圖像分割與特征提取

1、精選課件精選課件已經(jīng)介紹的：已經(jīng)介紹的：圖像變換、圖像增強(qiáng)、圖像恢復(fù)、圖像變換、圖像增強(qiáng)、圖像恢復(fù)、圖像編碼等，都是使輸出圖像的編碼或品質(zhì)得到圖像編碼等，都是使輸出圖像的編碼或品質(zhì)得到某種程度改善的處理方法，一般被認(rèn)為是圖像處某種程度改善的處理方法，一般被認(rèn)為是圖像處理的低級(jí)階段。理的低級(jí)階段。 圖像分析圖像分析是一種通過(guò)對(duì)圖像中不同對(duì)象進(jìn)行分割是一種通過(guò)對(duì)圖像中不同對(duì)象進(jìn)行分割( (把圖像分為不同區(qū)域或目標(biāo)物把圖像分為不同區(qū)域或目標(biāo)物) )來(lái)對(duì)圖像中目標(biāo)來(lái)對(duì)圖像中目標(biāo)進(jìn)行分類(lèi)和識(shí)別的技術(shù)。進(jìn)行分類(lèi)和識(shí)別的技術(shù)。 精選課件7.17.1圖像分割的概念圖像分割的概念 目標(biāo)或前景目標(biāo)或前景背景背景目

2、標(biāo)一般對(duì)應(yīng)于圖像中特定的、具有獨(dú)特性質(zhì)的目標(biāo)一般對(duì)應(yīng)于圖像中特定的、具有獨(dú)特性質(zhì)的區(qū)域。區(qū)域。 精選課件7.17.1圖像分割的概念圖像分割的概念 1. 圖像分割圖像分割 圖像分割就是依據(jù)圖像的灰度、顏色、紋理、邊圖像分割就是依據(jù)圖像的灰度、顏色、紋理、邊緣等特征，把圖像分成各自滿足某種相似性準(zhǔn)則或具緣等特征，把圖像分成各自滿足某種相似性準(zhǔn)則或具有某種同質(zhì)特征的連通區(qū)域的集合的過(guò)程。有某種同質(zhì)特征的連通區(qū)域的集合的過(guò)程。 精選課件RRnii= = =U U1f f=jiRR I I7.17.1圖像分割的概念圖像分割的概念 1. 圖像分割圖像分割（續(xù)）（續(xù)） 設(shè)設(shè)R R代表整個(gè)圖像區(qū)域，對(duì)代表整個(gè)

3、圖像區(qū)域，對(duì)R R的分割可看作將的分割可看作將R R分成若分成若干個(gè)滿足以下干個(gè)滿足以下5 5個(gè)條件的非空子集個(gè)條件的非空子集( (子區(qū)域子區(qū)域)R1,R2,Rn)R1,R2,Rn。 （1 1） 。即分割成的所有子區(qū)域的并應(yīng)能構(gòu)成原。即分割成的所有子區(qū)域的并應(yīng)能構(gòu)成原來(lái)的區(qū)域來(lái)的區(qū)域R R。 （2 2）對(duì)于所有的）對(duì)于所有的i i和和j j及及ijij，有，有 。即分割。即分割成的各子區(qū)域互不重疊。成的各子區(qū)域互不重疊。 （3 3）對(duì)于）對(duì)于i=1,2,ni=1,2,n；有；有P(RP(Ri i)=TRUE)=TRUE。即分割得到的。即分割得到的屬于同一區(qū)域的像素應(yīng)具有某些相同的特性。屬于同一

4、區(qū)域的像素應(yīng)具有某些相同的特性。 （4 4）對(duì)于）對(duì)于ijij，有，有P(RP(Ri iRRj j)=FALSE)=FALSE。即分割得到的屬。即分割得到的屬于不同區(qū)域的像素應(yīng)具有不同的性質(zhì)。于不同區(qū)域的像素應(yīng)具有不同的性質(zhì)。 （5 5）對(duì)于）對(duì)于i=1,2,ni=1,2,n；R Ri i是連通的區(qū)域。即同一子區(qū)是連通的區(qū)域。即同一子區(qū)域內(nèi)的像素應(yīng)當(dāng)是連通的。域內(nèi)的像素應(yīng)當(dāng)是連通的。 精選課件7.17.1圖像分割的概念圖像分割的概念 2. 圖像分割的依據(jù)和方法圖像分割的依據(jù)和方法 圖像分割的依據(jù)是各區(qū)域具有不同的特性，這些圖像分割的依據(jù)是各區(qū)域具有不同的特性，這些特性可以是灰度、顏色、紋理等。

5、而灰度圖像分割的特性可以是灰度、顏色、紋理等。而灰度圖像分割的依據(jù)是基于相鄰像素灰度值的不連續(xù)性和相似性。也依據(jù)是基于相鄰像素灰度值的不連續(xù)性和相似性。也即，子區(qū)域內(nèi)部的像素一般具有灰度相似性，而在區(qū)即，子區(qū)域內(nèi)部的像素一般具有灰度相似性，而在區(qū)域之間的邊界上一般具有灰度不連續(xù)性。域之間的邊界上一般具有灰度不連續(xù)性。 灰度圖像分割是圖像分割研究中最主要的內(nèi)容，其灰度圖像分割是圖像分割研究中最主要的內(nèi)容，其本質(zhì)是按照?qǐng)D像中不同區(qū)域的特性，將圖像劃分成不本質(zhì)是按照?qǐng)D像中不同區(qū)域的特性，將圖像劃分成不同的區(qū)域。同的區(qū)域。 精選課件7.17.1圖像分割的概念圖像分割的概念 精選課件7.27.2基于邊緣

6、檢測(cè)的圖像分割基于邊緣檢測(cè)的圖像分割 基于邊緣檢測(cè)的圖像分割方法的基本思路是先基于邊緣檢測(cè)的圖像分割方法的基本思路是先確定圖像中的邊緣像素，然后就可把它們連接在一確定圖像中的邊緣像素，然后就可把它們連接在一起構(gòu)成所需的邊界。起構(gòu)成所需的邊界。精選課件7.2.1 7.2.1 圖像邊緣圖像邊緣 圖像邊緣意味著圖像中一個(gè)區(qū)域的終結(jié)和另一個(gè)圖像邊緣意味著圖像中一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開(kāi)始，圖像中相鄰區(qū)域之間的像素集合構(gòu)成了區(qū)域的開(kāi)始，圖像中相鄰區(qū)域之間的像素集合構(gòu)成了圖像的邊緣。圖像的邊緣。 進(jìn)一步講，圖像的邊緣是指圖像灰度發(fā)生空間突進(jìn)一步講，圖像的邊緣是指圖像灰度發(fā)生空間突變的象素的集合。變的象

7、素的集合。 7.27.2基于邊緣檢測(cè)的圖像分割基于邊緣檢測(cè)的圖像分割 精選課件7.2.1 7.2.1 圖像邊緣圖像邊緣 圖像邊緣有兩個(gè)特征：方向和幅度圖像邊緣有兩個(gè)特征：方向和幅度 沿邊緣走向，像素值變化比較平緩；沿邊緣走向，像素值變化比較平緩； 沿垂直于邊緣的走向，像素值則變化比較劇烈。沿垂直于邊緣的走向，像素值則變化比較劇烈。 一般常用一階和二階導(dǎo)數(shù)來(lái)描述和檢測(cè)邊緣。一般常用一階和二階導(dǎo)數(shù)來(lái)描述和檢測(cè)邊緣。 7.27.2基于邊緣檢測(cè)的圖像分割基于邊緣檢測(cè)的圖像分割 精選課件圖像圖像剖面剖面一階導(dǎo)數(shù)一階導(dǎo)數(shù)二階導(dǎo)數(shù)二階導(dǎo)數(shù) 上升階躍邊緣上升階躍邊緣 下降階躍邊緣下降階躍邊緣 脈沖狀邊緣脈沖狀

