第5章 圖像分割與邊緣檢測

1、第5章 圖像分割與邊緣檢測1第一章第一章 概概 論論 第二章第二章 數(shù)字圖像處理基礎(chǔ)數(shù)字圖像處理基礎(chǔ) 第三章第三章 VC圖像編程基礎(chǔ)圖像編程基礎(chǔ) 第四章第四章 圖像增強(qiáng)與平滑圖像增強(qiáng)與平滑 第五章第五章 圖像分割與邊緣檢測圖像分割與邊緣檢測 第六章第六章 圖像的幾何變換圖像的幾何變換 第七章第七章 頻域處理頻域處理 第八章第八章 數(shù)學(xué)形態(tài)學(xué)及其應(yīng)用數(shù)學(xué)形態(tài)學(xué)及其應(yīng)用 第九章第九章 圖像特征與理解圖像特征與理解 第十章第十章 圖像編碼圖像編碼 第十一章第十一章 圖像復(fù)原圖像復(fù)原 目目 錄錄第5章 圖像分割與邊緣檢測2預(yù)處理預(yù)處理圖像分割圖像分割特征提取特征提取圖像識別圖像識別圖像理解圖像理解第第

2、5章章 圖像分割與邊緣檢測圖像分割與邊緣檢測第5章 圖像分割與邊緣檢測3圖像分割與特征提取第5章 圖像分割與邊緣檢測4邊緣檢測邊緣檢測第5章 圖像分割與邊緣檢測5邊緣檢測邊緣檢測第5章 圖像分割與邊緣檢測6RS Application in Monitoring the Changes of Landuse(1)第5章 圖像分割與邊緣檢測7RS Application in Monitoring the Changes of Landuse(2)第5章 圖像分割與邊緣檢測8第第5 5章章 圖像分割與邊緣檢測圖像分割與邊緣檢測 5.1 閾值分割閾值分割 5.2 基于區(qū)域的分割基于區(qū)域的分割 5.

3、3 邊緣檢測邊緣檢測 5.4 區(qū)域標(biāo)記與輪廓跟蹤區(qū)域標(biāo)記與輪廓跟蹤 5.5 分水嶺分割分水嶺分割 5.6 投影法與差影法投影法與差影法第5章 圖像分割與邊緣檢測9 5.1 5.1 閾值分割閾值分割5.1.1 5.1.1 概述概述閾值分割閾值分割適用范圍：適用范圍：目標(biāo)和背景占據(jù)不同灰度級范圍的圖像，具有雙峰性質(zhì)。目標(biāo)和背景占據(jù)不同灰度級范圍的圖像，具有雙峰性質(zhì)。 方法：方法：把圖像灰度分成不同的等級，然后設(shè)置灰度門限（閾值把圖像灰度分成不同的等級，然后設(shè)置灰度門限（閾值T T ），用），用T T將圖像分為將圖像分為2 2個或多個部分，從而確定有意義的區(qū)域或分割物體的邊界。個或多個部分，從而確定

4、有意義的區(qū)域或分割物體的邊界。假設(shè)前提：假設(shè)前提： 1. 圖像目標(biāo)或背景內(nèi)部的相鄰像素間的灰度值是圖像目標(biāo)或背景內(nèi)部的相鄰像素間的灰度值是高度相關(guān)高度相關(guān)的的. 2.目標(biāo)與背景之間的邊界兩側(cè)像素的灰度值差別很大，目標(biāo)與背景之間的邊界兩側(cè)像素的灰度值差別很大， 圖像目標(biāo)與背景圖像目標(biāo)與背景的灰度分布都是的灰度分布都是單峰單峰的。的。 用途：用途： 閾值分割常用做圖像的閾值分割常用做圖像的二值化二值化處理，即選擇一閾值，將圖像轉(zhuǎn)換為黑白二處理，即選擇一閾值，將圖像轉(zhuǎn)換為黑白二值圖像，用于圖像分割及邊緣跟蹤等預(yù)處理值圖像，用于圖像分割及邊緣跟蹤等預(yù)處理. 第5章 圖像分割與邊緣檢測10閾值化處理的變

