，获得不属于任何已分割区域的像素点
14、，作为生长核心ki；3）以ki为核心，H为判据进行生长：将该像素与它的4邻域或8邻域像素相比较，若满足规则H，就将它们合并为同一个区域，并标记同样的区域符号；4）对于那些新并入的像素，重复3）的操作；5）反复进行3）、4），直至区域不能再增长为止；6）返回2），寻找新的区域核心，直至图像中的所有像素点都已经归入某一个区域。第四十三页，讲稿共四十八页哦医学医学图像像处理理讲义区域生长算法区域生长算法v例子6.7.1第四十四页，讲稿共四十八页哦医学医学图像像处理理讲义区域生长算法区域生长算法v改进：n设定灰度差的阈值为零，先进行相似区域的扩张，获得一系列的小区域n求出小区域的平均灰度值n合并平均灰
15、度值差小于门限的邻接区域第四十五页，讲稿共四十八页哦医学医学图像像处理理讲义区域生长的误差区域生长的误差v（1）区域为均匀的v（2）区域非均匀的（假设为两个部分的叠加）v其思想是求出分割产生误差的概率，然后按照极值公式设定误差最小（见P198）第四十六页，讲稿共四十八页哦医学医学图像像处理理讲义7.8 彩色图像的分割彩色图像的分割v核心思想是根据颜色模型，把彩色图像转换为各个分量的独立图像，然后利用灰度图像分割的方法进行分割。vRGB、HSI模型第四十七页，讲稿共四十八页哦医学医学图像像处理理讲义分割策略分割策略v分割算法基于空间聚类，采用3维的不同特征聚类进行分割n算法流程n图6.8.1第四十八页，讲稿共四十八页哦