数字图像处理第八章.ppt

《数字图像处理第八章.ppt》由会员分享，可在线阅读，更多相关《数字图像处理第八章.ppt（54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、数字图像处理第八章1现在学习的是第1页，共54页第八章第八章图像分割图像分割2现在学习的是第2页，共54页8.1 概述3现在学习的是第3页，共54页 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性质例如灰度，纹理而言具有相似性，区域内部是连通的的且没有过多言具有相似性，区域内部是连通的的且没有过多言具有相似性，区域内部是连通的的且没有过多言具有相似性，区域内部是连通的的且没有过多小孔。小孔。小孔。小孔。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

2、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4现在学习的是第4页，共54页图图像像图像图像识别识别图像图像预处理预处理图像理图像理解解图图图图8.18.18.18.1图像分割在整个图像处理过程中的作用图像分割在整个图像处理过程中的作用图像分割在整个图像处理过程中的作用图像分割在整个图像处理过程中的作用 图像分图像分割割作用作用作用作用5现在学习的是第5页，共54页 边缘检测边缘检测边缘检测边缘检测 边缘跟踪边缘跟踪边缘跟踪边缘跟踪 阈值分割阈值分割阈值分割阈值分割 区域分割区域分割区域分割区域分

3、割 运动分割运动分割运动分割运动分割本章要点本章要点本章要点本章要点6现在学习的是第6页，共54页8.2 边缘检测边缘检测 7现在学习的是第7页，共54页梯度算子是梯度算子是一阶导数算子一阶导数算子一阶导数算子一阶导数算子幅值幅值幅值幅值方向角方向角方向角方向角 8现在学习的是第8页，共54页 数字图像处理中用差分代替微分数字图像处理中用差分代替微分近似计算近似计算近似计算近似计算9现在学习的是第9页，共54页RobertsRoberts算子算子算子算子 Z1Z2Z3Z4Z5Z6Z7Z8Z9-10010-11010现在学习的是第10页，共54页SobelSobel算子算子算子算子 Z1Z2Z3

4、Z4Z5Z6Z7Z8Z9-1-2-1000121-101-202-10111现在学习的是第11页，共54页PrewittPrewitt算子算子算子算子 Z1Z2Z3Z4Z5Z6Z7Z8Z9-1-1-1000111-101-101-10112现在学习的是第12页，共54页原图原图原图原图PrewittPrewitt算子算子算子算子 SobelSobel算子算子算子算子 RobertsRoberts算子算子算子算子 13现在学习的是第13页，共54页差分差分微分微分二阶导数算子二阶导数算子二阶导数算子二阶导数算子14现在学习的是第14页，共54页 图图图图8 8 8 8.5.5.5.5 两种两种两

5、种两种常用的常用的常用的常用的拉普拉斯算子模板拉普拉斯算子模板拉普拉斯算子模板拉普拉斯算子模板0101-410101111-8111115现在学习的是第15页，共54页16现在学习的是第16页，共54页 好好的的检检测测结结果果：对对边边缘缘的的错错误误检检测测率率要要尽尽可可能能低低，在在检检测测出出图图像像真真实实的的边缘的同时要避免检测出现虚假的边缘。边缘的同时要避免检测出现虚假的边缘。好好的的边边缘缘定定位位精精度度：标标记记出出的的边边缘缘位位置置要要和和图图像像上上真真正正边边缘缘的的位位置尽量接近。置尽量接近。对同一边缘要有低的响应次数：有的算子会对一个边缘回产生多个响对同一边缘

6、要有低的响应次数：有的算子会对一个边缘回产生多个响应。也就是说图像上本来只有一个边缘点的，可是检测出来就会出现多个应。也就是说图像上本来只有一个边缘点的，可是检测出来就会出现多个边缘点。边缘点。克服噪声的影响克服噪声的影响基本思想基本思想基本思想基本思想 17现在学习的是第17页，共54页算法步骤算法步骤算法步骤算法步骤 用高斯滤波器平滑图像用高斯滤波器平滑图像计算滤波后图像梯度的幅值和方向计算滤波后图像梯度的幅值和方向对梯度幅值应用非极大值抑制，其过程为找处图像梯度中的局部极对梯度幅值应用非极大值抑制，其过程为找处图像梯度中的局部极大值点，把其它非局部极大值点置零以得到得到细化的边缘大值点，