5、換函數(shù)表達(dá)式閾值化處理的變換函數(shù)表達(dá)式: TyxfTyxfyxg),(0),(255),(2550T255gf圖5-2(a) 閾值變換曲線 TyxfTyxfyxg),(255),(0),(TyxfTyxfyxg),(0),(1),(第5章 圖像分割與邊緣檢測11其它255),(0),(21TyxfTyxg其它0),(255),(21TyxfTyxg2550 T1 T2 255 fg2550 T1 T2 255 fg圖5-2(b) 閾值變換曲線 第5章 圖像分割與邊緣檢測12有多個目標(biāo)且灰度差別較大時，有多個目標(biāo)且灰度差別較大時， 可以設(shè)置多個閾值可以設(shè)置多個閾值mkkTyxfKkTyxfTkT

6、yxfyxg),(2551, 2 , 1 ),(),(0),(11多閾值分割多閾值分割第5章 圖像分割與邊緣檢測13 注意：注意： 閾值的選取不能過大或過?。洪撝档倪x取不能過大或過?。?閾值過大，閾值過大， 會過多地把背景像素錯分為目標(biāo)；會過多地把背景像素錯分為目標(biāo)； 閾值過小，又會過多地把目標(biāo)像素錯分為背景。閾值過小，又會過多地把目標(biāo)像素錯分為背景。 例如：例如：第5章 圖像分割與邊緣檢測14圖圖5-3 不同閾值對閾值化結(jié)果的影響不同閾值對閾值化結(jié)果的影響原始圖像；原始圖像； (b) 閾值閾值T=91； (a) (c) 閾值閾值T=130； (d) 閾值閾值T=43(a)(b)(c)(d)圖

7、5-4 細(xì)胞圖像的直方圖 背景目標(biāo)第5章 圖像分割與邊緣檢測15確定閾值的方法確定閾值的方法閾值僅與各個像素的灰度有關(guān)閾值僅與各個像素的灰度有關(guān)閾值與像素本身及其局部性質(zhì)閾值與像素本身及其局部性質(zhì)(如如鄰域的平均灰度值鄰域的平均灰度值)有關(guān)有關(guān)全局閾值：全局閾值：局部閾值：局部閾值：閾值閾值動態(tài)閾值：動態(tài)閾值：/自適應(yīng)閾值自適應(yīng)閾值閾值不僅與局部性質(zhì)有關(guān)，閾值不僅與局部性質(zhì)有關(guān)， 還還與像素的位置有關(guān)與像素的位置有關(guān)第5章 圖像分割與邊緣檢測16 當(dāng)圖像目標(biāo)與背景之間具有當(dāng)圖像目標(biāo)與背景之間具有高對比度高對比度時，利用全局閾時，利用全局閾值可以成功地分割圖像。值可以成功地分割圖像。5.1.2

8、全局閾值全局閾值圖5-2 直方圖具有雙峰性質(zhì)的閾值分割 第5章 圖像分割與邊緣檢測17極小點閾值法極小點閾值法迭代閾值法迭代閾值法最優(yōu)閾值法最優(yōu)閾值法Otsu閾值法閾值法最大熵法最大熵法 p參數(shù)法等參數(shù)法等 確定全局閾值的方法確定全局閾值的方法第5章 圖像分割與邊緣檢測181 極小點閾值法極小點閾值法將直方圖的包絡(luò)線看做一條曲線，求曲線的將直方圖的包絡(luò)線看做一條曲線，求曲線的極小值，極小值，找找 到直方圖的谷底點，將其作為分割閾值。到直方圖的谷底點，將其作為分割閾值。 設(shè)設(shè) p(z) 代表直方圖，極小點應(yīng)滿足：代表直方圖，極小點應(yīng)滿足： p(z)=0 且且 p(z)0 第5章 圖像分割與邊緣檢

