《图像分割技术幻灯片.ppt》由会员分享，可在线阅读，更多相关《图像分割技术幻灯片.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、图像分割技术图像分割技术第1页，共28页，编辑于2022年，星期五7.1 图像分割概述图像分割概述 7.2 边缘检测边缘检测 7.3 阈值分割阈值分割7.4 区域分割区域分割 第第7章章图像分割技术图像分割技术第2页，共28页，编辑于2022年，星期五7.1 图像分割概述图像分割概述目的：目的：把图像空间分成一些有意义的区域，与图像中各种把图像空间分成一些有意义的区域，与图像中各种物体目标相对应。通过对分割结果的描述，可以理解图像中包物体目标相对应。通过对分割结果的描述，可以理解图像中包含的信息。含的信息。图像分割是将像素分类的过程，分类的依据可建立图像分割是将像素分类的过程，分类的依据可建立
2、在在:像素间的相似性像素间的相似性非连续性非连续性第3页，共28页，编辑于2022年，星期五 图像分割和集合定义的描述图像分割和集合定义的描述令集合令集合R代表整个图像区域，对代表整个图像区域，对R的图像分割可以看作是将的图像分割可以看作是将R分成分成N个满足以个满足以下条件的非空子集下条件的非空子集R1，R2，.，RN：第4页，共28页，编辑于2022年，星期五 图像分割方法和种类图像分割方法和种类以不同的分类标准，图像分割方法可以划分为不同的种类。以不同的分类标准，图像分割方法可以划分为不同的种类。第5页，共28页，编辑于2022年，星期五 图像分割应用图像分割应用 机器阅读理解机器阅读理
3、解 OCR录入录入 遥感图像自动识别遥感图像自动识别 在线产品检测在线产品检测 医学图像样本统计医学图像样本统计 医学图像测量医学图像测量 图像编码图像编码 图像配准的预处理图像配准的预处理第6页，共28页，编辑于2022年，星期五 物体的边缘是以图像的局部特征不连续的形式出现的，也就是指物体的边缘是以图像的局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、纹理结构的突变等纹理结构的突变等，同时物体的边缘也是不同区域的分界处。同时物体的边缘也是不同区域的分界处。通常沿边缘的走向灰度变化平缓
4、，垂直于边缘走向的像素灰度变化通常沿边缘的走向灰度变化平缓，垂直于边缘走向的像素灰度变化剧烈剧烈。7.2 边缘检测边缘检测7.2.1 边缘检测概述边缘检测概述第7页，共28页，编辑于2022年，星期五 根据灰度变化的特点，常见的边缘可分为阶跃型、房顶型和凸缘根据灰度变化的特点，常见的边缘可分为阶跃型、房顶型和凸缘型型 边缘检测是边界分割方法的最基本的处理。边缘检测是边界分割方法的最基本的处理。第8页，共28页，编辑于2022年，星期五7.2.2 边缘检测方法边缘检测方法边缘检测的方法很多，主要有以下几种边缘检测的方法很多，主要有以下几种:1、空域微分算子，也就是空域微分算子，也就是传统传统的的
5、边缘检测边缘检测方法。如方法。如Roberts算子、算子、Prewitt算子和算子和Sobel算子等算子等。2 2、拟合曲面。该方法利用当前像素邻域中的一些像素值、拟合曲面。该方法利用当前像素邻域中的一些像素值拟合一个曲面，然后求这个连续曲面在当前像素处的梯度。拟合一个曲面，然后求这个连续曲面在当前像素处的梯度。3 3、小波多尺度边缘检测。、小波多尺度边缘检测。4 4、基于数学形态学的边缘检测。、基于数学形态学的边缘检测。第9页，共28页，编辑于2022年，星期五 Prewitt算子算子 用卷积模板为：用卷积模板为：其中其中 Kirsch算子算子边缘的梯度大小为边缘的梯度大小为 其中其中几种常