7、把其它非局部极大值点置零以得到得到细化的边缘用双阈值算法检测和连接边缘，使用两个阈值用双阈值算法检测和连接边缘，使用两个阈值T1T1和和T2(T1T2)T2(T1T2)，T1T1用来找到每条线段，用来找到每条线段，T2T2用来在这些线段的两个方向上延伸寻找用来在这些线段的两个方向上延伸寻找边缘的断裂处，并连接这些边缘。边缘的断裂处，并连接这些边缘。18现在学习的是第18页，共54页实例实例实例实例 19现在学习的是第19页，共54页 RobertsRoberts算算算算子子子子：RobertsRoberts算算子子利利用用局局部部差差分分算算子子寻寻找找边边缘缘，边边缘缘定定位位精精度度较较高

8、高，但但容容易易丢丢失失一一部部分分边边缘缘，同同时时由由于于图图像像没没经经过过平平滑滑处处理理，因因此此不不具具备备能能抑抑制制噪噪声声能能力力。该该算算子子对对具具有有陡陡峭峭边边缘缘且且含含噪噪声声少少的的图图像效果较好。像效果较好。SobelSobel算算算算子子子子和和PrewittPrewitt算算算算子子子子：都都是是对对图图像像先先做做加加权权平平滑滑处处理理，然然后后再再做做微微分分运运算算，所所不不同同的的是是平平滑滑部部分分的的权权值值有有些些差差异异，因因此此对对噪噪声声具具有有一一定定的的抑抑制制能能力力，但但不不能能完完全全排排除除检检测测结结果果中中出出现现的的

9、虚虚假假边边缘缘。虽虽然然这这两两个算子边缘定位效果不错，但检测出的边缘容易出现多像素宽度。个算子边缘定位效果不错，但检测出的边缘容易出现多像素宽度。20现在学习的是第20页，共54页 LaplacianLaplacian算算算算子子子子：是是不不依依赖赖于于边边缘缘方方向向的的二二阶阶微微分分算算子子算算子子，对对图图像像中中的的阶阶跃跃型型边边缘缘点点定定位位准准确确，该该算算子子对对噪噪声声非非常常敏敏感感，它它使使噪噪声声成成分分得得到到加加强强，这这两两个个特特性性使使得得该该算算子子容容易易丢丢失失一一部部分分边边缘缘的的方方向向信信息息，造造成成一一些些不不连续的检测边缘，同时抗

10、噪声能力比较差。连续的检测边缘，同时抗噪声能力比较差。21现在学习的是第21页，共54页 LOGLOG算算算算子子子子：该该算算子子首首先先用用高高斯斯函函数数对对图图像像作作平平滑滑滤滤波波处处理理，然然后后才才使使用用LaplacianLaplacian算算子子检检测测边边缘缘，因因此此克克服服了了LaplacianLaplacian算算子子抗抗噪噪声声能能力力比比较较差差的的缺缺点点，但但是是在在抑抑制制噪噪声声的的同同时时也也可可能能将将原原有有的的比比较较尖尖锐锐的的边边缘缘也也平平滑滑掉掉了了，造造成成这这些些尖尖锐锐边边缘缘无无法法检检被被测测到到。应应用用LOGLOG算算子子，

11、高高斯斯函函数数中中方方差差参参数数的的选选择择很很关关键键，对对图图像像边边缘缘检检测测效效果果有有很很大大的的影影响响。高高斯斯滤滤波波器器为为低低通通滤滤波波器器，越越大大，通通频频带带越越窄窄，对对较较高高频频率率的的噪噪声声的的抑抑制制作作用用越越大大，避避免免了了虚虚假假边边缘缘的的检检出出，同同时时信信号号的的边边缘缘也也被被平平滑滑了了，造造成成某某些些边边缘缘点点的的丢丢失失。反反之之，越越小小，通通频频带带越越宽宽，可可以以检检测测到到的的图图像像更更高高频频率率的的细细节节，但但对对噪噪声声的的抑抑制制能能力力相相对对下下降降，容容易易出出现现虚虚假假边边缘缘。因因此此，