9、測192 迭代閾值法迭代閾值法1 1）基本思想基本思想： 開始時選擇一個開始時選擇一個閾值閾值作為初始估計值，然后按某種作為初始估計值，然后按某種策略策略不斷地改進(jìn)不斷地改進(jìn)這一估計值，直到滿足給定的準(zhǔn)則為止。這一估計值，直到滿足給定的準(zhǔn)則為止。 注意：在迭代過程中，關(guān)鍵之處在于選擇什么樣的閾值改進(jìn)策略，注意：在迭代過程中，關(guān)鍵之處在于選擇什么樣的閾值改進(jìn)策略，好的閾值的改進(jìn)策略應(yīng)該具備兩個特征，一是能夠快速收斂，二是好的閾值的改進(jìn)策略應(yīng)該具備兩個特征，一是能夠快速收斂，二是在每一個迭代過程中，新產(chǎn)生閾值優(yōu)于上一次的閾值。在每一個迭代過程中，新產(chǎn)生閾值優(yōu)于上一次的閾值。 第5章 圖像分割與邊緣

10、檢測20 (1) 選擇一個選擇一個初始閾值初始閾值T1（通常取中間值）。（通常取中間值）。(2) 根據(jù)閾值根據(jù)閾值T1將圖像分割為將圖像分割為G1和和G2兩部分。分別求出兩部分。分別求出G1和和G2的的平均灰度值平均灰度值1和和2。(3) 計算計算新的閾值新的閾值 T2=(1+2)/2。(4) 如果如果|T2-T1|T0(T0為預(yù)先指定的很小的正數(shù)為預(yù)先指定的很小的正數(shù))，即迭代過程中，即迭代過程中前后兩次閾值很接近時，終止迭代，否則前后兩次閾值很接近時，終止迭代，否則T1= T2，重復(fù)，重復(fù)(2)和和(3)。最后。最后的的T2就是所求的閾值。就是所求的閾值。 101210,iiiiLTiii

11、 TiTLiii Tiininuunnni ：灰度為：灰度為i的像素個數(shù)的像素個數(shù)第5章 圖像分割與邊緣檢測21 設(shè)定常數(shù)設(shè)定常數(shù)T0的目的是為了加快迭代速度，如果不關(guān)心的目的是為了加快迭代速度，如果不關(guān)心迭代速度，則可以設(shè)置迭代速度，則可以設(shè)置T0 0。 當(dāng)目標(biāo)與背景的面積相當(dāng)時，可以將初始閾值當(dāng)目標(biāo)與背景的面積相當(dāng)時，可以將初始閾值T1置置為整幅圖像的為整幅圖像的平均灰度平均灰度。 當(dāng)目標(biāo)與背景的面積相差較大時，更好的選擇是將初當(dāng)目標(biāo)與背景的面積相差較大時，更好的選擇是將初始閾值始閾值T1置為最大灰度值與最小灰度值的置為最大灰度值與最小灰度值的中間值中間值。說明：說明：第5章 圖像分割與邊

12、緣檢測22迭代式閾值二值化圖像適用范圍：適用范圍：對于直方圖雙峰明顯，谷底較深的圖像，迭代方法可以較快地獲得滿對于直方圖雙峰明顯，谷底較深的圖像，迭代方法可以較快地獲得滿意結(jié)果。但是對于直方圖雙峰不明顯，或圖像目標(biāo)和背景比例差異大，意結(jié)果。但是對于直方圖雙峰不明顯，或圖像目標(biāo)和背景比例差異大，迭代法效果不好。迭代法效果不好。 第5章 圖像分割與邊緣檢測233 最優(yōu)閾值法最優(yōu)閾值法 當(dāng)目標(biāo)與背景的灰度值有部分相同時，用一個全局閾值當(dāng)目標(biāo)與背景的灰度值有部分相同時，用一個全局閾值會出現(xiàn)分割誤差。一部分目標(biāo)像素被錯分為背景，一部分會出現(xiàn)分割誤差。一部分目標(biāo)像素被錯分為背景，一部分背景像素被錯分為目標(biāo)

13、。背景像素被錯分為目標(biāo)。 基本思想：基本思想： 選擇一個閾值，使總的選擇一個閾值，使總的分類誤差概率最小分類誤差概率最小。第5章 圖像分割與邊緣檢測24F 方法：方法：假定圖像中僅包含兩類主要的灰度區(qū)域假定圖像中僅包含兩類主要的灰度區(qū)域(目標(biāo)和背景目標(biāo)和背景)，z：灰度值，：灰度值， p(z) ：混合概率密度：混合概率密度P1：背景像素出現(xiàn)的概率，背景像素出現(xiàn)的概率，P2：目標(biāo)像素出現(xiàn)的概率：目標(biāo)像素出現(xiàn)的概率(P1+P2=1)。 p1(z)：背景的概率密度函數(shù)：背景的概率密度函數(shù)p2(z) ：目標(biāo)的概率密度函數(shù)，：目標(biāo)的概率密度函數(shù)，混合概率密度函數(shù)混合概率密度函數(shù)p(z)：)()()(22