8、邊緣 屋頂邊緣屋頂邊緣 （a） （b） （c） （d） 圖圖7.1 7.1 圖像邊緣及其導(dǎo)數(shù)曲線規(guī)律示例圖像邊緣及其導(dǎo)數(shù)曲線規(guī)律示例 7.2.1 7.2.1 圖像邊緣圖像邊緣 7.27.2基于邊緣檢測(cè)的圖像分割基于邊緣檢測(cè)的圖像分割 精選課件7.2.1 7.2.1 圖像邊緣圖像邊緣 綜上所述，圖像中的邊緣可以通過(guò)對(duì)它們求導(dǎo)數(shù)綜上所述，圖像中的邊緣可以通過(guò)對(duì)它們求導(dǎo)數(shù)來(lái)確定，而導(dǎo)數(shù)可利用微分算子來(lái)計(jì)算。對(duì)于數(shù)字圖來(lái)確定，而導(dǎo)數(shù)可利用微分算子來(lái)計(jì)算。對(duì)于數(shù)字圖像來(lái)說(shuō)，通常是利用差分來(lái)近似微分。像來(lái)說(shuō)，通常是利用差分來(lái)近似微分。 7.27.2基于邊緣檢測(cè)的圖像分割基于邊緣檢測(cè)的圖像分割 精選課件7.

9、2.2 7.2.2 梯度邊緣檢測(cè)梯度邊緣檢測(cè) 設(shè)設(shè)f(x,y)f(x,y)為連續(xù)圖像函數(shù)，為連續(xù)圖像函數(shù)，G Gx x和和G Gy y分別為分別為x x方向和方向和y y方向的梯度，且在點(diǎn)方向的梯度，且在點(diǎn)(x,y)(x,y)處的梯度可以表示為一個(gè)處的梯度可以表示為一個(gè)矢量，并有其梯度定義：矢量，并有其梯度定義： TyyxfxyxfyxfG=),(),(),(（7.1） 7.27.2基于邊緣檢測(cè)的圖像分割基于邊緣檢測(cè)的圖像分割 精選課件7.2.27.2.2梯度邊緣檢測(cè)梯度邊緣檢測(cè) 22| ),G( |yxGGyx=yxGGyxG=),(4max),()(8yxGGyxG)/arctan(),(

10、yxGGyx=f（7.2） （7.3） （7.4） （7.5） 對(duì)應(yīng)于歐氏距離的梯度幅值：對(duì)應(yīng)于歐氏距離的梯度幅值： 對(duì)應(yīng)于街區(qū)距離的梯度幅值：對(duì)應(yīng)于街區(qū)距離的梯度幅值： 對(duì)應(yīng)于棋盤(pán)距離的梯度幅值：對(duì)應(yīng)于棋盤(pán)距離的梯度幅值： 由梯度矢量幅角表示的梯度方向是函數(shù)由梯度矢量幅角表示的梯度方向是函數(shù)f(x,y)f(x,y)增加最快的增加最快的方向：方向： 精選課件(1) (1) RobertsRoberts算子算子 是一個(gè)交叉算子，其在點(diǎn)是一個(gè)交叉算子，其在點(diǎn)(i,j)(i,j)的梯度幅值表示為：的梯度幅值表示為： 7.2.27.2.2梯度邊緣檢測(cè)梯度邊緣檢測(cè) ) 1,(), 1() 1, 1(),

11、(),(=jifjifjifjifjiGyxGGjiG=),(=1001xG=0110yG（7.6） （7.7） （7.8） 用卷積模板可表示為用卷積模板可表示為 ： 其中，其中，G Gx x和和G Gy y分別為分別為 ： 精選課件(2) (2) SobelSobel算子算子 SobelSobel算子在點(diǎn)算子在點(diǎn)(i,j)(i,j)的梯度幅值表示為：的梯度幅值表示為： 7.2.27.2.2梯度邊緣檢測(cè)梯度邊緣檢測(cè) （7.10）（7.11）簡(jiǎn)化的卷積模板表示形式為簡(jiǎn)化的卷積模板表示形式為 ： 其中，其中，s sx x和和s sy y分別分別x x方向和方向和y y方向梯度的模版形式方向梯度的模

12、版形式 ： 22),(yxssjiS=（7.9） yxssjiS=), (=101202101xs=121000121ys精選課件(3) (3) PrewittPrewitt算子算子 PrewittPrewitt算子在點(diǎn)算子在點(diǎn)(i,j)(i,j)的梯度幅值表示為：的梯度幅值表示為： 7.2.27.2.2梯度邊緣檢測(cè)梯度邊緣檢測(cè) （7.10）（7.12）簡(jiǎn)化的卷積模板表示形式為簡(jiǎn)化的卷積模板表示形式為 ： 其中，其中，s sx x和和s sy y分別分別x x方向和方向和y y方向梯度的模版形式方向梯度的模版形式 ： 22),(yxssjiS=（7.9） yxssjiS=), (=101101

13、101xs=111000111ys精選課件精選課件7.2.37.2.3二階微分邊緣檢測(cè)二階微分邊緣檢測(cè) 拉普拉斯二階導(dǎo)數(shù)算子拉普拉斯二階導(dǎo)數(shù)算子 ： 22222yfxff=（7.13） xjifjifxGxfx=),(), 1(22xjifxjif=),(), 1(),(), 1(2), 2(jifjifjif=（7.14） 二階差分的偏導(dǎo)數(shù)近似式為二階差分的偏導(dǎo)數(shù)近似式為 ： 以上是以以上是以(i+1,j)(i+1,j)為中心，用為中心，用i i替換替換i+1i+1可得以可得以(i,j)(i,j)為中心為中心的二階偏導(dǎo)數(shù)公式：的二階偏導(dǎo)數(shù)公式：精選課件 ), 1(),(2), 1( 22ji

14、fjifjifxf=) 1,(),(2) 1,(22=jifjifjifyf010141010111181111（7.15） （7.16） 7.2.37.2.3二階微分邊緣檢測(cè)二階微分邊緣檢測(cè) 也即有也即有： 同理有同理有： 所以有所以有： ) 1,(), 1(),(4) 1,(), 1( 2222=jifjifjifjifjifyfxf對(duì)應(yīng)的集中模板為對(duì)應(yīng)的集中模板為： 精選課件 圖圖7.3 Laplacian7.3 Laplacian二階邊緣檢測(cè)算子的邊緣檢測(cè)示例二階邊緣檢測(cè)算子的邊緣檢測(cè)示例 7.2.37.2.3二階微分邊緣檢測(cè)二階微分邊緣檢測(cè) 精選課件7.2.47.2.4HoughHo

15、ugh變換變換 Hogh（哈夫）變換的基本思想是將圖像空間（哈夫）變換的基本思想是將圖像空間X-Y變換到參數(shù)空間變換到參數(shù)空間P-Q，利用圖像空間，利用圖像空間X-Y與參數(shù)空間與參數(shù)空間P-Q的點(diǎn)線對(duì)偶性，通過(guò)利用圖像空間的點(diǎn)線對(duì)偶性，通過(guò)利用圖像空間X-Y中的邊中的邊緣數(shù)據(jù)點(diǎn)去計(jì)算參數(shù)空間緣數(shù)據(jù)點(diǎn)去計(jì)算參數(shù)空間P-Q中的參考點(diǎn)的軌跡，從中的參考點(diǎn)的軌跡，從而將不連續(xù)的邊緣像素點(diǎn)連接起來(lái)，或?qū)⑦吘壪袼攸c(diǎn)而將不連續(xù)的邊緣像素點(diǎn)連接起來(lái)，或?qū)⑦吘壪袼攸c(diǎn)連接起來(lái)組成封閉邊界的區(qū)域，從而實(shí)現(xiàn)對(duì)圖像中直連接起來(lái)組成封閉邊界的區(qū)域，從而實(shí)現(xiàn)對(duì)圖像中直線段、圓和橢圓的檢測(cè)。線段、圓和橢圓的檢測(cè)。 精選課件設(shè)

