《《图像分割技术》PPT课件.ppt》由会员分享，可在线阅读，更多相关《《图像分割技术》PPT课件.ppt（28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、1第七章第七章图像分割图像分割2图图像像图像图像识别识别图像图像预处理预处理图像图像理解理解图图像分割在整个图像处理过程中的作用图图像分割在整个图像处理过程中的作用图图像分割在整个图像处理过程中的作用图图像分割在整个图像处理过程中的作用 图像图像分割分割作用作用作用作用图像分割是图像识别和图像理解的基本前提步骤，图像分割质量的好坏图像分割是图像识别和图像理解的基本前提步骤，图像分割质量的好坏直接影响后续图像处理的效果。直接影响后续图像处理的效果。3分割出来的各区域对某种性质例如灰度，纹理而分割出来的各区域对某种性质例如灰度，纹理而分割出来的各区域对某种性质例如灰度，纹理而分割出来的各区域对某种
2、性质例如灰度，纹理而言具有相似性，区域内部是连通的且没有过多小言具有相似性，区域内部是连通的且没有过多小言具有相似性，区域内部是连通的且没有过多小言具有相似性，区域内部是连通的且没有过多小孔；孔；孔；孔；区域边界是明确的；区域边界是明确的；区域边界是明确的；区域边界是明确的；相邻区域对分割所依据的性质有明显的差异。相邻区域对分割所依据的性质有明显的差异。相邻区域对分割所依据的性质有明显的差异。相邻区域对分割所依据的性质有明显的差异。特征特征特征特征图像分割是指将一幅图像分解为若干互不交叠的、有意义图像分割是指将一幅图像分解为若干互不交叠的、有意义的、具有相同性质的区域。的、具有相同性质的区域。
3、4 第第第第1 1 1 1类性质的应用途径是基于亮度的不连续变化分割图像类性质的应用途径是基于亮度的不连续变化分割图像类性质的应用途径是基于亮度的不连续变化分割图像类性质的应用途径是基于亮度的不连续变化分割图像,比如比如比如比如图像的边缘图像的边缘图像的边缘图像的边缘.第第第第2 2 2 2类的主要应用途径是依据事先制定的准则将图像分割为相类的主要应用途径是依据事先制定的准则将图像分割为相类的主要应用途径是依据事先制定的准则将图像分割为相类的主要应用途径是依据事先制定的准则将图像分割为相似的区域似的区域似的区域似的区域.门限门限门限门限(阈值阈值阈值阈值)处理、区域生长、区域分离和聚合都是处理
4、、区域生长、区域分离和聚合都是处理、区域生长、区域分离和聚合都是处理、区域生长、区域分离和聚合都是这类方法的实例。这类方法的实例。这类方法的实例。这类方法的实例。特征特征特征特征图像分割算法一般是基于亮度值的两个基本特性之一图像分割算法一般是基于亮度值的两个基本特性之一:不连不连续性续性和和相似性相似性.5 门限处理门限处理(阈值分割阈值分割)特点：特点：直观性直观性易于实现易于实现封闭而连通的边界（不交叠区域）封闭而连通的边界（不交叠区域）6以一定的图像模型为依托以一定的图像模型为依托。最常用的图像模型是最常用的图像模型是假设图由具有单峰灰度分布的目标和背景组成。假设图由具有单峰灰度分布的目
5、标和背景组成。内部像素灰度分布高度相关。内部像素灰度分布高度相关。之间灰度值存在较大差异。之间灰度值存在较大差异。7上上图图(a)为一幅图像的灰度级直方图为一幅图像的灰度级直方图,其由亮的对象和暗的背景组成其由亮的对象和暗的背景组成.对象和背景的灰度级形成两个不同的模式对象和背景的灰度级形成两个不同的模式.选择一个选择一个门限值门限值T,可以可以将这些模式分开将这些模式分开.(b)包含包含3个模式个模式.(a)(a)单一门限单一门限 (b)(b)多门限进行分割的灰度级直方图多门限进行分割的灰度级直方图8原始图像原始图像原始图像原始图像f f(x,yx,y)灰度阈值灰度阈值灰度阈值灰度阈值T T