14、11zpPzpPzp第5章 圖像分割與邊緣檢測25把目標(biāo)像素分割為背景的誤差概率把目標(biāo)像素分割為背景的誤差概率E1(T)為為 TdzzpTE)()(21把背景像素分割為目標(biāo)的誤差概率把背景像素分割為目標(biāo)的誤差概率E2(T)為為 TdzzpTE)()(12灰度概率密度函數(shù)灰度概率密度函數(shù) 背景背景目標(biāo)目標(biāo)第5章 圖像分割與邊緣檢測26總的誤差概率總的誤差概率E(T)為為 )()()(2112TEPTEPTE將將E(T)對對T求導(dǎo)并使其導(dǎo)數(shù)為求導(dǎo)并使其導(dǎo)數(shù)為0當(dāng)當(dāng)P1=P2時，灰度概率密度函數(shù)時，灰度概率密度函數(shù)p1(z)與與p2(z)的交點對應(yīng)的灰的交點對應(yīng)的灰度值就是所求的最優(yōu)閾值度值就是所求

15、的最優(yōu)閾值T。 )()(1221TpPTpP第5章 圖像分割與邊緣檢測27事實上事實上，目標(biāo)與背景像素的出現(xiàn)概率，目標(biāo)與背景像素的出現(xiàn)概率P1和和P2，和兩者，和兩者的概率密度函數(shù)的概率密度函數(shù)p1(z)與與p2(z)，往往未知，需要估計，但是，往往未知，需要估計，但是很很難估計難估計。 所以，一般假設(shè)目標(biāo)與背景的灰度均服從所以，一般假設(shè)目標(biāo)與背景的灰度均服從高斯高斯分布，可分布，可以簡化估計。以簡化估計。第5章 圖像分割與邊緣檢測282222212122221122)(zzePePzp代入式代入式 可得可得 02CBTAT)()(1221TpPTpPPPCBA1222212122222121

16、22212221ln22其中其中)()(1221TpPTpP第5章 圖像分割與邊緣檢測291) 若若12，有兩個解，確定一個最優(yōu)閾值。，有兩個解，確定一個最優(yōu)閾值。2) 若若1=2=，只有一個最優(yōu)閾值：，只有一個最優(yōu)閾值： l若若P1=P2，則則 ，即最優(yōu)閾值為目標(biāo)的平均灰度與，即最優(yōu)閾值為目標(biāo)的平均灰度與背景的背景的平均灰度的平均灰度的中值中值。1221221ln2PPT02CBTAT對于對于第5章 圖像分割與邊緣檢測30Otsu法法 確定最佳閾值的準(zhǔn)則：確定最佳閾值的準(zhǔn)則： 使閾值分割后各個像素類的使閾值分割后各個像素類的類內(nèi)方差最小類內(nèi)方差最小，或，或類間方類間方差最大差最大。 類內(nèi)方差

17、最小類內(nèi)方差最小=類間方差最大，因為類間方差與類內(nèi)方類間方差最大，因為類間方差與類內(nèi)方差之和即整幅圖像的方差，是一個常數(shù)。分割的目的就是差之和即整幅圖像的方差，是一個常數(shù)。分割的目的就是要使類別之間的差別最大，類內(nèi)之間的差別最小。要使類別之間的差別最大，類內(nèi)之間的差別最小。第5章 圖像分割與邊緣檢測31設(shè)圖像總像素數(shù)為設(shè)圖像總像素數(shù)為N，灰度級總數(shù)為，灰度級總數(shù)為L，灰度值為，灰度值為i的像的像素數(shù)為素數(shù)為Ni。令。令(k)和和(k)分別表示從灰度級分別表示從灰度級0到灰度級到灰度級k的像的像素的出現(xiàn)概率和平均灰度，分別表示為素的出現(xiàn)概率和平均灰度，分別表示為 kiiNNk0)(kiiNNik