16、在圖像空間中，所有過(guò)點(diǎn)設(shè)在圖像空間中，所有過(guò)點(diǎn)(x,y)(x,y)的直線都滿足方程：的直線都滿足方程： qpxy=ypxq=qpxyii=qpxyjj=iiypxq=jjypxq=（7.17） （7.18）（7.19,20）（7.21,22）7.2.47.2.4HoughHough變換變換 1. 1. HoughHough變換的基本原理變換的基本原理若將其改寫(xiě)成：若將其改寫(xiě)成： 這時(shí)，這時(shí)，p p和和q q可以看作是變量，而可以看作是變量，而x x和和y y是參數(shù)，上式就是參數(shù)，上式就可表示參數(shù)空間可表示參數(shù)空間P-QP-Q中過(guò)點(diǎn)中過(guò)點(diǎn)(p,q)(p,q)的一條直線。的一條直線。 一般地一般地

17、，對(duì)于過(guò)同一條直線的點(diǎn)對(duì)于過(guò)同一條直線的點(diǎn)(x(xi i,y,yi i) )和和(x(xj j,y,yj j) )，有有圖像空間方程圖像空間方程： 參數(shù)空間方程參數(shù)空間方程： 精選課件7.2.47.2.4HoughHough變換變換 1. 1. HoughHough變換的基本原理變換的基本原理 由此可見(jiàn)，圖像空間由此可見(jiàn)，圖像空間X-YX-Y中的一條直線中的一條直線( (因?yàn)閮牲c(diǎn)因?yàn)閮牲c(diǎn)可以決定一條直線可以決定一條直線) )和參數(shù)空間和參數(shù)空間P-QP-Q中的一點(diǎn)相對(duì)應(yīng)；中的一點(diǎn)相對(duì)應(yīng)；反之，參數(shù)空間反之，參數(shù)空間P-QP-Q中的一點(diǎn)和圖像空間中的一點(diǎn)和圖像空間X-YX-Y中的一條中的一條直線

18、相對(duì)應(yīng)。直線相對(duì)應(yīng)。 精選課件7.2.47.2.4HoughHough變換變換 ),(jjyxPQXY (p,q)(p,q),(iiyxiiypxq=jjypxq= 圖圖7.4 7.4 圖像空間直線與參數(shù)空間點(diǎn)的對(duì)偶性圖像空間直線與參數(shù)空間點(diǎn)的對(duì)偶性 1. 1. HoughHough變換的基本原理變換的基本原理精選課件7.2.47.2.4HoughHough變換變換 1. 1. HoughHough變換的基本原理變換的基本原理 把上述結(jié)論推廣到更一般的情況：把上述結(jié)論推廣到更一般的情況： 如果圖像空間如果圖像空間X-YX-Y中的直線上有中的直線上有n n個(gè)點(diǎn)，那么這些個(gè)點(diǎn)，那么這些點(diǎn)對(duì)應(yīng)參數(shù)空

19、間點(diǎn)對(duì)應(yīng)參數(shù)空間P-QP-Q上的一個(gè)由上的一個(gè)由n n條直線組成的直線簇，條直線組成的直線簇，且所有這些直線相交于同一點(diǎn)。且所有這些直線相交于同一點(diǎn)。 精選課件B BC CA A. .C. .BPQXY A（a a） 一條直線上的多個(gè)點(diǎn)與相交于一點(diǎn)的直線簇相對(duì)應(yīng)一條直線上的多個(gè)點(diǎn)與相交于一點(diǎn)的直線簇相對(duì)應(yīng)7.2.47.2.4HoughHough變換變換 1. 1. HoughHough變換的基本原理變換的基本原理精選課件C CB BXYA A PC CA AB B（b b）一條直線上的多個(gè)點(diǎn)與相交于一點(diǎn)的正弦曲線簇相對(duì)應(yīng)）一條直線上的多個(gè)點(diǎn)與相交于一點(diǎn)的正弦曲線簇相對(duì)應(yīng)7.2.47.2.4Ho

20、ughHough變換變換 1. 1. HoughHough變換的基本原理變換的基本原理精選課件)sin(sincos22yxarctabyxyx=max max maxmaxminmin 0 00 0(x,y)(x,y)XY（7.23） 圖圖7.6 7.6 直線的極坐標(biāo)表示直線的極坐標(biāo)表示 圖圖7.7 7.7 將平面細(xì)分成網(wǎng)格陣列將平面細(xì)分成網(wǎng)格陣列 7.2.47.2.4HoughHough變換變換 2. 2. HoughHough變換的應(yīng)用變換的應(yīng)用精選課件7.37.3基于閾值的圖像分割基于閾值的圖像分割 基于閾值的圖像分割適用于那些物體（前景）基于閾值的圖像分割適用于那些物體（前景）與背景

21、在灰度上有較大差異的圖像分割問(wèn)題。與背景在灰度上有較大差異的圖像分割問(wèn)題。 7.3.1 7.3.1 基于閾值的分割方法基于閾值的分割方法 基于閾值的圖像分割方法是提取物體與背景在灰基于閾值的圖像分割方法是提取物體與背景在灰度上的差異，把圖像分為具有不同灰度級(jí)的目標(biāo)區(qū)域度上的差異，把圖像分為具有不同灰度級(jí)的目標(biāo)區(qū)域和背景區(qū)域的一種圖像分割技術(shù)。和背景區(qū)域的一種圖像分割技術(shù)。 精選課件T 圖圖7.3.1 7.3.1 基于單一閾基于單一閾值分割的灰度直方圖值分割的灰度直方圖 7.3.17.3.1基于閾值的分割方法基于閾值的分割方法 1. 1. 閾值化分割方法閾值化分割方法 =TyxfTyxfyxg)

22、,(0),(1),(=TyxfTyxfyxg),(0),(1),(（7.24） （7.25） 利用利用閾值閾值T T分割后的圖像可定義為：分割后的圖像可定義為： 從暗的背景上分從暗的背景上分割出亮的物體：割出亮的物體： 從亮的背景上分從亮的背景上分割出暗的物體：割出暗的物體： 精選課件例例7.3.17.3.1 利用閾值化方法提取物體的輪廓利用閾值化方法提取物體的輪廓。 （a a）細(xì)胞圖像）細(xì)胞圖像 （b b）提取的邊界輪廓圖）提取的邊界輪廓圖圖圖7.9 7.9 用閾值化方法提取細(xì)胞邊界輪廓用閾值化方法提取細(xì)胞邊界輪廓7.3.17.3.1基于閾值的分割方法基于閾值的分割方法 1. 1. 閾值化分

23、割方法閾值化分割方法 精選課件7.3.17.3.1基于閾值的分割方法基于閾值的分割方法 1. 1. 閾值化分割方法閾值化分割方法 =),(0),(1),(),(11yxfTTyxfTyxfTkyxgkkk（7.26） 1),(Tyxf（1） （2） 21),(TyxfT（3） ),(2yxfT 當(dāng)在較暗的背景上有當(dāng)在較暗的背景上有2 2個(gè)較亮的物體，且有如下的直方個(gè)較亮的物體，且有如下的直方圖和約定時(shí)：圖和約定時(shí)： 可用兩個(gè)閾值進(jìn)行分割，更一般的多個(gè)閾值的情況為：可用兩個(gè)閾值進(jìn)行分割，更一般的多個(gè)閾值的情況為： 精選課件=TyxfTyxfyxfyxg),(0),(),(),(=TyxfTyxf