6、用的边缘检测微分算子几种常用的边缘检测微分算子，第10页，共28页，编辑于2022年，星期五 LOG（Laplacian-Gauss）算子）算子 Marr和和Hildreth将将Gaussian滤波器和滤波器和Laplacian边缘检测结合在一起，形成边缘检测结合在一起，形成了了LoG(Laplacian of Gaussian)算法。即先用高斯函数对图像进行平滑，然后再算法。即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算法，它使用一个墨西哥草帽函数形式。函数形式。特点：特点：与高斯滤波器进
7、行卷积，既平滑了图像又降低了噪声，孤立的噪声点和较与高斯滤波器进行卷积，既平滑了图像又降低了噪声，孤立的噪声点和较小的结构组织将被滤除。小的结构组织将被滤除。在边缘检测时仅考虑那些具有局部梯度最大值的点为边缘点，用拉普拉斯算在边缘检测时仅考虑那些具有局部梯度最大值的点为边缘点，用拉普拉斯算子将边缘点转换成零交叉点，通过零交叉点的检测来实现边缘检测。子将边缘点转换成零交叉点，通过零交叉点的检测来实现边缘检测。，第11页，共28页，编辑于2022年，星期五 Canny（坎尼）算子（坎尼）算子 3个准则：个准则：信噪比准则信噪比准则定位精度准则定位精度准则单边缘响应准则单边缘响应准则具体步骤：具体步
8、骤：首先用首先用2D高斯滤波模板进行卷积以平滑图像；高斯滤波模板进行卷积以平滑图像；利用微分算子，计算梯度的幅值和方向；利用微分算子，计算梯度的幅值和方向；对梯度幅值进行非极大值抑制。即遍历图像，若某个像素的灰度值与其梯度方对梯度幅值进行非极大值抑制。即遍历图像，若某个像素的灰度值与其梯度方向上前后两个像素的灰度值相比不是最大，那么这个像素值置为向上前后两个像素的灰度值相比不是最大，那么这个像素值置为0，即不是边，即不是边缘；缘；使用双阈值算法检测和连接边缘。即使用累计直方图计算两个阈值，使用双阈值算法检测和连接边缘。即使用累计直方图计算两个阈值，凡是大于高阈值的一定是边缘；凡是小于低阈值的一
9、定不是边缘。凡是大于高阈值的一定是边缘；凡是小于低阈值的一定不是边缘。如果检测结果大于低阈值但又小于高阈值，那就要看这个像素的邻如果检测结果大于低阈值但又小于高阈值，那就要看这个像素的邻接像素中有没有超过高阈值的边缘像素，如果有，则该像素就是边接像素中有没有超过高阈值的边缘像素，如果有，则该像素就是边缘，否则就不是边缘。缘，否则就不是边缘。，第12页，共28页，编辑于2022年，星期五 图像的轮廓（边界）跟踪与边缘检测是密切相关的，因为图像的轮廓（边界）跟踪与边缘检测是密切相关的，因为轮廓跟踪实质上就是沿着图像的外部边缘轮廓跟踪实质上就是沿着图像的外部边缘“走走”一圈。一圈。轮廓跟踪也称边缘点
10、连接，是一种基于梯度的图像分割方法。轮廓跟踪也称边缘点连接，是一种基于梯度的图像分割方法。是指从梯度图中一个边界点出发，依次通过对前一个边界点的考是指从梯度图中一个边界点出发，依次通过对前一个边界点的考察而逐步确定出下一个新的边界点，并将它们连接而逐步检测出察而逐步确定出下一个新的边界点，并将它们连接而逐步检测出边界的方法。边界的方法。7.2.3 边界跟踪边界跟踪第13页，共28页，编辑于2022年，星期五 具体轮廓跟踪过程大致可分以下三步：具体轮廓跟踪过程大致可分以下三步：(1)(1)确确定定轮轮廓廓跟跟踪踪的的起起始始边边界界点点。根根据据算算法法的的不不同同，选选择择一一个个或或多多个个