18、0)(5-15) (5-16) 則，所有像素的總概率為則，所有像素的總概率為(L-1)=1，圖像的平均灰度，圖像的平均灰度為為T=(L-1)。 第5章 圖像分割與邊緣檢測32設(shè)有設(shè)有M-1個閾值個閾值(0t1t2tM-1L-1)，將圖像分成，將圖像分成M個個像素類像素類Cj(Cjtj-1+1，tj； j=1，2，M； t0=0，tM=L-1)，則，則Cj的出現(xiàn)概率的出現(xiàn)概率j、平均灰度、平均灰度j和方差和方差j2為為: )()(1jjjtt)()()()(11jjjjjttttjjttijjjii1221)(5-17) (5-18) (5-19) 第5章 圖像分割與邊緣檢測33由此可得類內(nèi)方差

19、為由此可得類內(nèi)方差為MjjjMWttt121212),(5-20) 各類的類間方差為各類的類間方差為MjTjjMBttt121212)(),(5-21) 將使式將使式(5-20)最小或使式最小或使式(5-21)最大的閾值組最大的閾值組(t1，t2， ，tM1)作為作為M閾值化的最佳閾值組。若取閾值化的最佳閾值組。若取M為為2，即分割，即分割成成2類，則可用上述方法求出二值化的最佳閾值。類，則可用上述方法求出二值化的最佳閾值。 第5章 圖像分割與邊緣檢測34第5章 圖像分割與邊緣檢測35第5章 圖像分割與邊緣檢測365. p參數(shù)法參數(shù)法基本思想：基本思想： 選取一個閾值選取一個閾值T，使得目標(biāo)面

20、積在圖像中占的比例為，使得目標(biāo)面積在圖像中占的比例為p，背景所占的，背景所占的比例為比例為1-p。 適用范圍：事先已知目標(biāo)所占全圖像百分比。適用范圍：事先已知目標(biāo)所占全圖像百分比。例：若一幅圖像由亮背景和黑目標(biāo)組成，已知目標(biāo)占圖像的例：若一幅圖像由亮背景和黑目標(biāo)組成，已知目標(biāo)占圖像的(100p)%面積。在圖像直方圖上找到合適的閾值面積。在圖像直方圖上找到合適的閾值T，f(x,y)=T的象素為背景，將選作用于二值的象素為背景，將選作用于二值化處理的閾值。化處理的閾值。 優(yōu)點：簡單高效優(yōu)點：簡單高效缺點：如果圖像的先驗概率難于估計則無法處理缺點：如果圖像的先驗概率難于估計則無法處理第5章 圖像分割

21、與邊緣檢測37適用范圍：適用范圍： 1. 圖像含有圖像含有噪聲時噪聲時，直方圖雙峰之間的波谷被填充或者雙峰相距很，直方圖雙峰之間的波谷被填充或者雙峰相距很近，用全局閾值法無法檢出近，用全局閾值法無法檢出T。 2. 當(dāng)圖像目標(biāo)與背景當(dāng)圖像目標(biāo)與背景面積差別很大面積差別很大時，在直方圖上較小的一方被另時，在直方圖上較小的一方被另一方淹沒，難以檢測到波谷。一方淹沒，難以檢測到波谷。解決方法：解決方法： 利用像素自身的性質(zhì)，和利用像素自身的性質(zhì)，和像素鄰域的局部性質(zhì)像素鄰域的局部性質(zhì)(如像素的梯度值與拉如像素的梯度值與拉普拉斯值普拉斯值)來確定閾值，這就是來確定閾值，這就是局部閾值局部閾值。 常用的方

22、法：常用的方法：直方圖變換法和散射圖法直方圖變換法和散射圖法。5.1.3 局部閾值局部閾值第5章 圖像分割與邊緣檢測38 1. 1. 直方圖變換法直方圖變換法基本思想：基本思想： 利用像素的某種局部性質(zhì)，將原來的直方圖變換成具利用像素的某種局部性質(zhì)，將原來的直方圖變換成具有有更深波谷更深波谷的直方圖，或者使的直方圖，或者使波谷變換成波峰波谷變換成波峰，使得谷點，使得谷點或峰點更易檢測到?；蚍妩c更易檢測到。 由微分算子的性質(zhì)可以推知，目標(biāo)與背景內(nèi)部像素的由微分算子的性質(zhì)可以推知，目標(biāo)與背景內(nèi)部像素的梯度小，而目標(biāo)與背景之間的邊界像素的梯度大。于是，梯度小，而目標(biāo)與背景之間的邊界像素的梯度大。于是

