數(shù)字圖像處理第6章

1、數(shù)數(shù) 字字 圖圖 像像 處處 理理第六章第六章 圖像分割圖像分割圖像分割門(mén)限法邊緣檢測(cè)區(qū)域生長(zhǎng)分裂與合并分水嶺方法圖像分割一般的圖像處理過(guò)程圖像輸入光電轉(zhuǎn)換數(shù)字化圖像增強(qiáng)圖像恢復(fù)圖像編碼預(yù)處理閾值分割邊緣檢測(cè)區(qū)域分割圖像分割圖像識(shí)別圖像分析理解描述解釋特征提取圖像分割v在對(duì)圖像的研究和應(yīng)用中，往往對(duì)圖像中的部分區(qū)域感興趣，這些區(qū)域被稱(chēng)為前景或目標(biāo)具有獨(dú)特性質(zhì)的區(qū)域。v定義：把圖像劃分為不相交的有意義的區(qū)域，同一區(qū)域內(nèi)的像素反映了目標(biāo)的一致性屬性（同一性）。v在無(wú)任何先驗(yàn)知識(shí)的情況下，一致性的依據(jù)和準(zhǔn)則取決于圖像的灰度和顏色。v圖像分割（Image segmentation）是圖像分析中的關(guān)鍵技

2、術(shù)由于目標(biāo)特征不均勻，場(chǎng)景復(fù)雜，圖像中有噪聲等原因分割困難。v圖像分割方法一般是基于像素的兩個(gè)特性之一：不連續(xù)性和相似性。不連續(xù)性：指不同區(qū)域之間像素值差別比較大，在邊界上具有某種不連續(xù)性基于不連續(xù)性的分割方法相似性：指區(qū)域內(nèi)部象像素值之間具備一定的相似性基于區(qū)域的分割方法圖像分割門(mén)限法一、基于不連續(xù)性的分割方法1 1、門(mén)限法（閾值分割）、門(mén)限法（閾值分割）( , )( , )( , )EBLf x yTg x yLf x yT閾值T 的選擇 基于直方圖單目標(biāo)和背景，單一門(mén)限多個(gè)目標(biāo)和背景，多門(mén)限圖像分割門(mén)限法圖像分割門(mén)限法圖像分割門(mén)限法自動(dòng)計(jì)算閾值T：（1）選擇一個(gè)T的初始估計(jì)值。（2） 用

3、T分割圖像，G1由所有灰度值大于T的像素組成，G2由所有小于或等于T的像素組成。（3）對(duì)區(qū)域G1和G2中的所有像素計(jì)算平均灰度值1和2 。（4）計(jì)算新的門(mén)限值： （5）重復(fù)步驟2到4，直到逐次迭代得到的T值之差小于某個(gè)小量（收斂）。動(dòng)態(tài)門(mén)限（自適應(yīng)門(mén)限） 由于光照不均勻，導(dǎo)致圖像整體有明暗分布（但目標(biāo)與背景的相對(duì)灰度有差異）將圖像劃分成子區(qū)域（或用移動(dòng)窗）對(duì)子區(qū)域進(jìn)行局部門(mén)限分割。2121T圖像分割門(mén)限法(a)原圖；(b)全局門(mén)限分割結(jié)果；(c) 圖像劃分成子區(qū)域；(d)自適應(yīng)門(mén)限分割結(jié)果。abcd門(mén)限法的缺點(diǎn)圖像分割門(mén)限法最優(yōu)門(mén)限的選取 zpPzpPzp2211 多數(shù)情況下，目標(biāo)和背景的灰度

4、分布有重疊。若二者的灰度分布的概率密度函數(shù)已知，則可以選擇門(mén)限使得錯(cuò)誤概率最?。ńy(tǒng)計(jì)最優(yōu)）。圖像整體灰度級(jí)變化的總概率密度函數(shù)：圖像中兩個(gè)區(qū)域的灰度級(jí)概率密度函數(shù)（P1和P2是兩類(lèi)象素出現(xiàn)的概率）目標(biāo)背景圖像分割門(mén)限法 dzzpTET21 TEPTEPTE2112 TpPTpP2211 dzzpTET12將一個(gè)背景點(diǎn)當(dāng)作目標(biāo)點(diǎn)進(jìn)行分類(lèi)時(shí)，錯(cuò)誤概率為：將一個(gè)目標(biāo)點(diǎn)當(dāng)作背景點(diǎn)進(jìn)行分類(lèi)時(shí)，錯(cuò)誤概率為:出錯(cuò)率的整體概率是：對(duì)E(T)求導(dǎo)并令導(dǎo)數(shù)為0，得解出的T即為最佳門(mén)限。如果P1=P2，則最佳門(mén)限位于P1(z)和P2(z)的交點(diǎn)處。(6-1-1-1)圖像分割門(mén)限法從T的表達(dá)式知，為了求取T，需要知道