11、边边缘缘点点作作为搜索的起始边缘点。为搜索的起始边缘点。(2)(2)选选择择一一种种合合适适的的数数据据结结构构和和搜搜索索策策略略，根根据据已已经经发发现现的的边边界界点点确确定定下下一个检测目标并对其进行检测。一个检测目标并对其进行检测。(3)(3)制制定定出出终终止止搜搜寻寻的的准准则则(一一般般是是将将形形成成闭闭合合边边界界作作为为终终止止条条件件)，在在满满足足终终止条件时结束搜寻。止条件时结束搜寻。常用的轮廓跟踪技术有两种常用的轮廓跟踪技术有两种:探测法和梯度图法。探测法和梯度图法。第14页，共28页，编辑于2022年，星期五一种简单的边界跟踪法一种简单的边界跟踪法(二值图像）二
12、值图像）：(1)(1)根根据据光光栅栅扫扫描描发发现现像像素素从从0 0开开始始变变为为1 1的的像像素素时时，存存储储它它的的坐标（坐标（i,j)i,j)值。值。(2)(2)从从像像素素(i,j-1)(i,j-1)开开始始反反时时针针方方向向研研究究8-8-邻邻接接像像素素，当当第第一一次次出出现像素值为现像素值为1 1的像素记为的像素记为p pk k，开始开始k=1,k=1,，也同样存储，也同样存储p p1 1的坐标。的坐标。(3)(3)同同上上，反反时时针针方方向向从从p pk-1k-1以以前前的的像像素素研研究究p pk k的的8-8-邻邻接接像像素素，把把最先发现像素值为最先发现像素
13、值为1 1的像素记为的像素记为p pk k+1+1。(4)当当p pk=k=p p0 0而而且且p pk+1=k+1=p p1 1时时，跟跟踪踪结结束束。在在其其他他情情况况下下，把把k+1k+1更更新当作新当作k k返回第返回第(3)步。步。第15页，共28页，编辑于2022年，星期五 右图描述了边界跟踪的顺序。右图描述了边界跟踪的顺序。第第一一步步，根根据据光光栅栅扫扫描描，发发现现像像素素p p0 0，其坐标为，其坐标为(3,5)(3,5)。第第二二步步，反反时时针针方方向向研研究究像像素素p p0 0的的8-8-邻邻接接像像素素(3,4)(3,4)，(4,4)(4,4)，(4,5)(4
14、,5)，由由此此发现像素发现像素p p1 1。第第三三步步，反反时时针针方方问问从从p p0 0以以前前的的像像素素，即即像像素素(3,4)(3,4)开开始始顺顺序序研研究究p p1 1的的8-8-邻邻接接像像素素，因因此此发发现现像像素素p p2 2。这这时时，因因为为p p0 0 p p1 1，所以令，所以令p pk=k=p p2 2，返回第三步。，返回第三步。反反复复以以上上操操作作，以以p p0,0,p p1,1,p pn n的的顺顺序跟踪序跟踪8-8-邻接的边界像素。邻接的边界像素。第16页，共28页，编辑于2022年，星期五区域生长是区域分割最基本的方法。区域生长是区域分割最基本的
15、方法。所谓区域生长就是一种所谓区域生长就是一种根据事先定义的准则将像素或者子区域聚合成更大区域的过程。根据事先定义的准则将像素或者子区域聚合成更大区域的过程。7.4 基于区域的分割基于区域的分割 7.4.1 区域生区域生长长 基本思想基本思想以一组生长点（可以是单个像素，也可以是某个小区域）开始，搜索其邻域，把以一组生长点（可以是单个像素，也可以是某个小区域）开始，搜索其邻域，把图像分割成特征相似的若干区域，比较相邻区域与生长点特征的相似性，若它们图像分割成特征相似的若干区域，比较相邻区域与生长点特征的相似性，若它们足够相似，则作为同一区域合并，形成新的生长点。以此方式将特征相似的区域足够相似