23、，可以根據(jù)像素的梯度值或灰度級的平均梯度作出一個可以根據(jù)像素的梯度值或灰度級的平均梯度作出一個加權(quán)加權(quán)直方圖。直方圖。第5章 圖像分割與邊緣檢測39例如，可以作出僅具有低梯度值像素的直方圖，即對梯度大的像素例如，可以作出僅具有低梯度值像素的直方圖，即對梯度大的像素賦予權(quán)值賦予權(quán)值0，而梯度小的像素賦予權(quán)值，而梯度小的像素賦予權(quán)值1。 這樣，新直方圖中對應(yīng)的波峰基本不變，但因為減少了邊界點，所這樣，新直方圖中對應(yīng)的波峰基本不變，但因為減少了邊界點，所以波谷應(yīng)比原直方圖更深。以波谷應(yīng)比原直方圖更深。 也可賦予相反的權(quán)值，作出僅具有高梯度值的像素的直方圖，它的也可賦予相反的權(quán)值，作出僅具有高梯度值的

24、像素的直方圖，它的一個峰主要由邊界像素構(gòu)成，對應(yīng)峰的灰度級可作為分割閾值。一個峰主要由邊界像素構(gòu)成，對應(yīng)峰的灰度級可作為分割閾值。第5章 圖像分割與邊緣檢測40圖圖5-4 灰度級平均梯度變換直方圖及分割結(jié)果灰度級平均梯度變換直方圖及分割結(jié)果 圖圖5-4(a)是圖是圖5-2(a)的直方圖；的直方圖； 圖圖5-4(b)是原直方圖是原直方圖除以除以對應(yīng)灰度級的平均梯對應(yīng)灰度級的平均梯度得到的新的直方圖，可見波谷更深、波峰更高。利用度得到的新的直方圖，可見波谷更深、波峰更高。利用Otsu法由新直方圖求法由新直方圖求得新的最佳閾值為得新的最佳閾值為132，圖，圖5-4(c)是新的分割結(jié)果。是新的分割結(jié)果

25、。第5章 圖像分割與邊緣檢測41散射圖也可看做是一個二維直方圖，其橫軸表示灰度散射圖也可看做是一個二維直方圖，其橫軸表示灰度值，縱軸表示某種局部性質(zhì)值，縱軸表示某種局部性質(zhì)(如梯度如梯度)，圖中各點的數(shù)值是，圖中各點的數(shù)值是同時具有某個灰度值與梯度值的像素個數(shù)。同時具有某個灰度值與梯度值的像素個數(shù)。2. 散射圖法散射圖法第5章 圖像分割與邊緣檢測42圖5-5 圖像的灰度和梯度散射圖 圖圖5-5(b)是對圖是對圖5-5(a)作出的灰度和梯度散射圖的一部分，只取實際散射圖作出的灰度和梯度散射圖的一部分，只取實際散射圖左下角左下角12832大小的區(qū)域并放大大小的區(qū)域并放大3倍，其它部分均為黑色。散射

26、圖中某點倍，其它部分均為黑色。散射圖中某點的顏色越亮，表示圖像中同時具有與該點坐標(biāo)對應(yīng)的灰度值和梯度值的像的顏色越亮，表示圖像中同時具有與該點坐標(biāo)對應(yīng)的灰度值和梯度值的像素越多。素越多。第5章 圖像分割與邊緣檢測43由圖可見，散射圖中有兩個接近橫軸且沿橫軸相互分開的較大的亮由圖可見，散射圖中有兩個接近橫軸且沿橫軸相互分開的較大的亮色聚類，分別對應(yīng)目標(biāo)與背景的內(nèi)部像素。離橫軸稍遠(yuǎn)的地方有一些較色聚類，分別對應(yīng)目標(biāo)與背景的內(nèi)部像素。離橫軸稍遠(yuǎn)的地方有一些較暗的點，位于兩個亮色聚類之間，它們對應(yīng)目標(biāo)與背景邊界上的像素點。暗的點，位于兩個亮色聚類之間，它們對應(yīng)目標(biāo)與背景邊界上的像素點。如果圖像中存在噪