6、阈值运算得二值图像阈值运算得二值图像阈值运算得二值图像阈值运算得二值图像g g(x,yx,y)对象点对象点背景点背景点9 阈值选择直接影响分割效果，通常可以通过对灰度直方图阈值选择直接影响分割效果，通常可以通过对灰度直方图阈值选择直接影响分割效果，通常可以通过对灰度直方图阈值选择直接影响分割效果，通常可以通过对灰度直方图 的分析来确定它的值。的分析来确定它的值。的分析来确定它的值。的分析来确定它的值。如果图像中有多个灰度值不同的区域，可以选如果图像中有多个灰度值不同的区域，可以选择一系列的阈值以将每个像素分到合适的类别中择一系列的阈值以将每个像素分到合适的类别中去去。10利用灰度直方图求双峰或
7、多峰利用灰度直方图求双峰或多峰利用灰度直方图求双峰或多峰利用灰度直方图求双峰或多峰选择两峰之间的谷底作为阈值选择两峰之间的谷底作为阈值选择两峰之间的谷底作为阈值选择两峰之间的谷底作为阈值 11人工选择法是通过人眼的观察，应用人对图像的知识，在人工选择法是通过人眼的观察，应用人对图像的知识，在人工选择法是通过人眼的观察，应用人对图像的知识，在人工选择法是通过人眼的观察，应用人对图像的知识，在分析图像直方图的基础上，人工选出合适的阈值。也可以分析图像直方图的基础上，人工选出合适的阈值。也可以分析图像直方图的基础上，人工选出合适的阈值。也可以分析图像直方图的基础上，人工选出合适的阈值。也可以在人工选
8、出阈值后，根据分割效果，不断的交互操作，从在人工选出阈值后，根据分割效果，不断的交互操作，从在人工选出阈值后，根据分割效果，不断的交互操作，从在人工选出阈值后，根据分割效果，不断的交互操作，从而选择出最佳的阈值。而选择出最佳的阈值。而选择出最佳的阈值。而选择出最佳的阈值。12 T T=155=155=155=155的二值化图像的二值化图像的二值化图像的二值化图像 T T=210210210210的二值化图像的二值化图像的二值化图像的二值化图像原始图像原始图像原始图像原始图像图像直方图图像直方图图像直方图图像直方图13迭代法迭代法迭代法迭代法 在无人介入的情况下自动选取阈值是大部分应用的基本要在
9、无人介入的情况下自动选取阈值是大部分应用的基本要求求,自动阈值法通常使用灰度直方图来分析图像中灰度值的自动阈值法通常使用灰度直方图来分析图像中灰度值的分布分布,结合特定的应用领域知识来选取合适的阈值结合特定的应用领域知识来选取合适的阈值.14迭代法迭代法迭代法迭代法 基本思想基本思想基本思想基本思想：开始时选择一个阈值作为初始估计值，然后按开始时选择一个阈值作为初始估计值，然后按开始时选择一个阈值作为初始估计值，然后按开始时选择一个阈值作为初始估计值，然后按某种策略不断地改进这一估计值，直到满足给定的准则为某种策略不断地改进这一估计值，直到满足给定的准则为某种策略不断地改进这一估计值，直到满足
10、给定的准则为某种策略不断地改进这一估计值，直到满足给定的准则为止。在迭代过程中，关键之处在于选择什么样的阈值改进止。在迭代过程中，关键之处在于选择什么样的阈值改进止。在迭代过程中，关键之处在于选择什么样的阈值改进止。在迭代过程中，关键之处在于选择什么样的阈值改进策略，好的阈值的改进策略应该具备两个特征，一是能够策略，好的阈值的改进策略应该具备两个特征，一是能够策略，好的阈值的改进策略应该具备两个特征，一是能够策略，好的阈值的改进策略应该具备两个特征，一是能够快速收敛，二是在每一个迭代过程中，新产生阈值优于上快速收敛，二是在每一个迭代过程中，新产生阈值优于上快速收敛，二是在每一个迭代过程中，新产
11、生阈值优于上快速收敛，二是在每一个迭代过程中，新产生阈值优于上一次的阈值。一次的阈值。一次的阈值。一次的阈值。15迭代法迭代法迭代法迭代法(1)(1)选择图像灰度的中值作为初始阈值选择图像灰度的中值作为初始阈值选择图像灰度的中值作为初始阈值选择图像灰度的中值作为初始阈值T Ti i=T T0 0。(2)(2)利利利利用用用用阈阈阈阈值值值值T Ti i把把把把图图图图像像像像分分分分割割割割成成成成两两两两部部部部分分分分区区区区域域域域，R R1 1和和和和R R2 2，并并并并计计计计算其灰度均值算其灰度均值算其灰度均值算其灰度均值(3)(3)计算新的阈值计算新的阈值计算新的阈值计算新的阈