12、应应用用LOGLOG算子，为取得更佳的效果，对于不同图像应选择不同参数。算子，为取得更佳的效果，对于不同图像应选择不同参数。22现在学习的是第22页，共54页 CannyCanny算子算子算子算子：CannyCanny算子虽然是基于最优化思想推导出的边缘检测算子虽然是基于最优化思想推导出的边缘检测算子，实际效果并不一定最优，原因在于理论和实际有许多不一致的地方。算子，实际效果并不一定最优，原因在于理论和实际有许多不一致的地方。该算子同样采用高斯函数对图像作平滑处理，因此具有较强的抑制噪声能该算子同样采用高斯函数对图像作平滑处理，因此具有较强的抑制噪声能力，同样该算子也会将一些高频边缘平滑掉，造

13、成边缘丢失。力，同样该算子也会将一些高频边缘平滑掉，造成边缘丢失。CannyCanny算子算子其后所采用用双阈值算法检测和连接边缘，采用的多尺度检测和方向其后所采用用双阈值算法检测和连接边缘，采用的多尺度检测和方向性搜索较性搜索较LOGLOG算子要好。算子要好。23现在学习的是第23页，共54页8.3 边缘跟踪边缘跟踪 24现在学习的是第24页，共54页从图像中一个边缘点出发，然后根据某种判别准则搜索下一个边缘点从图像中一个边缘点出发，然后根据某种判别准则搜索下一个边缘点从图像中一个边缘点出发，然后根据某种判别准则搜索下一个边缘点从图像中一个边缘点出发，然后根据某种判别准则搜索下一个边缘点以此

14、跟踪出目标边界。以此跟踪出目标边界。以此跟踪出目标边界。以此跟踪出目标边界。确定边界的起始搜索点，起始点的选择很关键，对某些图像，确定边界的起始搜索点，起始点的选择很关键，对某些图像，选择不同的起始点会导致不同的结果。选择不同的起始点会导致不同的结果。确定合适边界判别准则和搜索准则，判别准则用于判断一个点是不是边确定合适边界判别准则和搜索准则，判别准则用于判断一个点是不是边界点，搜索准则则指导如何搜索下一个边缘点。界点，搜索准则则指导如何搜索下一个边缘点。确定搜索的终止条件。确定搜索的终止条件。25现在学习的是第25页，共54页26现在学习的是第26页，共54页27现在学习的是第27页，共54

15、页HoughHoughHoughHough变换可以用于将边缘像素连接起来得到边界曲线变换可以用于将边缘像素连接起来得到边界曲线变换可以用于将边缘像素连接起来得到边界曲线变换可以用于将边缘像素连接起来得到边界曲线优点在于受噪声和曲线间断的影响较小优点在于受噪声和曲线间断的影响较小优点在于受噪声和曲线间断的影响较小优点在于受噪声和曲线间断的影响较小在已知曲线形状的条件下，在已知曲线形状的条件下，在已知曲线形状的条件下，在已知曲线形状的条件下，HoughHoughHoughHough变换实际上是利用分散的边变换实际上是利用分散的边变换实际上是利用分散的边变换实际上是利用分散的边缘点进行曲线逼近，它也

16、可看成是一种聚类分析技术缘点进行曲线逼近，它也可看成是一种聚类分析技术缘点进行曲线逼近，它也可看成是一种聚类分析技术缘点进行曲线逼近，它也可看成是一种聚类分析技术 28现在学习的是第28页，共54页原始图像原始图像原始图像原始图像二值化图像二值化图像二值化图像二值化图像细化图像细化图像细化图像细化图像HoughHough变换检测出的直线变换检测出的直线变换检测出的直线变换检测出的直线 直线检测直线检测直线检测直线检测 29现在学习的是第29页，共54页8.4 阈值分割阈值分割 30现在学习的是第30页，共54页原始图像原始图像f f(x,yx,y)灰度阈值灰度阈值T T阈值运算得二值图像阈值运

17、算得二值图像g g(x,yx,y)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。31现在学习的是第31页，共54页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 32现在学习的是第32页，共54页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。也可以在人工选出阈值后，根方图的基础上，人工选出合适的阈值。也可以在人工选出阈值后，根据分割效果

18、，不断的交互操作，从而选择出最佳的阈值。据分割效果，不断的交互操作，从而选择出最佳的阈值。33现在学习的是第33页，共54页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34现在学习的是第34页，共54页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，然后按某种策略不断地：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