27、聲，則它們在散射圖中位于離橫軸較遠(yuǎn)的地方。如果如果圖像中存在噪聲，則它們在散射圖中位于離橫軸較遠(yuǎn)的地方。如果在散射圖中將兩個聚類分開，根據(jù)每個聚類的灰度值和梯度值就可以實在散射圖中將兩個聚類分開，根據(jù)每個聚類的灰度值和梯度值就可以實現(xiàn)圖像的分割。現(xiàn)圖像的分割。散射圖中，聚類的形狀與圖像像素的相關(guān)程度有關(guān)。如果目標(biāo)與背散射圖中，聚類的形狀與圖像像素的相關(guān)程度有關(guān)。如果目標(biāo)與背景內(nèi)部的像素都有較強(qiáng)的相關(guān)性，則各個聚類會很集中，且接近橫軸，景內(nèi)部的像素都有較強(qiáng)的相關(guān)性，則各個聚類會很集中，且接近橫軸，否則會遠(yuǎn)離橫軸。否則會遠(yuǎn)離橫軸。第5章 圖像分割與邊緣檢測44適用范圍：適用范圍： 圖像光照不均勻時

28、，背景的灰度值不恒定，目標(biāo)與背景圖像光照不均勻時，背景的灰度值不恒定，目標(biāo)與背景的對比度也有變化，圖像中還可能存在不同的陰影。的對比度也有變化，圖像中還可能存在不同的陰影。 如果只使用單一的全局閾值對整幅圖像進(jìn)行分割，則某如果只使用單一的全局閾值對整幅圖像進(jìn)行分割，則某些區(qū)域的分割效果好，而另外一些區(qū)域的分割效果可能很些區(qū)域的分割效果好，而另外一些區(qū)域的分割效果可能很差。差。5.1.4 動態(tài)閾值動態(tài)閾值第5章 圖像分割與邊緣檢測45解決方法：解決方法： 使閾值隨圖像中的位置變化，不同區(qū)域使閾值隨圖像中的位置變化，不同區(qū)域使用不同的閾值。使用不同的閾值。 1) 分解圖像為多個子圖像。子圖像目標(biāo)與

29、背景的對比度也分解圖像為多個子圖像。子圖像目標(biāo)與背景的對比度也更一致更一致 2) 選用全局閾值方法確定各個子圖像的閾值。選用全局閾值方法確定各個子圖像的閾值。第5章 圖像分割與邊緣檢測46圖圖5-6(a)中各圓形目標(biāo)與背景的對比度不一致，左上角的目標(biāo)與背景的中各圓形目標(biāo)與背景的對比度不一致，左上角的目標(biāo)與背景的對比度很小。圖對比度很小。圖(b)為用為用Otsu法全局閾值化的結(jié)果。圖法全局閾值化的結(jié)果。圖(c)用分區(qū)網(wǎng)格，用分區(qū)網(wǎng)格，它把原始圖像均勻地分解為它把原始圖像均勻地分解為16幅子圖像。對每幅子圖像單獨使用幅子圖像。對每幅子圖像單獨使用Otsu閾閾值法進(jìn)行分割，分割結(jié)果如圖值法進(jìn)行分割，

30、分割結(jié)果如圖(d)所示。由圖可見，左上角的目標(biāo)被清所示。由圖可見，左上角的目標(biāo)被清晰地從背景中分離出來。晰地從背景中分離出來。圖圖5-6 自適應(yīng)閾值分割自適應(yīng)閾值分割 第5章 圖像分割與邊緣檢測47一個動態(tài)閾值方法的基本步驟：一個動態(tài)閾值方法的基本步驟： (1) 將整幅圖像分解成一系列相互之間有將整幅圖像分解成一系列相互之間有50%重疊的子圖重疊的子圖像。像。(2) 檢測各子圖像的直方圖是否具有雙峰性質(zhì)。如果是檢測各子圖像的直方圖是否具有雙峰性質(zhì)。如果是, 則采用最優(yōu)閾值法確定該子圖像的閾值，否則不進(jìn)行處理。則采用最優(yōu)閾值法確定該子圖像的閾值，否則不進(jìn)行處理。(3) 根據(jù)已得到的部分子圖像的閾