5、兩個(gè)概率密度。在現(xiàn)實(shí)中并不是總可以對(duì)這兩個(gè)密度進(jìn)行估計(jì)。通常的做法是利用參數(shù)化模型。例如?？紤]使用高斯密度： 2222212122221122zzePePzp02CBTAT將該方程用于(6-1-1-1)得下列門(mén)限T的解：2221A2122212B2112222121222221ln2PPC其中圖像分割邊緣檢測(cè)2 2、邊緣檢測(cè)、邊緣檢測(cè) 兩個(gè)具有不同灰度值的相鄰區(qū)域之間總存在灰度邊緣，而灰度邊緣是灰度值不連續(xù)（或突變）的結(jié)果。常用一階和二階導(dǎo)數(shù)來(lái)檢測(cè)邊緣（通過(guò)設(shè)置閾值將邊緣像素與非邊緣像素二值化）。邊緣模型：階躍邊緣漸變邊緣圖像分割邊緣檢測(cè)一階導(dǎo)數(shù)可以用于檢測(cè)圖像中的一個(gè)點(diǎn)是否是邊緣點(diǎn)；二階導(dǎo)數(shù)

6、的符號(hào)可以判斷一個(gè)邊緣像素的位置。圖像分割邊緣檢測(cè)圖中第一列的圖像顯示了4個(gè)斜坡邊緣的特寫(xiě)，分別被均值為0且= 0,0.1,1,10 的隨機(jī)高斯噪聲污染。第二列是一階導(dǎo)數(shù)圖像和灰度級(jí)剖面線。第三列為二階導(dǎo)數(shù)圖像和灰度級(jí)剖面線。噪聲的影響噪聲的影響圖像分割邊緣檢測(cè)邊緣檢測(cè)算子： Prewitt算子算子 Roberts算子算子 Sobel算子算子圖像分割邊緣檢測(cè)用于檢測(cè)對(duì)角線方向上突變的用于檢測(cè)對(duì)角線方向上突變的Prewitt和和Sobel模板模板圖像分割邊緣檢測(cè)(a)原圖，(b) x方向上的梯度分量|Gx| ，(c) y方向上的梯度分量|Gy|，(d)梯度圖像|Gx|+|Gy|abcd y x圖

7、像分割邊緣檢測(cè)（采用55的均值濾波器預(yù)先進(jìn)行了平滑處理的結(jié)果）圖像分割邊緣檢測(cè)對(duì)角方向邊緣檢測(cè)。(a)用Sobel +45模板。(b)用Sobel -45模板。從圖中可以看到兩個(gè)模板對(duì)水平和垂直的邊緣具有相似的響應(yīng)，但要比在這兩個(gè)方向上的水平和垂直模板的響應(yīng)要弱。圖像分割邊緣檢測(cè) Laplacian算子算子一階導(dǎo)數(shù)的局部最大值對(duì)應(yīng)二階導(dǎo)數(shù)的零交叉點(diǎn)（Zero crossing）。所以通過(guò)求圖像的二階導(dǎo)數(shù)的零交叉零交叉就能找到精確邊緣點(diǎn)。拉氏算子對(duì)噪聲敏感，因此在實(shí)際中通常不直接使用。一般結(jié)合平滑算子使用。圖像分割邊緣檢測(cè) Marr-Hildreth算子算子 一般情況下，需將平滑濾波與邊緣檢測(cè)結(jié)

8、合。先做濾波: g(x,y) = f (x,y)h(x,y)再對(duì)g(x)求一階或二階導(dǎo)數(shù)以檢測(cè)邊緣點(diǎn)。利用卷積性質(zhì)，有 g(x,y) = f (x,y) h(x,y); g(x,y) = f (x,y) h(x,y);Marr邊緣檢測(cè)算法l平滑濾波器采用高斯濾波器；l邊緣檢測(cè)判據(jù)是二階導(dǎo)數(shù)零交叉點(diǎn)；l采用線性插值的方法估計(jì)邊緣的位置。l因?yàn)椴捎肔aplacian算子，故稱(chēng)也為L(zhǎng)oG（Laplacian of Gaussian）濾波器。圖像分割邊緣檢測(cè)222221,2xyh x ye2222222222242,112xyhhLoGh x yxyxye 55Log模板圖像分割邊緣檢測(cè)(a) 血管造