16、，则作为同一区域合并，形成新的生长点。以此方式将特征相似的区域不断合并、直到不能合并为止，最后形成特征不同的各区域。这种分割方式也称不断合并、直到不能合并为止，最后形成特征不同的各区域。这种分割方式也称区域扩张法。区域扩张法。第17页，共28页，编辑于2022年，星期五在实际应用时，要解决三个问题：在实际应用时，要解决三个问题：1 1）确定区域的数目，也就是选择一组能正确代表所需区域的生长点）确定区域的数目，也就是选择一组能正确代表所需区域的生长点像素；像素；2 2）选择有意义的特征，也就是确定在生长过程中将相邻区域像素包括进来的方）选择有意义的特征，也就是确定在生长过程中将相邻区域像素包括进
17、来的方式；式；3 3）确定相似性准则，即获取生长过程停止的准则。）确定相似性准则，即获取生长过程停止的准则。特征相似性是构成与合并区域的基本准则，相邻性是指所特征相似性是构成与合并区域的基本准则，相邻性是指所取的邻域方式。根据所用的邻域方式和相似性准则的不同，产取的邻域方式。根据所用的邻域方式和相似性准则的不同，产生各种不同的区域生长法。生各种不同的区域生长法。将灰度相关的值作为区域生长准则，区域生长可分为单一将灰度相关的值作为区域生长准则，区域生长可分为单一型型(像素与像素像素与像素)、质心型、质心型(像素与区域像素与区域)和混合型和混合型(区域与区域区域与区域)三种。三种。第18页，共28
18、页，编辑于2022年，星期五 单一型区域生长法原理：单一型区域生长法原理：以图像的某个像素为生长点，将特征相似的相邻像素合并为同一区域；然后以图像的某个像素为生长点，将特征相似的相邻像素合并为同一区域；然后以合并的像素为生长点，重复以上的操作，最终形成具有相似特征的像素的以合并的像素为生长点，重复以上的操作，最终形成具有相似特征的像素的最大连通集合。最大连通集合。q 下面给出以像素灰度为特征进行简单区域生长的步骤。下面给出以像素灰度为特征进行简单区域生长的步骤。(1)(1)对图像进行光栅扫描，找出尚没有归属的像素。当寻找不到这样的像对图像进行光栅扫描，找出尚没有归属的像素。当寻找不到这样的像素
19、时结束操作。素时结束操作。(2)(2)把把这这个个像像素素灰灰度度同同其其周周围围(4-(4-邻邻域域或或8-8-邻邻域域)不不属属于于任任何何一一个个区区域域的的像像素素进进行行比比较较，若若灰灰度度差差值值小小于于某某一一阈阈值值，则则将将它它们们合合并并为为同同一一个个区区域域，并对合并的像素赋予标记。并对合并的像素赋予标记。(3)(3)从新合并的像素开始，反复进行从新合并的像素开始，反复进行(2)(2)的操作，直到区域不能再合并为止。的操作，直到区域不能再合并为止。(4)(4)返回返回(1)(1)操作，寻找能作为新区域出发点的像素。操作，寻找能作为新区域出发点的像素。第19页，共28页
20、，编辑于2022年，星期五 优缺点：优缺点：这种方法简单，但如果区域之间的边缘灰度变化很平缓或边缘交于一这种方法简单，但如果区域之间的边缘灰度变化很平缓或边缘交于一点时，如图点时，如图7-20，两个区域会合并起来。，两个区域会合并起来。解决方法：解决方法：为消除这一点，在步骤为消除这一点，在步骤(2)中不是比较相邻像素灰度，而是比较已存在区域的像中不是比较相邻像素灰度，而是比较已存在区域的像素灰度平均值与该区域邻接的像素灰度值。素灰度平均值与该区域邻接的像素灰度值。区域1区域2灰度区域1区域2（a）平缓的边缘 （b）边缘的缝隙图7-20 边缘对区域扩张的影响第20页，共28页，编辑于2022年