24、yxfyxg),(0),(,(),(）（7.27） （7.28） 7.3.17.3.1基于閾值的分割方法基于閾值的分割方法 2.2.半閾值化分割方法半閾值化分割方法 圖像經(jīng)閾值化分割后不是表示成二值和多值圖像，而圖像經(jīng)閾值化分割后不是表示成二值和多值圖像，而是是將比閾值大的亮像素的灰度級(jí)保持不變，而將比閾值是是將比閾值大的亮像素的灰度級(jí)保持不變，而將比閾值小的暗像素變?yōu)楹谏换驅(qū)⒈乳撝敌〉陌迪袼氐幕叶燃?jí)保小的暗像素變?yōu)楹谏?；或?qū)⒈乳撝敌〉陌迪袼氐幕叶燃?jí)保持不變，而將比閾值大的亮像素變?yōu)榘咨３植蛔?，而將比閾值大的亮像素變?yōu)榘咨?精選課件7.3.17.3.1基于閾值的分割方法基于閾值的分割方法

25、 2.2.半閾值化分割方法半閾值化分割方法（a a）式（）式（7.277.27）的圖示）的圖示 （b b）式（）式（7.287.28）的圖示）的圖示 圖圖7.11 7.11 半閾值化的圖示半閾值化的圖示 精選課件7.37.3基于閾值的圖像分割基于閾值的圖像分割 7.3.2 7.3.2 基于雙峰形直方圖的閾值選取基于雙峰形直方圖的閾值選取 1.1. 利用極大值和極小值尋找谷底及其閾值利用極大值和極小值尋找谷底及其閾值 ），（)()(min)(jiTTrPrPrPK=（7.29） 精選課件7.3.27.3.2基于雙峰形直方圖的閾值選取基于雙峰形直方圖的閾值選取 2.2. 雙峰形直方圖谷底閾值的獲取

26、雙峰形直方圖谷底閾值的獲取 通常情況下由于直方圖呈鋸齒形狀，這時(shí)，需要利用通常情況下由于直方圖呈鋸齒形狀，這時(shí)，需要利用某些解析函數(shù)對(duì)雙峰之間的直方圖進(jìn)行擬合，并通過(guò)對(duì)擬某些解析函數(shù)對(duì)雙峰之間的直方圖進(jìn)行擬合，并通過(guò)對(duì)擬合函數(shù)求微分獲得最小值。合函數(shù)求微分獲得最小值。 設(shè)有二次曲線方程：設(shè)有二次曲線方程：cbxaxy=2abx2=（7.30） （7.31） 對(duì)應(yīng)于直方圖雙峰之間的最小值谷底閾值就為：對(duì)應(yīng)于直方圖雙峰之間的最小值谷底閾值就為：精選課件 圖圖7.12 7.12 用二次曲線擬合雙峰形直方圖的谷底示例用二次曲線擬合雙峰形直方圖的谷底示例 2.2. 雙峰形直方圖谷底閾值的獲取雙峰形直方圖

27、谷底閾值的獲取7.3.27.3.2基于雙峰形直方圖的閾值選取基于雙峰形直方圖的閾值選取 精選課件3.3. 用最小誤差法確定最佳閾值用最小誤差法確定最佳閾值（自學(xué)）（自學(xué)） 7.3.27.3.2基于雙峰形直方圖的閾值選取基于雙峰形直方圖的閾值選取 精選課件)()1 ()(zqzp=tdzzqtE)()(1=tdzzptE)()(2=ttdzzpdzzpdzzp)(1)()(（7.32） （7.33） （7.34） 物體的誤分概率背景的誤分概率 tEtE121)()()1 ()(11tEdzzpt=（7.35） 7.3.27.3.2基于雙峰形直方圖的閾值選取基于雙峰形直方圖的閾值選取 精選課件2)

28、(exp21)(21211=ttp2)(exp21)(22222=ttq2)(exp212)(exp22222221211=tt（7.39） （7.40） （7.41） 0)()1 ()(1=ttEtp)()(1tqttE=)()1 ()(tqtp=（7.36） （7.37） （7.38） 7.3.27.3.2基于雙峰形直方圖的閾值選取基于雙峰形直方圖的閾值選取 精選課件22222121212)(2)(lnln)1ln(ln=tt22212122222112)()(2)1 (ln=tt（1） 221=T（2） =1ln2122121T22222212112)(ln2ln)1ln(2)(ln2l

29、nln=tt（7.42） （7.43） （7.44） 7.3.27.3.2基于雙峰形直方圖的閾值選取基于雙峰形直方圖的閾值選取 精選課件7.3.37.3.3其它閾值選取方法其它閾值選取方法 1. 1. 全局閾值的選取全局閾值的選取 0255T 0255T （a a） （b b）圖圖7.13 全閾值選取示例全閾值選取示例 精選課件7.3.27.3.2其它閾值選取方法其它閾值選取方法 2. 2. 類(lèi)二值圖像的閾值選取類(lèi)二值圖像的閾值選取 當(dāng)圖像可看作是一幅類(lèi)二值圖像，并且大約已知當(dāng)圖像可看作是一幅類(lèi)二值圖像，并且大約已知該類(lèi)二值圖像灰度分布的百分比時(shí)，就可通過(guò)試探的該類(lèi)二值圖像灰度分布的百分比時(shí)，

30、就可通過(guò)試探的方法選取閾值，直到閾值化后的圖像的效果達(dá)到最佳方法選取閾值，直到閾值化后的圖像的效果達(dá)到最佳為止。為止。 精選課件7.3.27.3.2其它閾值選取方法其它閾值選取方法 3. 3. 迭代式閾值的選取迭代式閾值的選取 基本思路是：首先根據(jù)圖像中物體的灰度分布情基本思路是：首先根據(jù)圖像中物體的灰度分布情況，選取一個(gè)近似閾值作為初始閾值，一個(gè)比較好的況，選取一個(gè)近似閾值作為初始閾值，一個(gè)比較好的方法就是將圖像的灰度均值作為初始閾值；然后通過(guò)方法就是將圖像的灰度均值作為初始閾值；然后通過(guò)分割圖像和修改閾值的迭代過(guò)程來(lái)獲得任可的最佳閾分割圖像和修改閾值的迭代過(guò)程來(lái)獲得任可的最佳閾值。值。精選

31、課件7.3.27.3.2其它閾值選取方法其它閾值選取方法 3. 3. 迭代式閾值的選取迭代式閾值的選取 迭代式閾值選取過(guò)程可描述為：迭代式閾值選取過(guò)程可描述為： 選取一個(gè)初始閾值選取一個(gè)初始閾值T T； 利用閾值利用閾值T T把給定圖像分割成兩組圖像，記為把給定圖像分割成兩組圖像，記為R R1 1和和R R2 2； 計(jì)算計(jì)算R R1 1和和R R2 2均值均值1和和2； 選擇新的閾值選擇新的閾值T T，且，且 重復(fù)第至步，直至重復(fù)第至步，直至R R1 1和和R R2 2的均值的均值1和和2不再變不再變化為止?；癁橹?。 221=T精選課件7.47.4基于跟蹤的圖像分割基于跟蹤的圖像分割 基于跟蹤