12、值T Ti+i+1 1(4)(4)重复步重复步重复步重复步骤骤骤骤2 2、3 3，直到，直到，直到，直到T Ti+i+1 1和和和和T Ti i的的的的值值值值差差差差别别别别小于某个小于某个小于某个小于某个给给给给定定定定值值值值迭代式阈值选择的基本步骤如下迭代式阈值选择的基本步骤如下:适用于背景和适用于背景和对象在图像中对象在图像中占据的面积相占据的面积相近的情况近的情况.16迭代法迭代法迭代法迭代法 原始图像原始图像迭代阈值二值化图象迭代阈值二值化图象图图图图7.3 7.3 7.3 7.3 迭代式阈值二值化图像迭代式阈值二值化图像迭代式阈值二值化图像迭代式阈值二值化图像17迭代法迭代法迭
13、代法迭代法(a)原图原图(b)图像的直方图图像的直方图(c)通过用迭代估计的门通过用迭代估计的门限对图像进行分割限对图像进行分割的结果的结果18分水岭算法分水岭算法分水岭算法分水岭算法 阴影、光照不均、各处对比度不同、突发噪声和背景阴影、光照不均、各处对比度不同、突发噪声和背景阴影、光照不均、各处对比度不同、突发噪声和背景阴影、光照不均、各处对比度不同、突发噪声和背景灰度变化等，固定的全局阈值分割，效果不好。灰度变化等，固定的全局阈值分割，效果不好。灰度变化等，固定的全局阈值分割，效果不好。灰度变化等，固定的全局阈值分割，效果不好。解决方法：利用与坐标相关的一组阈值对图像进行分割解决方法：利用
14、与坐标相关的一组阈值对图像进行分割解决方法：利用与坐标相关的一组阈值对图像进行分割解决方法：利用与坐标相关的一组阈值对图像进行分割变化阈值法、自适应阈值法。变化阈值法、自适应阈值法。变化阈值法、自适应阈值法。变化阈值法、自适应阈值法。19分水岭算法分水岭算法分水岭算法分水岭算法 分水岭算法分水岭算法分水岭算法分水岭算法(watershed)watershed)watershed)watershed)是一种借鉴了形态学理论的分是一种借鉴了形态学理论的分是一种借鉴了形态学理论的分是一种借鉴了形态学理论的分割方法，它将一幅图象看成为一个拓扑地形图，其中灰度割方法，它将一幅图象看成为一个拓扑地形图，其
15、中灰度割方法，它将一幅图象看成为一个拓扑地形图，其中灰度割方法，它将一幅图象看成为一个拓扑地形图，其中灰度值被认为是地形高度值。高灰度值对应着山峰，低灰度值值被认为是地形高度值。高灰度值对应着山峰，低灰度值值被认为是地形高度值。高灰度值对应着山峰，低灰度值值被认为是地形高度值。高灰度值对应着山峰，低灰度值处对应着山谷。处对应着山谷。处对应着山谷。处对应着山谷。20分水岭算法分水岭算法分水岭算法分水岭算法(a)a)原始图像原始图像 (b)b)图像对应的拓扑地形图图像对应的拓扑地形图图图图图7.5 7.5 7.5 7.5 图像对应的拓扑表面图图像对应的拓扑表面图图像对应的拓扑表面图图像对应的拓扑表
16、面图 21分水岭算法分水岭算法分水岭算法分水岭算法 三类点：三类点：三类点：三类点：属于局部性最小值的点；属于局部性最小值的点；属于局部性最小值的点；属于局部性最小值的点；当一滴水放在当一滴水放在当一滴水放在当一滴水放在某点的位置上时，水一定会下落到一个单一的最小值点；某点的位置上时，水一定会下落到一个单一的最小值点；某点的位置上时，水一定会下落到一个单一的最小值点；某点的位置上时，水一定会下落到一个单一的最小值点；当水处在某个点的位置时，水会等概率地流向不止一个当水处在某个点的位置时，水会等概率地流向不止一个当水处在某个点的位置时，水会等概率地流向不止一个当水处在某个点的位置时，水会等概率地