21、，星期五质心型区域生长质心型区域生长与简单区域生长不同，它是比较单个像素的特征与其相邻区域的特征，若相与简单区域生长不同，它是比较单个像素的特征与其相邻区域的特征，若相似则将像素归并到区域中。似则将像素归并到区域中。q操作步骤操作步骤类似简单区域生长法，唯一不同的是在上述类似简单区域生长法，唯一不同的是在上述(2)(2)的操作中，改为比较的操作中，改为比较已存在区域已存在区域的像素灰度平均值的像素灰度平均值与该区域邻接的像素灰度值。若差值小于阈值，则合并。与该区域邻接的像素灰度值。若差值小于阈值，则合并。例子例子：（a）原始图像 （b）第一次生长结果（c）第二次生长结果 （d）最终生长结果图7
22、-21 质心型区域生长第21页，共28页，编辑于2022年，星期五混合型区域生长混合型区域生长把图像分割成小区域，比较相邻小区域的相似性，如果相似则合并。把图像分割成小区域，比较相邻小区域的相似性，如果相似则合并。q下面介绍两种混合型区域生长的方法。下面介绍两种混合型区域生长的方法。1.1.不依赖于起始点的方法不依赖于起始点的方法 (1)(1)设设灰灰度度差差的的阈阈值值为为0 0，用用简简单单区区域域生生长长法法把把具具有有相相同同灰灰度度的的像像素素合合并并到到同同一一区区域域，得到图像的初始分割图像；得到图像的初始分割图像；(2)(2)从分割图像一个小区域开始，求出相邻区域间的灰度差，将
23、差值最小的相邻区域合并；从分割图像一个小区域开始，求出相邻区域间的灰度差，将差值最小的相邻区域合并；(3)(3)重复重复(2)(2)的操作，把区域依次合并。的操作，把区域依次合并。缺点：这种方法若不在适当的阶段停止区域合并，整幅图像经区域生长缺点：这种方法若不在适当的阶段停止区域合并，整幅图像经区域生长的最终结果就会为一个区域。的最终结果就会为一个区域。第22页，共28页，编辑于2022年，星期五2.2.假设检验法假设检验法不依赖于起始点的方法是把灰度差作为区域合并的判定标准，而假设检验法则是根据区域内不依赖于起始点的方法是把灰度差作为区域合并的判定标准，而假设检验法则是根据区域内的灰度分布的
24、相似性进行区域合并。的灰度分布的相似性进行区域合并。具体步骤如下：具体步骤如下：(1)(1)把图像分割成互不交迭的、大小为把图像分割成互不交迭的、大小为 的小区域。的小区域。(2)(2)比比较较相相邻邻小小区区域域的的灰灰度度直直方方图图，如如果果灰灰度度分分布布情情况况都都是是相相似似的的，则则合合并并成一个区域，相似性判断标准可选用下面其中之成一个区域，相似性判断标准可选用下面其中之：(a)Ko1mogorov-Smirnov(a)Ko1mogorov-Smirnov检测标准检测标准:(b)Smoothed-Diffference(b)Smoothed-Diffference检测标准：检测
25、标准：第23页，共28页，编辑于2022年，星期五其中其中H H1 1(g)(g)、H H2 2(g)(g)分别是相邻两区域的累积灰度直方图。在数字图像中，累积灰度分别是相邻两区域的累积灰度直方图。在数字图像中，累积灰度直方图为：直方图为：(3)(3)反复进行反复进行(2)(2)的操作，直至区域不能合并为止。的操作，直至区域不能合并为止。这种方法不仅能分割灰度相同的区域，也能分割纹理性的图像。但采用这种方法难点在这种方法不仅能分割灰度相同的区域，也能分割纹理性的图像。但采用这种方法难点在于于n n如何确定。如何确定。n n太大，则区域形状变得不自然，小的目标就会遗漏；太大，则区域形状变得不自然