32、的圖像分割方法是先通過(guò)對(duì)圖像上的點(diǎn)基于跟蹤的圖像分割方法是先通過(guò)對(duì)圖像上的點(diǎn)的簡(jiǎn)便運(yùn)算，來(lái)檢測(cè)出可能存在的物體上的點(diǎn)，然后的簡(jiǎn)便運(yùn)算，來(lái)檢測(cè)出可能存在的物體上的點(diǎn)，然后在檢測(cè)到的點(diǎn)的基礎(chǔ)上通過(guò)跟蹤運(yùn)算來(lái)檢測(cè)物體的邊在檢測(cè)到的點(diǎn)的基礎(chǔ)上通過(guò)跟蹤運(yùn)算來(lái)檢測(cè)物體的邊緣輪廓的一種圖像分割方法。緣輪廓的一種圖像分割方法。 7.4.17.4.1輪廓跟蹤法輪廓跟蹤法 是一種適用于黑白二值圖像的圖像分割方法。是一種適用于黑白二值圖像的圖像分割方法。精選課件7.4.17.4.1輪廓跟蹤法輪廓跟蹤法 輪廓跟蹤圖像分割算法：輪廓跟蹤圖像分割算法： (1)(1)在靠近邊緣處任取一起始點(diǎn)，在靠近邊緣處任取一起始點(diǎn)，然后

33、按照每次只前進(jìn)一步，步距為一然后按照每次只前進(jìn)一步，步距為一個(gè)象素的原則開(kāi)始跟蹤；個(gè)象素的原則開(kāi)始跟蹤； (2)(2)當(dāng)跟蹤中的某步是由白區(qū)進(jìn)入當(dāng)跟蹤中的某步是由白區(qū)進(jìn)入黑區(qū)時(shí)，以后各步向左轉(zhuǎn)，直到穿出黑區(qū)時(shí)，以后各步向左轉(zhuǎn)，直到穿出黑區(qū)為止；黑區(qū)為止；黑黑起點(diǎn)起點(diǎn)白白 (3)(3)當(dāng)跟蹤中的某步是由黑區(qū)進(jìn)入白區(qū)時(shí)，以后各步向當(dāng)跟蹤中的某步是由黑區(qū)進(jìn)入白區(qū)時(shí)，以后各步向右轉(zhuǎn)，直到穿出白區(qū)為止；右轉(zhuǎn)，直到穿出白區(qū)為止； (4) (4)當(dāng)圍繞目標(biāo)邊界循環(huán)跟蹤一周回到起點(diǎn)時(shí)，則所跟蹤當(dāng)圍繞目標(biāo)邊界循環(huán)跟蹤一周回到起點(diǎn)時(shí)，則所跟蹤的軌跡便是目標(biāo)的輪廓的軌跡便是目標(biāo)的輪廓；否則否則，應(yīng)繼續(xù)按應(yīng)繼續(xù)按(2

34、)(2)和和(3)(3)的原則進(jìn)的原則進(jìn)行跟蹤。行跟蹤。 精選課件黑黑起點(diǎn)起點(diǎn)白白黑黑白白起點(diǎn)起點(diǎn)(a)(a)某些小凸部分可能被漏掉某些小凸部分可能被漏掉 (b)(b)利用不同起點(diǎn)跟蹤小凸部分利用不同起點(diǎn)跟蹤小凸部分圖圖7.14 7.14 輪廓跟蹤法示例輪廓跟蹤法示例7.4.17.4.1輪廓跟蹤法輪廓跟蹤法 精選課件7.4.27.4.2光柵跟蹤法光柵跟蹤法 光柵跟蹤方法的基本思想是先利用檢測(cè)準(zhǔn)則確定光柵跟蹤方法的基本思想是先利用檢測(cè)準(zhǔn)則確定接受對(duì)象點(diǎn)，然后根據(jù)已有的接受對(duì)象點(diǎn)和跟蹤準(zhǔn)則接受對(duì)象點(diǎn)，然后根據(jù)已有的接受對(duì)象點(diǎn)和跟蹤準(zhǔn)則確定新的接受對(duì)象點(diǎn)，最后將所有標(biāo)記為確定新的接受對(duì)象點(diǎn)，最后將所

35、有標(biāo)記為1且相鄰的且相鄰的對(duì)象點(diǎn)聯(lián)接起來(lái)就得到了檢測(cè)到的細(xì)曲線。對(duì)象點(diǎn)聯(lián)接起來(lái)就得到了檢測(cè)到的細(xì)曲線。 精選課件7.4.27.4.2光柵跟蹤法光柵跟蹤法 需要事先確定檢測(cè)閾值需要事先確定檢測(cè)閾值d、跟蹤閾值跟蹤閾值t，且要求且要求dt。 檢測(cè)準(zhǔn)則：對(duì)圖像逐行掃描，將每一行中灰度值大檢測(cè)準(zhǔn)則：對(duì)圖像逐行掃描，將每一行中灰度值大于或等于檢測(cè)閾值于或等于檢測(cè)閾值d的所有點(diǎn)（稱(chēng)為接受對(duì)象點(diǎn)）記的所有點(diǎn)（稱(chēng)為接受對(duì)象點(diǎn)）記為為1。 跟蹤準(zhǔn)則：設(shè)位于第跟蹤準(zhǔn)則：設(shè)位于第i行的點(diǎn)行的點(diǎn)(i，j)為接受對(duì)象點(diǎn)，如為接受對(duì)象點(diǎn)，如果位于第果位于第i+1行上的相鄰點(diǎn)行上的相鄰點(diǎn)(i+1，j-1)、(i+1，j)和

36、和(i+1，j+1)的灰度值大于或等于跟蹤閾值的灰度值大于或等于跟蹤閾值t，就將其，就將其確定為新的接受對(duì)象點(diǎn)，并記為確定為新的接受對(duì)象點(diǎn)，并記為1。 精選課件7.4.27.4.2光柵跟蹤法光柵跟蹤法 光柵跟蹤圖像分割算法：光柵跟蹤圖像分割算法： （1 1）確定檢測(cè)閾值）確定檢測(cè)閾值d d和跟蹤閾值和跟蹤閾值t t，且要求，且要求dtdt； （2 2）用檢測(cè)閾值）用檢測(cè)閾值d d逐行對(duì)圖像進(jìn)行掃描，依次將灰逐行對(duì)圖像進(jìn)行掃描，依次將灰度值大于或等于檢測(cè)閾值度值大于或等于檢測(cè)閾值d d的點(diǎn)的位置記為的點(diǎn)的位置記為1 1； （3 3）逐行掃描圖像，若圖像中的（）逐行掃描圖像，若圖像中的（i,ji,

37、j）點(diǎn)為接受）點(diǎn)為接受對(duì)象點(diǎn)，則在第對(duì)象點(diǎn)，則在第i+1i+1行上找點(diǎn)行上找點(diǎn)(i,j)(i,j)的鄰點(diǎn)：的鄰點(diǎn)： (i+1,j-1) (i+1,j-1)、(i+1,j)(i+1,j)、(i+1,j+1)(i+1,j+1)并將其中灰度值大于或等于跟蹤閾值并將其中灰度值大于或等于跟蹤閾值t t的鄰點(diǎn)確定為新的鄰點(diǎn)確定為新的接受對(duì)象點(diǎn)，將相應(yīng)位置記為的接受對(duì)象點(diǎn)，將相應(yīng)位置記為1 1； （4 4）重復(fù)步驟）重復(fù)步驟(3)(3)，直至圖像中除最末一行以外的，直至圖像中除最末一行以外的所有接受點(diǎn)掃描完為止。所有接受點(diǎn)掃描完為止。 精選課件7.4.27.4.2光柵跟蹤法光柵跟蹤法 例例7.4.17.4.