9、影圖像。(b) 圖像的Sobel梯度。(c)用于得到2727的空間平滑處理模板的高斯函數(shù)。(d)Laplacian模板。(e)通過(guò)對(duì)原圖使用高斯型平滑模板進(jìn)行平滑處理，然后使用拉普拉斯算子模板后得到的LoG圖像。(f)對(duì)LoG設(shè)置門(mén)限后的結(jié)果。(g)零交點(diǎn)。圖像分割邊緣檢測(cè) Canny算子算子 圖像邊緣檢測(cè)必須滿足兩個(gè)條件：能有效地抑制噪聲；盡量精確確定邊緣的位置。根據(jù)對(duì)信噪比與定位乘積進(jìn)行測(cè)度，得到最優(yōu)化逼近算子Canny邊緣檢測(cè)算子。類(lèi)似于Marr邊緣檢測(cè)，也屬于先平滑后求導(dǎo)數(shù)的方法在與邊緣垂直的方向上求零交叉。性能優(yōu)于Marr算子。圖像分割邊緣檢測(cè)Marr-HildrethCanny圖像

10、分割邊緣檢測(cè)3 3、間斷檢測(cè)間斷檢測(cè) 間斷檢測(cè)包括點(diǎn)檢測(cè)，線檢測(cè)和邊界檢測(cè)三種。尋找間斷最一般的方法是模板檢測(cè)計(jì)算模板所包圍區(qū)域的灰度級(jí)與模板系數(shù)的乘積之和，若大于閾值，則視為間斷處?？捎脠D示模板檢測(cè)孤立點(diǎn)。孤立點(diǎn)：該點(diǎn)的灰度級(jí)與其背景的差異相當(dāng)大，并且它所在的位置是一個(gè)均勻的或者近似均勻的區(qū)域?；舅枷耄喝绻粋€(gè)孤立點(diǎn)與它周?chē)狞c(diǎn)很不相同，則很容易被上述模板檢測(cè)到。在灰度級(jí)為常數(shù)的區(qū)域，模板響應(yīng)為0。圖像分割邊緣檢測(cè)線模板第一個(gè)模板對(duì)水平方向的線條（單象素寬）有最強(qiáng)的響應(yīng)。第二個(gè)模板對(duì)于45線有最強(qiáng)響應(yīng)。第三個(gè)模板對(duì)垂直線有最強(qiáng)響應(yīng)。第四個(gè)模板對(duì)于45 線有最強(qiáng)響應(yīng)。每個(gè)模板系數(shù)相加總和為0

11、，保證了在灰度級(jí)恒定的區(qū)域，模板響應(yīng)為0。圖像分割邊緣檢測(cè)4 4、邊緣連接和邊界、邊緣連接和邊界檢測(cè)檢測(cè) 理論上講，邊緣檢測(cè)算子僅得到處在邊緣上的像素點(diǎn)。實(shí)際上，由于噪聲、不均勻照明而產(chǎn)生的邊緣間斷以及其他由于引入虛假的亮度間斷所帶來(lái)的影響，使得到的一組像素很少能完整地描繪一條邊緣典型的做法是在使用邊緣檢測(cè)算法之后，使用連接過(guò)程將邊緣像素組合成有意義的邊緣。原理分析圖像中每個(gè)邊緣點(diǎn)的一個(gè)小鄰域內(nèi)像素的性質(zhì)，將所有相似點(diǎn)連接起來(lái)，就是共同滿足一定準(zhǔn)則的像素組成的一條邊緣。理想邊緣圖像分割邊緣檢測(cè)Eyxfyxf00,Ayxyx00,基于梯度一致性：要求：(x,y)是(x0,y0)的鄰域，(x,y)

12、是該點(diǎn)的梯度方向角。 (a)輸入圖像(b)Sobel梯度的y分量(c)梯度的x分量(d)邊緣連接的結(jié)果a bc d圖像分割邊緣檢測(cè)迭代端點(diǎn)擬合：1.確定一個(gè)散布在兩個(gè)特定邊緣點(diǎn)A和B之間的邊緣點(diǎn)的集合P；2.設(shè)A,B組成一條（初始）邊緣線，計(jì)算其它邊緣點(diǎn)到直線的距離；3.若所有點(diǎn)距直線的距離小于閾值，則擬合此直線為確定邊緣；4.否則，找出距離最大的點(diǎn)（記為C）為新端點(diǎn)，將P分為包含AC 線段的邊緣點(diǎn)子集合P1和包含BC線段的子集合P2；5. 重復(fù)3、4步驟，直到所有子集合的點(diǎn)到直線的距離小于閾值， 確定最后的各線段的端點(diǎn)。6. 利用每個(gè)線段間的邊緣點(diǎn)，通過(guò)擬合確定邊緣。多邊形分段線性擬合原理圖