19、则为止。在迭代过程中，关键之处在改进这一估计值，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策略，好的阈值的改进策略应该具备两个特征，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，新产生阈值优于上一次的阈值。阈值。35现在学习的是第35页，共54页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T Ti i=T T0 0。(2)(2)利用阈值利用阈值T Ti i把图像分割成两部分区域，把图像分割成两

20、部分区域，R R1 1和和R R2 2，并计算其灰度均值，并计算其灰度均值(3)(3)计算新的阈值计算新的阈值T Ti+i+1 1(4)(4)重复步重复步骤骤2 2、3 3，直到，直到T Ti+i+1 1和和T Ti i的的值值差差别别小于某个小于某个给给定定值值36现在学习的是第36页，共54页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8.20 8.20 8.20 8.20 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37现在学习的是第37页，共54页OstuOstu法法法法 OstuOstu方法是使类间方差最大

21、而推导出的一种能自动确定阈值的方法是使类间方差最大而推导出的一种能自动确定阈值的方法方法具有简单，处理速度快的特点具有简单，处理速度快的特点MatlabMatlab工具箱提供的工具箱提供的graythreshgraythresh函数求取阈值采用的正是函数求取阈值采用的正是OstuOstu法法38现在学习的是第38页，共54页OstuOstu法法法法 原始图像原始图像OtsuOtsu法二值化图象法二值化图象图图图图8.21 8.21 8.21 8.21 OtsuOtsuOtsuOtsu法二值化图像法二值化图像法二值化图像法二值化图像39现在学习的是第39页，共54页分水岭算法分水岭算法分水岭算法

22、分水岭算法 分水岭算法分水岭算法(watershed)watershed)是一种借鉴了形态学理论的分割方法，它将一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，其中灰度值被认为是地形高度值。高灰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，低灰度值处对应着山谷。将水从任一处流下，它会朝度值对应着山峰，低灰度值处对应着山谷。将水从任一处流下，它会朝地势底的地方流动，直到某一局部低洼处才停下来，这个低洼处被称为地势底的地方流动，直到某一局部低洼处才停下来，这个低洼处被称为吸水盆地吸水盆地吸水盆地吸水盆地，最终所有的水会分聚在不同的吸水盆地最终所

23、有的水会分聚在不同的吸水盆地,吸水盆地之间的山脊被吸水盆地之间的山脊被称为称为分水岭分水岭分水岭分水岭，水从分水岭流下时，它朝不同的吸水盆地流去的可能性是相等水从分水岭流下时，它朝不同的吸水盆地流去的可能性是相等的。的。将这种想法应用于图像分割，就是要在灰度图像中将这种想法应用于图像分割，就是要在灰度图像中找出不同的吸水盆地找出不同的吸水盆地找出不同的吸水盆地找出不同的吸水盆地和分水岭，由这些不同的吸引盆地和分水岭组成的区域即为我们要分割的目标和分水岭，由这些不同的吸引盆地和分水岭组成的区域即为我们要分割的目标和分水岭，由这些不同的吸引盆地和分水岭组成的区域即为我们要分割的目标和分水岭，由这些

24、不同的吸引盆地和分水岭组成的区域即为我们要分割的目标。40现在学习的是第40页，共54页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8.23 8.23 8.23 8.23 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面图 41现在学习的是第41页，共54页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

25、是一种自适应的多阈值分割算法图图图图8.24 8.24 8.24 8.24 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42现在学习的是第42页，共54页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8.25 8.25 8.25 8.25 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

26、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43现在学习的是第43页，共54页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8.26 8.26 8.26 8.26 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束重由标记内外部约束重构的梯度图构的梯度图分割结果分割结果44现在学习的是第44页，共54页8.5 区域分割区域分割 45现在学习的是第45页，共54页阈值分割法由于没有