38、1： d=7d=7，t=4t=4 （a）1解題過(guò)程和檢測(cè)結(jié)果 （b b）直接取閾值為）直接取閾值為4 4時(shí)的檢測(cè)結(jié)果時(shí)的檢測(cè)結(jié)果 精選課件7.57.5基于區(qū)域的圖像分割基于區(qū)域的圖像分割 基于區(qū)域的圖像分割是根據(jù)圖像的灰度、紋理、基于區(qū)域的圖像分割是根據(jù)圖像的灰度、紋理、顏色和圖像像素統(tǒng)計(jì)特征的均勻性等圖像的空間局部顏色和圖像像素統(tǒng)計(jì)特征的均勻性等圖像的空間局部特征，把圖像中的像素劃歸到各個(gè)物體或區(qū)域中，進(jìn)特征，把圖像中的像素劃歸到各個(gè)物體或區(qū)域中，進(jìn)而將圖像分割成若干個(gè)不同區(qū)域的一種分割方法。而將圖像分割成若干個(gè)不同區(qū)域的一種分割方法。 精選課件7.5.17.5.1區(qū)域生長(zhǎng)法區(qū)域生長(zhǎng)法 區(qū)域

39、生長(zhǎng)法的基本思想是根據(jù)事先定義的相似性準(zhǔn)區(qū)域生長(zhǎng)法的基本思想是根據(jù)事先定義的相似性準(zhǔn)則，將圖像中滿足相似性準(zhǔn)則的像素或子區(qū)域聚合成更則，將圖像中滿足相似性準(zhǔn)則的像素或子區(qū)域聚合成更大區(qū)域的過(guò)程。大區(qū)域的過(guò)程。 區(qū)域生長(zhǎng)的基本方法是首先在每個(gè)需要分割的區(qū)域區(qū)域生長(zhǎng)的基本方法是首先在每個(gè)需要分割的區(qū)域中找一個(gè)中找一個(gè)“種子種子”像素作為生長(zhǎng)的起點(diǎn)，然后將種子像像素作為生長(zhǎng)的起點(diǎn)，然后將種子像素周?chē)徲蛑信c種子像素有相同或相似性質(zhì)的像素合并素周?chē)徲蛑信c種子像素有相同或相似性質(zhì)的像素合并到種子像素所在的區(qū)域中，接著以合并成的區(qū)域中的所到種子像素所在的區(qū)域中，接著以合并成的區(qū)域中的所有像素作為新的種子

40、像素繼續(xù)上面的相似性判別與合并有像素作為新的種子像素繼續(xù)上面的相似性判別與合并過(guò)程，直到再?zèng)]有滿足相似性條件的像素可被合并進(jìn)來(lái)過(guò)程，直到再?zèng)]有滿足相似性條件的像素可被合并進(jìn)來(lái)為止。這樣就使得滿足相似性條件的像素就組成（生長(zhǎng)為止。這樣就使得滿足相似性條件的像素就組成（生長(zhǎng)成）了一個(gè)區(qū)域。成）了一個(gè)區(qū)域。 精選課件7.5.17.5.1區(qū)域生長(zhǎng)法區(qū)域生長(zhǎng)法 區(qū)域生長(zhǎng)法的三個(gè)關(guān)鍵條件的確定：區(qū)域生長(zhǎng)法的三個(gè)關(guān)鍵條件的確定： (1)(1)選擇和確定一組能正確代表所需區(qū)域的種子像素選擇和確定一組能正確代表所需區(qū)域的種子像素一般原則為：一般原則為： 接近聚類(lèi)重心的像素可作為種子像素。例如，圖接近聚類(lèi)重心的像

41、素可作為種子像素。例如，圖像直方圖中像素最多且處在聚類(lèi)中心的像素；像直方圖中像素最多且處在聚類(lèi)中心的像素； 紅外圖像目標(biāo)檢測(cè)中最亮的像素可作為種子像素；紅外圖像目標(biāo)檢測(cè)中最亮的像素可作為種子像素； 按位置要求確定種子像素；按位置要求確定種子像素； 根據(jù)某種經(jīng)驗(yàn)確定種子像素。根據(jù)某種經(jīng)驗(yàn)確定種子像素。 精選課件7.5.17.5.1區(qū)域生長(zhǎng)法區(qū)域生長(zhǎng)法 區(qū)域生長(zhǎng)法的三個(gè)關(guān)鍵條件的確定：區(qū)域生長(zhǎng)法的三個(gè)關(guān)鍵條件的確定： (2)(2) 確定在生長(zhǎng)過(guò)程中能將相鄰像素合并進(jìn)來(lái)的相確定在生長(zhǎng)過(guò)程中能將相鄰像素合并進(jìn)來(lái)的相似性準(zhǔn)則。似性準(zhǔn)則。主要有：主要有： 當(dāng)圖像是彩色圖像時(shí)，可以各顏色為準(zhǔn)則，并考當(dāng)圖像是

42、彩色圖像時(shí)，可以各顏色為準(zhǔn)則，并考慮圖像的連通性和鄰近性；慮圖像的連通性和鄰近性； 待檢測(cè)像素點(diǎn)的灰度值與已合并成的區(qū)域中所有待檢測(cè)像素點(diǎn)的灰度值與已合并成的區(qū)域中所有像素點(diǎn)的平均灰度值滿足某種相似性標(biāo)準(zhǔn)，比如灰度值像素點(diǎn)的平均灰度值滿足某種相似性標(biāo)準(zhǔn)，比如灰度值差小于某個(gè)值；差小于某個(gè)值； 待檢測(cè)點(diǎn)與已合并成的區(qū)域構(gòu)成的新區(qū)域符合某待檢測(cè)點(diǎn)與已合并成的區(qū)域構(gòu)成的新區(qū)域符合某個(gè)大小尺寸或形狀要求等。個(gè)大小尺寸或形狀要求等。精選課件7.5.17.5.1區(qū)域生長(zhǎng)法區(qū)域生長(zhǎng)法 區(qū)域生長(zhǎng)法的三個(gè)關(guān)鍵條件的確定：區(qū)域生長(zhǎng)法的三個(gè)關(guān)鍵條件的確定： (3)(3) 確定終止生長(zhǎng)過(guò)程的條件或規(guī)則確定終止生長(zhǎng)過(guò)程

43、的條件或規(guī)則 一般的停止生長(zhǎng)準(zhǔn)則是生長(zhǎng)過(guò)程進(jìn)行到?jīng)]有滿足一般的停止生長(zhǎng)準(zhǔn)則是生長(zhǎng)過(guò)程進(jìn)行到?jīng)]有滿足生長(zhǎng)準(zhǔn)則的像素時(shí)為止；生長(zhǎng)準(zhǔn)則的像素時(shí)為止； 其它與生長(zhǎng)區(qū)域需要的尺寸、形狀等全局特性有其它與生長(zhǎng)區(qū)域需要的尺寸、形狀等全局特性有關(guān)的準(zhǔn)則。關(guān)的準(zhǔn)則。 精選課件例例7.5.17.5.1 （a） （b） （c） （d） 圖圖7.17 7.17 區(qū)域生長(zhǎng)示例區(qū)域生長(zhǎng)示例1 17.5.17.5.1區(qū)域生長(zhǎng)法區(qū)域生長(zhǎng)法 精選課件例例7.5.27.5.2 圖圖7.18 7.18 區(qū)域生長(zhǎng)示例區(qū)域生長(zhǎng)示例2 2 7.5.17.5.1區(qū)域生長(zhǎng)法區(qū)域生長(zhǎng)法 精選課件7.5.27.5.2分裂合并法分裂合并法 分裂分

44、裂- -合并分割法是從整個(gè)圖像出發(fā)，根據(jù)圖像和合并分割法是從整個(gè)圖像出發(fā)，根據(jù)圖像和各區(qū)域的不均勻性，把圖像或區(qū)域分裂成新的子區(qū)域；各區(qū)域的不均勻性，把圖像或區(qū)域分裂成新的子區(qū)域；根據(jù)毗鄰區(qū)域的均勻性，把毗鄰的子區(qū)域合并成新的較根據(jù)毗鄰區(qū)域的均勻性，把毗鄰的子區(qū)域合并成新的較大區(qū)域。大區(qū)域。精選課件7.5.27.5.2分裂合并法分裂合并法 1. 1. 圖像四叉樹(shù)圖像四叉樹(shù) 如果把整幅圖像分成大小相同的如果把整幅圖像分成大小相同的4 4個(gè)方形象限區(qū)域，個(gè)方形象限區(qū)域，并接著把得到的新區(qū)域進(jìn)一步分成大小相同的并接著把得到的新區(qū)域進(jìn)一步分成大小相同的4 4個(gè)更小個(gè)更小的象限區(qū)域，如此不斷繼續(xù)分割下去