26、，小的目标就会遗漏；n n太小，则太小，则(a)(a)和和(b)(b)可靠性下降，导致分割质量差。实际中一般取可靠性下降，导致分割质量差。实际中一般取510510，由于检测标准，由于检测标准(b)(b)的要求比的要求比(a)(a)的的严，采用检测标准严，采用检测标准(b)(b)比用比用(a)(a)会带来更好的结果。会带来更好的结果。第24页，共28页，编辑于2022年，星期五7.4.2 区域分裂与合并区域分裂与合并 区域生长过程是从一组生长点开始，通过不断接纳新像素最后得区域生长过程是从一组生长点开始，通过不断接纳新像素最后得到整个区域。到整个区域。一种替换方法是在开始时将图像分割成一系列任意
27、不相交的区域，一种替换方法是在开始时将图像分割成一系列任意不相交的区域，然后将他们进行合并或分裂得到各个区域。然后将他们进行合并或分裂得到各个区域。在这类方法中，最常用的方法是四叉树分解法：在这类方法中，最常用的方法是四叉树分解法：第25页，共28页，编辑于2022年，星期五 设设R表示整个图像区域，表示整个图像区域，P代表逻辑谓词。对代表逻辑谓词。对R进行分割的一种方法是反复将分割进行分割的一种方法是反复将分割得到的结果图像再次分为四个区域，直到对任何区域得到的结果图像再次分为四个区域，直到对任何区域Ri，有有P(Ri)=TRUE。具体的分割过程：具体的分割过程：从整幅图像开始，如果从整幅图
28、像开始，如果P(Ri)=FALSE，就将图像分割为就将图像分割为4个区域；个区域；对分割后得到的区域，如果依然有对分割后得到的区域，如果依然有P(Ri)=FALSE，就可以将这就可以将这4个区域的每个个区域的每个区域再次分别分割为区域再次分别分割为4个区域，如此类推，直到个区域，如此类推，直到Ri为单个像素。为单个像素。第26页，共28页，编辑于2022年，星期五 如果仅使用分裂，最后得到的分割结果可能包含具有相同性质的相邻如果仅使用分裂，最后得到的分割结果可能包含具有相同性质的相邻区域。为此，可在分裂的同时进行区域合并。区域。为此，可在分裂的同时进行区域合并。合并规则：合并规则：只要只要P(
29、RiU Rj)=TRUE，则可以将两个相邻的区域则可以将两个相邻的区域Ri和和Rj进行合并进行合并。基本的分裂合并算法步骤：基本的分裂合并算法步骤：1）对任何区域对任何区域Ri，如果，如果P(Ri)=FALSE，就将每个区域都分裂为就将每个区域都分裂为4个相连的个相连的不重叠区域；不重叠区域；2）对相邻的两个区域对相邻的两个区域Ri和和Rj，如果满足，如果满足P(RiU Rj)=TRUE则进行合并。合并的则进行合并。合并的两个区域可以大小不同，即不在同一层。当再也没有可以进行合并或分裂的区两个区域可以大小不同，即不在同一层。当再也没有可以进行合并或分裂的区域，则分割操作停止。域，则分割操作停止。第27页，共28页，编辑于2022年，星期五图示区域分裂与合并方法分割图像的步骤图示区域分裂与合并方法分割图像的步骤图中阴影区域为目标，白色区域为背景，其灰度值为常数。图中阴影区域为目标，白色区域为背景，其灰度值为常数。（a）第一次分裂 （b）第二次分裂 （c）第三次分裂 （d）合并分割结果图7-24 区域分裂与合并图像分割法图解第28页，共28页，编辑于2022年，星期五