17、流向不止一个这样的最小值点。这样的最小值点。这样的最小值点。这样的最小值点。对于一个特定的区域最小值，满足条件对于一个特定的区域最小值，满足条件对于一个特定的区域最小值，满足条件对于一个特定的区域最小值，满足条件的点的集合称的点的集合称的点的集合称的点的集合称为这个最小值的为这个最小值的为这个最小值的为这个最小值的“汇水盆地汇水盆地汇水盆地汇水盆地”或或或或“分水岭分水岭分水岭分水岭”。满足条件。满足条件。满足条件。满足条件的点的集合组成地形表面的峰线，称为的点的集合组成地形表面的峰线，称为的点的集合组成地形表面的峰线，称为的点的集合组成地形表面的峰线，称为“分水线分水线分水线分水线”或或或或
18、“分分分分割线割线割线割线”。22分水岭算法分水岭算法分水岭算法分水岭算法 将这种想法应用于图像分割，就是要在灰度图像中找将这种想法应用于图像分割，就是要在灰度图像中找将这种想法应用于图像分割，就是要在灰度图像中找将这种想法应用于图像分割，就是要在灰度图像中找出分水线。出分水线。出分水线。出分水线。基本思想：基本思想：基本思想：基本思想：假设在每个区域最小值的位置上打一个洞，假设在每个区域最小值的位置上打一个洞，假设在每个区域最小值的位置上打一个洞，假设在每个区域最小值的位置上打一个洞，让水以均匀的上升速率从洞中涌出，从低到高淹没整个地让水以均匀的上升速率从洞中涌出，从低到高淹没整个地让水以均
19、匀的上升速率从洞中涌出，从低到高淹没整个地让水以均匀的上升速率从洞中涌出，从低到高淹没整个地形。当处在不同的汇水盆地中的水将要汇合在一起时，修形。当处在不同的汇水盆地中的水将要汇合在一起时，修形。当处在不同的汇水盆地中的水将要汇合在一起时，修形。当处在不同的汇水盆地中的水将要汇合在一起时，修建大坝阻止水汇合。这些大坝的边界对应于分水岭的分割建大坝阻止水汇合。这些大坝的边界对应于分水岭的分割建大坝阻止水汇合。这些大坝的边界对应于分水岭的分割建大坝阻止水汇合。这些大坝的边界对应于分水岭的分割线。线。线。线。23分水岭算法分水岭算法分水岭算法分水岭算法 分水岭阈值选择算法可以看成是一种自适应的多阈值
20、分割算法分水岭阈值选择算法可以看成是一种自适应的多阈值分割算法分水岭阈值选择算法可以看成是一种自适应的多阈值分割算法分水岭阈值选择算法可以看成是一种自适应的多阈值分割算法图图图图7.6 7.6 7.6 7.6 分水岭形成示意图分水岭形成示意图分水岭形成示意图分水岭形成示意图分水岭对应于原始图像中的边缘分水岭对应于原始图像中的边缘分水岭对应于原始图像中的边缘分水岭对应于原始图像中的边缘24分水岭算法分水岭算法分水岭算法分水岭算法 分水岭算法是以梯度图的局部极小点作为吸水盆地的分水岭算法是以梯度图的局部极小点作为吸水盆地的分水岭算法是以梯度图的局部极小点作为吸水盆地的分水岭算法是以梯度图的局部极小
21、点作为吸水盆地的标记点标记点标记点标记点,由于梯度图中可能有较多的局部极小点由于梯度图中可能有较多的局部极小点由于梯度图中可能有较多的局部极小点由于梯度图中可能有较多的局部极小点,因此因此因此因此可能会导致过分割可能会导致过分割可能会导致过分割可能会导致过分割.25分水岭算法分水岭算法分水岭算法分水岭算法 L=watershed(f)L=watershed(f)MATLABMATLAB函数函数函数函数图图图图7.7 7.7 7.7 7.7 不准确标记分水岭算法导致过分割不准确标记分水岭算法导致过分割不准确标记分水岭算法导致过分割不准确标记分水岭算法导致过分割 原始图像原始图像分水岭分水岭分割结果分割结果局部极小值局部极小值26改进的分水岭算法改进的分水岭算法改进的分水岭算法改进的分水岭算法 图图图图7.8 7.8 7.8 7.8 准确标记的分水岭算法分割过程准确标记的分水岭算法分割过程准确标记的分水岭算法分割过程准确标记的分水岭算法分割过程 原始图像原始图像原图像的距离变换原图像的距离变换标记外部约束标记外部约束标记内部约束标记内部约束由标记内外部约由标记内外部约束重构的梯度图束重构的梯度图分割结果分割结果27木材材积检测木材材积检测木材材积检测木材材积检测 分水岭算法分水岭算法分水岭算法分水岭算法28木材材积检测木材材积检测木材材积检测木材材积检测 迭代法迭代法迭代法迭代法