45、，就會(huì)得到一個(gè)以的象限區(qū)域，如此不斷繼續(xù)分割下去，就會(huì)得到一個(gè)以該圖像為樹(shù)根，以分成的新區(qū)域或更小區(qū)域?yàn)橹虚g結(jié)點(diǎn)該圖像為樹(shù)根，以分成的新區(qū)域或更小區(qū)域?yàn)橹虚g結(jié)點(diǎn)或樹(shù)葉結(jié)點(diǎn)的四叉樹(shù)?；驑?shù)葉結(jié)點(diǎn)的四叉樹(shù)。 精選課件 （a a）圖像）圖像R R （b b）圖像）圖像R R的四叉樹(shù)示例的四叉樹(shù)示例 圖圖7.19 7.19 圖像的四叉樹(shù)表示圖像的四叉樹(shù)表示7.5.27.5.2分裂合并法分裂合并法 精選課件7.5.27.5.2分裂合并法分裂合并法 2. 2. 分裂分裂- -合并分割法合并分割法 設(shè)同一區(qū)域設(shè)同一區(qū)域R Ri i中的所有像素滿足某一相似性準(zhǔn)則時(shí)，中的所有像素滿足某一相似性準(zhǔn)則時(shí)，P(RP(R

46、i i)=TRUE)=TRUE，否則，否則P(RP(Ri i)=FALSE)=FALSE。 （1 1）將圖像）將圖像R R分成分成4 4個(gè)大小相同的象限區(qū)域個(gè)大小相同的象限區(qū)域R Ri i，i=1,2,3,4i=1,2,3,4； （2 2）對(duì)于任何的）對(duì)于任何的R Ri i，如果，如果P(RP(Ri i)=FALSE)=FALSE，則將該，則將該R Ri i再再進(jìn)一步拆分成進(jìn)一步拆分成4 4個(gè)更小的象限區(qū)域；個(gè)更小的象限區(qū)域； （3 3）如果此時(shí)存在任意相鄰的兩個(gè)區(qū)域）如果此時(shí)存在任意相鄰的兩個(gè)區(qū)域R Rj j和和R Rk k使使P(RP(Rj jRRk k)=TRUE)=TRUE成立，就將成

47、立，就將R Rj j和和R Rk k進(jìn)行合并；進(jìn)行合并； （4 4）重復(fù)（）重復(fù)（2 2）和（）和（3 3），直到無(wú)法進(jìn)行拆分和合并），直到無(wú)法進(jìn)行拆分和合并為止。為止。 精選課件1 23 4（a a）原始圖像）原始圖像 分裂序號(hào)分裂序號(hào)(b(b）第一次分裂成）第一次分裂成4 4個(gè)區(qū)域個(gè)區(qū)域7.5.27.5.2分裂合并法分裂合并法 精選課件7.5.27.5.2分裂合并法分裂合并法 (b(b）第一次分裂成）第一次分裂成4 4個(gè)區(qū)域個(gè)區(qū)域（c c）第二次分裂成十個(gè)區(qū)域）第二次分裂成十個(gè)區(qū)域精選課件（d d）最后一次分裂成十）最后一次分裂成十6 6個(gè)區(qū)域個(gè)區(qū)域 7.5.27.5.2分裂合并法分裂合并

48、法 （c c）第二次分裂成十個(gè)區(qū)域）第二次分裂成十個(gè)區(qū)域精選課件7.5.27.5.2分裂合并法分裂合并法 對(duì)于灰度圖象的一些可以選擇的分裂對(duì)于灰度圖象的一些可以選擇的分裂- -合并準(zhǔn)則：合并準(zhǔn)則： （1 1）同一區(qū)域中最大灰度值與最小灰度值之差或方）同一區(qū)域中最大灰度值與最小灰度值之差或方差小于某選定的閾值；差小于某選定的閾值； （2 2）兩個(gè)區(qū)域的平均灰度值之差及方差小于某個(gè)選）兩個(gè)區(qū)域的平均灰度值之差及方差小于某個(gè)選定的閾值；定的閾值； （3 3）兩個(gè)區(qū)域的灰度分布函數(shù)之差小于某個(gè)選定的）兩個(gè)區(qū)域的灰度分布函數(shù)之差小于某個(gè)選定的閾值；閾值； （4 4）兩個(gè)區(qū)域的某種圖像統(tǒng)計(jì)特征值的差小于等

49、于）兩個(gè)區(qū)域的某種圖像統(tǒng)計(jì)特征值的差小于等于某個(gè)閾值。某個(gè)閾值。 精選課件7.67.6圖像特征提取圖像特征提取 圖像特征提取是圖像處理研究中的重要內(nèi)容，而圖圖像特征提取是圖像處理研究中的重要內(nèi)容，而圖像特征提取的關(guān)鍵則是圖像特征的描述和定義。像特征提取的關(guān)鍵則是圖像特征的描述和定義。圖像的人工特征是指人們?yōu)榱吮阌趯?duì)圖像進(jìn)行處理圖像的人工特征是指人們?yōu)榱吮阌趯?duì)圖像進(jìn)行處理和分析而人為認(rèn)定的特征，比如圖像直方圖和圖像頻和分析而人為認(rèn)定的特征，比如圖像直方圖和圖像頻譜等。譜等。自然特征是指圖像固有的特征，比如圖像中的邊緣自然特征是指圖像固有的特征，比如圖像中的邊緣、紋理、形狀和顏色等。、紋理、形狀和

50、顏色等。 精選課件（1 1）圖像的均值）圖像的均值 =1010),(1MxNyyxfMNf)0 , 0(1FMNf =(7.46) (7.47) 7.6.17.6.1圖像的統(tǒng)計(jì)特征圖像的統(tǒng)計(jì)特征 （2 2）圖像的方差）圖像的方差 =101022),(1MxNyffyxfNM (7.48) 精選課件（3 3）圖像的標(biāo)準(zhǔn)差）圖像的標(biāo)準(zhǔn)差 (7.49) 7.6.17.6.1圖像的統(tǒng)計(jì)特征圖像的統(tǒng)計(jì)特征 （4 4）圖像的熵）圖像的熵 2/110102),(1=MxNyffyxfNMiLiippHln10=2,/ ),(MjiNPji=1010,logLiLjjijiPPH(7.50) (7.51) （

51、7.52） 精選課件7.6.27.6.2圖像的點(diǎn)、線、邊界特征圖像的點(diǎn)、線、邊界特征 （a a）點(diǎn)）點(diǎn) （b b）邊緣）邊緣 （c c）線）線 如果圖像中的一個(gè)非常小的區(qū)域的灰度幅值與其領(lǐng)域值如果圖像中的一個(gè)非常小的區(qū)域的灰度幅值與其領(lǐng)域值相比有著明顯的差異，則稱(chēng)這個(gè)非常小的區(qū)域稱(chēng)為圖像點(diǎn)相比有著明顯的差異，則稱(chēng)這個(gè)非常小的區(qū)域稱(chēng)為圖像點(diǎn) 圖像的邊緣是指圖像灰度發(fā)生空間突變的象素的集合?；驁D像的邊緣是指圖像灰度發(fā)生空間突變的象素的集合?；蛘哒f(shuō)是圖像中以灰度值表征的兩平滑區(qū)域之間的振幅斷續(xù)。者說(shuō)是圖像中以灰度值表征的兩平滑區(qū)域之間的振幅斷續(xù)。如果圖像中在一對(duì)相鄰邊界中間存在一個(gè)非常窄（理想情如果