31、值，插值得到其它不具根據(jù)已得到的部分子圖像的閾值，插值得到其它不具備雙峰性質(zhì)的子圖像的閾值。備雙峰性質(zhì)的子圖像的閾值。(4) 根據(jù)各子圖像的閾值插值得到所有像素的閾值。對于根據(jù)各子圖像的閾值插值得到所有像素的閾值。對于每個像素，如果其灰度值大于該點處的閾值，則分為目標(biāo)像每個像素，如果其灰度值大于該點處的閾值，則分為目標(biāo)像素，否則分為背景像素。素，否則分為背景像素。第5章 圖像分割與邊緣檢測485.2 5.2 基于區(qū)域的分割基于區(qū)域的分割區(qū)域分割算法區(qū)域分割算法FF 閾值分割法沒有或很少考慮空間關(guān)系，使閾值選擇受到限制閾值分割法沒有或很少考慮空間關(guān)系，使閾值選擇受到限制FF 區(qū)域的分割方法考慮圖

32、像中像素的位置，它利用的是圖像的空間性質(zhì)區(qū)域的分割方法考慮圖像中像素的位置，它利用的是圖像的空間性質(zhì)，認(rèn)為分割出來的屬于同一區(qū)域的像素應(yīng)具有相似的性質(zhì)。，認(rèn)為分割出來的屬于同一區(qū)域的像素應(yīng)具有相似的性質(zhì)。FF 傳統(tǒng)傳統(tǒng)的的區(qū)域分割算法區(qū)域分割算法有有區(qū)域生長法區(qū)域生長法和和區(qū)域分裂合并法區(qū)域分裂合并法。該類方法。該類方法在沒在沒有先驗知識可以利用時，有先驗知識可以利用時，對含有復(fù)雜場景或自然景物等先驗知識不足對含有復(fù)雜場景或自然景物等先驗知識不足的圖像進(jìn)行分割，的圖像進(jìn)行分割，也可以取得較好的性能也可以取得較好的性能。但是，空間和時間開銷都但是，空間和時間開銷都比較大。比較大。 第5章 圖像分

33、割與邊緣檢測49 5.2.1 5.2.1 區(qū)域生長區(qū)域生長 區(qū)域生長的目的是把一幅圖像劃分成一些區(qū)域。最直接區(qū)域生長的目的是把一幅圖像劃分成一些區(qū)域。最直接的方法就是把一些的方法就是把一些相似性相似性的點組成區(qū)域。相似性準(zhǔn)則可以是的點組成區(qū)域。相似性準(zhǔn)則可以是灰度級、彩色、紋理、梯度或其他特性，相似度可用閾值來灰度級、彩色、紋理、梯度或其他特性，相似度可用閾值來判定。判定。 選取的種子像素可以是單個像素，也可以是包含若干個選取的種子像素可以是單個像素，也可以是包含若干個像素的小區(qū)域。種子像素的選取一般需要先驗知識，若沒有像素的小區(qū)域。種子像素的選取一般需要先驗知識，若沒有則可借助生長準(zhǔn)則對每個像素進(jìn)行相應(yīng)計算。則可借助生長準(zhǔn)則對每個像素進(jìn)行相應(yīng)計算。第5章 圖像分割與邊緣檢測50區(qū)域生長的區(qū)域生長的步驟步驟：1. 從要分割區(qū)域找種子（已知）點。從要分割區(qū)域找種子（已知）點。2. 從種子點開始，找鄰域中有相同或相似性質(zhì)的像素點，從種子點開始，找鄰域中有相同或相似性質(zhì)的像素點，合并到種子點所在區(qū)域，從而逐步增長區(qū)域。合并到種子點所在區(qū)域，從而逐步增長區(qū)域。3. 將新的像素點作為新的種子點重復(fù)將新的像素點作為新的種子點重復(fù)24. 直到?jīng)]有可接受的鄰近點生成，過程終止。直到?jīng)]有可接受的鄰近點生成，過程終