27、或很少考虑空间关系，使多阈值选择受到限制阈值分割法由于没有或很少考虑空间关系，使多阈值选择受到限制于区域的分割方法可以弥补这点不足，它利用的是图像的空间性质，该方法认为分割出于区域的分割方法可以弥补这点不足，它利用的是图像的空间性质，该方法认为分割出来的属于同一区域的像素应具有相似的性质，其概念是相当直观的。来的属于同一区域的像素应具有相似的性质，其概念是相当直观的。传统传统的的区域分割算法区域分割算法有区域增长法和区域分裂合并法。该类方法有区域增长法和区域分裂合并法。该类方法在没有先验知识在没有先验知识可以利用时，可以利用时，对含有复杂场景或自然景物等先验知识不足的图像进行分割对含有复杂场景

28、或自然景物等先验知识不足的图像进行分割,也可以取得也可以取得较好的性能较好的性能。但是，空间和时间开销都比较大。但是，空间和时间开销都比较大。46现在学习的是第46页，共54页区域生长法主要考虑象素及其空间邻域象素之间的关系区域生长法主要考虑象素及其空间邻域象素之间的关系区域生长法主要考虑象素及其空间邻域象素之间的关系区域生长法主要考虑象素及其空间邻域象素之间的关系开始时确定一个或多个象素点作为种子，然后按某种相似性准则开始时确定一个或多个象素点作为种子，然后按某种相似性准则增长区域，增长区域，逐步生成具有某种均匀性的空间区域，将相邻的具有逐步生成具有某种均匀性的空间区域，将相邻的具有相似相似

29、性质性质的象素或区域归并从而逐步增长区域，直至没有可以归并的点或其它小的象素或区域归并从而逐步增长区域，直至没有可以归并的点或其它小区域为止。区域为止。区域内象素的相似性度量可以包括平均灰度值、纹理、颜色等信息。区域内象素的相似性度量可以包括平均灰度值、纹理、颜色等信息。47现在学习的是第47页，共54页选择合适的种子点选择合适的种子点确定相似性准则确定相似性准则(生长准则生长准则)确定生长停止条件确定生长停止条件步骤步骤步骤步骤 48现在学习的是第48页，共54页实例实例实例实例 图图图图8.29 8.29 8.29 8.29 区域生长区域生长区域生长区域生长 原始图像及种子原始图像及种子点

30、位置点位置三个种子点区域生三个种子点区域生长结果长结果原始图像及种原始图像及种子点位置子点位置四个种子点区域生四个种子点区域生长结果长结果49现在学习的是第49页，共54页 条件：条件：条件：条件：如果区域的某些特性不满足一致性准则开始：开始：开始：开始：从图像的最大区域开始，一般情况下，是从整幅图像开始注意：注意：注意：注意：确定分裂准则(一致性准则)确定分裂方法，即如何分裂区域，使得分裂后的子区域的特性尽可能都满足一致性准则值。50现在学习的是第50页，共54页算法算法算法算法 形成初始区域形成初始区域 对图像的每一个区域对图像的每一个区域R Ri i，计算计算P P(R Ri i)，如果

31、如果P P(R Ri i)=FALSEFALSE则沿着某一合适的边界分裂区域则沿着某一合适的边界分裂区域 重复步骤重复步骤2 2，当没有区域需分裂时，算法结束。，当没有区域需分裂时，算法结束。51现在学习的是第51页，共54页 合并运算就是把相邻的具有相似性质的区域合成为一个区域合并运算就是把相邻的具有相似性质的区域合成为一个区域合并算法中最重要的运算是确定两个区域的相似性合并算法中最重要的运算是确定两个区域的相似性评判区域相似性方法有许多，评判相似性的方法可以基于区域的灰评判区域相似性方法有许多，评判相似性的方法可以基于区域的灰度值，也可以基于区域边界的强弱性等因素。一种简单的方法是比较度值，也可以基于区域边界的强弱性等因素。一种简单的方法是比较它们的灰度均值它们的灰度均值基本思想基本思想基本思想基本思想52现在学习的是第52页，共54页 使用某种方法进行图像的初始区域分割。使用某种方法进行图像的初始区域分割。对对于于图图像像中中乡乡邻邻个个区区域域，计计算算是是否否满满足足一一致致性性谓谓词词词词,若若满满足足则合并为一个区域。则合并为一个区域。重复步骤重复步骤2 2，直到没有区域可以合并，算法结束。，直到没有区域可以合并，算法结束。算算算算 法法法法53现在学习的是第53页，共54页 数据结构数据结构数据结构数据结构54现在学习的是第54页，共54页