13、像分割邊緣檢測(cè)ABCABCABCDD迭代端點(diǎn)擬合圖像分割邊緣檢測(cè)Hough變換：利用圖像的全局特性而直接檢測(cè)目標(biāo)輪廓。基本思想：點(diǎn)-線的對(duì)偶性(duality)圖像變換前在圖像空間，變換后在參數(shù)空間。在圖像空間里，直線方程：y = ax+b ；給定 (x,y) 后，可以寫(xiě)成：b =ax+y ；即圖像空間中的一個(gè)點(diǎn)對(duì)應(yīng)參數(shù)空間 a-b 中的一條直線。圖像空間中的兩個(gè)點(diǎn)，確定了參數(shù)空間中兩條直線的交點(diǎn)。圖像分割邊緣檢測(cè)ab將參數(shù)空間劃分，將參數(shù)空間劃分，每一個(gè)每一個(gè)“格子格子”所所通過(guò)的直線數(shù)量，通過(guò)的直線數(shù)量，反映了圖像空間中反映了圖像空間中邊緣點(diǎn)的邊緣點(diǎn)的“共線性共線性”可以通過(guò)可以通過(guò)“投投

14、票勝出票勝出”方式確定方式確定最終的有效格子，最終的有效格子，即圖像中的有效線即圖像中的有效線段。段。圖像分割邊緣檢測(cè) 使用等式y(tǒng) = ax+b表示一條直線帶來(lái)的一個(gè)問(wèn)題是，當(dāng)直線接近垂直時(shí)，斜率接近無(wú)窮大。也就是說(shuō)a的最大接近于無(wú)窮。解決的方法是采用直線的標(biāo)準(zhǔn)式（在-空間中）：sincosyx 格子的大小，決定了共線性的精度，以及累加器的數(shù)目。 Hough變換也適用于任何形式為g(v,c)=0的函數(shù)，這里v是坐標(biāo)向量，c是系數(shù)向量。圖像分割邊緣檢測(cè)(a) 航拍的紅外線圖像。(b)設(shè)置了門(mén)限的梯度圖像。(c) 梯度圖像的Hough變換。(d) 依據(jù)一定準(zhǔn)則判斷為相連的像素集合。準(zhǔn)則：像素屬于3

15、個(gè)具有最高計(jì)數(shù)的累加器單元；沒(méi)有大于5個(gè)像素的間隙。a bc d圖像分割區(qū)域生長(zhǎng)二、基于區(qū)域的分割方法1 1. . 區(qū)域生長(zhǎng)區(qū)域生長(zhǎng)對(duì)每個(gè)需要分割的區(qū)域找一個(gè)種子像素作為生長(zhǎng)的起點(diǎn)，將種子像素鄰域中與其有相似性質(zhì)的像素合并到種子像素所在的區(qū)域中。將這些新像素當(dāng)作新的種子像素重復(fù)上述過(guò)程，直到再?zèng)]有滿足條件的像素被包括進(jìn)來(lái)。(1)選擇或確定一組能正確代表所需區(qū)域的種子像素；(2)確定在生長(zhǎng)過(guò)程中將相鄰像素合并的準(zhǔn)則（相似性判據(jù)）；(3)確定在生長(zhǎng)過(guò)程中停止的條件或規(guī)則。三個(gè)問(wèn)題：圖像分割區(qū)域生長(zhǎng)(1)人機(jī)交互、直方圖峰值、聚類(lèi)中心等；(2)取決于問(wèn)題本身以及圖像數(shù)據(jù)的類(lèi)型 ；(3) 要求圖像分割