52、圖像中在一對(duì)相鄰邊界中間存在一個(gè)非常窄（理想情況下寬度為況下寬度為1 1個(gè)像素）的線狀區(qū)域，并在該線狀區(qū)域中的灰個(gè)像素）的線狀區(qū)域，并在該線狀區(qū)域中的灰度具有近乎相同的振幅特性，則稱(chēng)該線狀區(qū)域?yàn)榫€度具有近乎相同的振幅特性，則稱(chēng)該線狀區(qū)域?yàn)榫€ 精選課件邊緣與線的區(qū)別：邊緣與線的區(qū)別：（a a）邊緣的理想階躍截面）邊緣的理想階躍截面 （b b）實(shí)際中的邊緣階躍截面）實(shí)際中的邊緣階躍截面 7.6.27.6.2圖像的點(diǎn)、線、邊界特征圖像的點(diǎn)、線、邊界特征 (c)(c)理想尖峰線條理想尖峰線條 (d)(d)尖峰和階躍組合的線條尖峰和階躍組合的線條 (e)(e)屋脊?fàn)罹€條屋脊?fàn)罹€條 圖圖7.22 7.22

53、 圖像中的邊緣和線的截面示意圖圖像中的邊緣和線的截面示意圖 精選課件 （a） （b） （c） （d） （e） 圖圖7.23 7.23 圖像的點(diǎn)、線特征提取模板圖像的點(diǎn)、線特征提取模板 精選課件7.6.37.6.3圖像的紋理特征圖像的紋理特征 在自然景物中類(lèi)似于磚墻的那種具有重復(fù)性結(jié)構(gòu)的在自然景物中類(lèi)似于磚墻的那種具有重復(fù)性結(jié)構(gòu)的圖案可以看作是一種紋理。圖案可以看作是一種紋理。 在圖像中，由某種模式重復(fù)排列所形成的結(jié)構(gòu)可看在圖像中，由某種模式重復(fù)排列所形成的結(jié)構(gòu)可看作是紋理，但這僅僅是一種對(duì)紋理的理解性定義。作是紋理，但這僅僅是一種對(duì)紋理的理解性定義。 精選課件7.6.37.6.3圖像的紋理特征

54、圖像的紋理特征 紋理的標(biāo)志有三點(diǎn)：紋理的標(biāo)志有三點(diǎn)： （1 1）某種局部的序列性在比該序列更大的區(qū)域內(nèi)）某種局部的序列性在比該序列更大的區(qū)域內(nèi)不斷重復(fù)出現(xiàn)；不斷重復(fù)出現(xiàn)； （2 2）序列由基本部分（即紋理基元）非隨機(jī)排列）序列由基本部分（即紋理基元）非隨機(jī)排列組成；組成； （3 3）在紋理區(qū)域內(nèi)各部分具有大致相同的結(jié)構(gòu)和）在紋理區(qū)域內(nèi)各部分具有大致相同的結(jié)構(gòu)和尺寸。尺寸。 因此可以說(shuō)，紋理就是由紋理基元按某種確定性因此可以說(shuō)，紋理就是由紋理基元按某種確定性的規(guī)律或者某種統(tǒng)計(jì)規(guī)律排列組成的一種結(jié)構(gòu)。的規(guī)律或者某種統(tǒng)計(jì)規(guī)律排列組成的一種結(jié)構(gòu)。 精選課件7.6.37.6.3圖像的紋理特征圖像的紋理特

55、征 人工紋理一般由線段、星號(hào)、某種字母數(shù)字等符號(hào)人工紋理一般由線段、星號(hào)、某種字母數(shù)字等符號(hào)排列組成，所以人工紋理屬于確定性紋理。排列組成，所以人工紋理屬于確定性紋理。 自然紋理是自然景物所呈現(xiàn)的部分重復(fù)性的結(jié)構(gòu)，自然紋理是自然景物所呈現(xiàn)的部分重復(fù)性的結(jié)構(gòu)，例如磚墻、沙灘、草地等，所以自然紋理屬于隨機(jī)性例如磚墻、沙灘、草地等，所以自然紋理屬于隨機(jī)性紋理紋理。 紋理的粗糙度是一種定性地描述紋理的最直觀的方紋理的粗糙度是一種定性地描述紋理的最直觀的方式之一。式之一。 一般可按平均灰度級(jí)的差別來(lái)區(qū)分物體和背景，可一般可按平均灰度級(jí)的差別來(lái)區(qū)分物體和背景，可通過(guò)求平均值差分來(lái)檢測(cè)不同紋理區(qū)域之間的邊緣

56、。通過(guò)求平均值差分來(lái)檢測(cè)不同紋理區(qū)域之間的邊緣。 精選課件7.6.47.6.4圖像的形狀特征圖像的形狀特征 精選課件7.77.7圖像分類(lèi)的概念圖像分類(lèi)的概念 物體識(shí)別從根本上講就是為物體標(biāo)明類(lèi)別，更通物體識(shí)別從根本上講就是為物體標(biāo)明類(lèi)別，更通用的說(shuō)法就是圖像分類(lèi)，是一種將圖像中的所有像元用的說(shuō)法就是圖像分類(lèi)，是一種將圖像中的所有像元或區(qū)域按其性質(zhì)分為若干類(lèi)別中的一類(lèi)，或若干專(zhuān)題或區(qū)域按其性質(zhì)分為若干類(lèi)別中的一類(lèi)，或若干專(zhuān)題要素中的一種的技術(shù)過(guò)程。要素中的一種的技術(shù)過(guò)程。精選課件7.7.17.7.1圖像分類(lèi)的技術(shù)層次圖像分類(lèi)的技術(shù)層次 （1 1）人工目視解譯方法。也即憑借成像機(jī)理、光譜規(guī)人工目視

57、解譯方法。也即憑借成像機(jī)理、光譜規(guī)律、地學(xué)規(guī)律、生物學(xué)規(guī)律和人的知識(shí)和經(jīng)驗(yàn)，從影像的律、地學(xué)規(guī)律、生物學(xué)規(guī)律和人的知識(shí)和經(jīng)驗(yàn)，從影像的亮度、色調(diào)、位置、時(shí)間、紋理、結(jié)構(gòu)等特征推斷出圖像亮度、色調(diào)、位置、時(shí)間、紋理、結(jié)構(gòu)等特征推斷出圖像中景物的類(lèi)型。中景物的類(lèi)型。 （2 2）計(jì)算機(jī)識(shí)別分類(lèi)方法。也即根據(jù)圖像中地物信息計(jì)算機(jī)識(shí)別分類(lèi)方法。也即根據(jù)圖像中地物信息和數(shù)據(jù)特征的差異和變化，通過(guò)計(jì)算機(jī)對(duì)圖像的處理和定和數(shù)據(jù)特征的差異和變化，通過(guò)計(jì)算機(jī)對(duì)圖像的處理和定量分析，實(shí)現(xiàn)對(duì)圖像中地物屬性的識(shí)別和分類(lèi)，以便給出量分析，實(shí)現(xiàn)對(duì)圖像中地物屬性的識(shí)別和分類(lèi)，以便給出圖像中地物的識(shí)別分類(lèi)結(jié)果。圖像中地物的識(shí)別分類(lèi)結(jié)果。 一般情況下提到的圖像分類(lèi)概念就是指基于計(jì)算機(jī)的一般情況下提到的圖像分類(lèi)概念就是指基于計(jì)算機(jī)的圖像識(shí)別分類(lèi)方法。圖像識(shí)別分類(lèi)方法。 精選課件7.7.17.7