16、后區(qū)域的可描述性?；趨^(qū)域灰度差方法基于區(qū)域灰度差方法以種子像素為中心比較它的鄰域像素，如果灰度差小于預(yù)先確定的閾值，將它們合并；以新合并的像素為中心，重復(fù)上述過(guò)程，直到該連接區(qū)域生長(zhǎng)停止；尋找新的種子，繼續(xù)此過(guò)程。直到所有像素都有歸屬，則結(jié)束整個(gè)生長(zhǎng)過(guò)程。圖像分割區(qū)域生長(zhǎng)XiihXH0)()()()(max21XHXHX基于區(qū)域內(nèi)灰度分布統(tǒng)計(jì)性質(zhì)基于區(qū)域內(nèi)灰度分布統(tǒng)計(jì)性質(zhì) 把像素分成互不重疊的小區(qū)域；比較鄰接區(qū)域的累積灰度直方圖，根據(jù)灰度分布的相似性進(jìn)行合并?；叶戎狈綀Dh(x)的累積灰度直方圖定義： Kolmogorov-Smirnov檢測(cè)XXHXH)()(21Smoothed-Differ

17、ence 檢測(cè) TTXh先從目標(biāo)（結(jié)節(jié)）上一個(gè)種子點(diǎn)開(kāi)始生長(zhǎng)，當(dāng)所謂孤立對(duì)照值ICI（Isolation Contrast Integral）達(dá)到最大時(shí)停止生長(zhǎng)。 種子點(diǎn)選?。?3或55區(qū)域中灰度最大點(diǎn)（或人工干預(yù)） 。 邊界像素第j個(gè)點(diǎn)的灰度值目標(biāo)結(jié)節(jié)第i個(gè)點(diǎn)的灰度值 圖像分割區(qū)域生長(zhǎng)iejjmiPgMaxPgICI )(miPg)(ejPg自適應(yīng)閾值結(jié)節(jié)檢測(cè)法自適應(yīng)閾值結(jié)節(jié)檢測(cè)法ICI值:圖像分割區(qū)域生長(zhǎng)是否找到種子像素尋找所有新邊界像素找到邊界像素中灰值最大點(diǎn)檢測(cè)點(diǎn)計(jì)算新ICI值新ICI舊ICI停止生長(zhǎng)增加檢測(cè)點(diǎn)為目標(biāo)結(jié)節(jié)點(diǎn)，新ICI取代舊ICI實(shí)質(zhì)上由灰度最大點(diǎn)一圈圈向周?chē)鷶U(kuò)大（灰度逐

18、漸降低）遇平原灰度值開(kāi)始增加時(shí)停止生長(zhǎng)?？蛇M(jìn)一步擴(kuò)展，ICI稍降低些也可不停止生長(zhǎng)，可抗噪聲干擾。可用別的特征代替ICI特征，在其它條件下獲得更好結(jié)果。算法流程圖像分割區(qū)域生長(zhǎng)(a)焊縫的x射線圖像(b)灰度值為255的種子點(diǎn)(c)區(qū)域生長(zhǎng)的結(jié)果(d)對(duì)有缺陷的焊縫區(qū)域進(jìn)行分割后得到的邊界。 區(qū)域生長(zhǎng)的準(zhǔn)則：區(qū)域生長(zhǎng)的準(zhǔn)則：(1)(1)任何像素和種子之間的灰任何像素和種子之間的灰度值絕對(duì)差小于度值絕對(duì)差小于6565。依據(jù)是。依據(jù)是(a)(a)的直方圖分布；的直方圖分布；(2)(2)像素必須與此區(qū)域中至少像素必須與此區(qū)域中至少一個(gè)像素是一個(gè)像素是8 8連通的。連通的。a bc d圖像分割區(qū)域生長(zhǎng)2. 2. 分裂與合并分裂與合并先從整幅圖像開(kāi)始，通過(guò)不斷分裂把圖像分成任意大小且不重疊的區(qū)域（實(shí)際中常用四分樹(shù)），直到每個(gè)區(qū)域的像素滿足一致性準(zhǔn)則，然后再合并一致性區(qū)域。圖像分割區(qū)域生長(zhǎng)圖像分割區(qū)域生長(zhǎng)3. 3. 分水嶺算法分水嶺算法(a)原圖；(b)拓?fù)湟晥D；(c)-(d)水從匯水盆地的最低點(diǎn)上漲；abcd圖像分割區(qū)域生長(zhǎng)(e)水進(jìn)一步上漲；(f)兩個(gè)相鄰匯水盆地的水開(kāi)始會(huì)合；在此會(huì)合處建造水壩。(g)隨著水繼續(xù)上漲，多處開(kāi)始會(huì)合，水壩也在延伸；(h)最終完成的水壩，即分水線，完成分割。efgh圖像分割區(qū)域生長(zhǎng)Step1:在一個(gè)低灰度