《mvchp區(qū)域分析》PPT課件

1、區(qū) 域 分 析Chapter 4 Region Analysis第 4 章 2022/7/161精選PPT1 區(qū)域和邊緣（Region and Edge） 如何精確解釋一幅圖像？ 區(qū)域: 相互連結(jié)的具有相似特性的一組像素 邊緣：區(qū)域邊界上的像素(pixel) 2022/7/162精選PPT2 分割的定義（segmentation）圖像分割最簡形式: 把灰度圖(gray image)轉(zhuǎn)換成二值圖。2022/7/163精選PPT低層視覺高層視覺中層視覺圖像分割2022/7/164精選PPT圖像分割是中層視覺中的最基本問題，也是計算視覺和圖像理解中的最基本問題之一。它還是該領(lǐng)域國際學(xué)術(shù)界公認(rèn)的將會長

2、期存在的最困難的問題之一。圖像分割之所以困難的一個重要原因是其并不完全屬于圖像特征提取問題，它還涉及到各種圖像特征的知覺組織。從一般意義上來說，只有對圖像內(nèi)容的徹底理解，才能產(chǎn)生完美的分割。通過限制圖像的類型，可以降低圖像分割的難度。2022/7/165精選PPT討論：基于區(qū)域的分割基于邊緣檢測的分割理論上，區(qū)域分割和邊緣檢測應(yīng)該產(chǎn)生相同的結(jié)果2022/7/166精選PPT3 自動閾值化法（auto-threshold） 直方圖histogram2022/7/167精選PPT簡單閾值化方法的問題 2022/7/168精選PPT基于場景中的物體、環(huán)境和應(yīng)用域等知識：對應(yīng)于物體的圖像灰度特性，物體

3、的尺寸，物體在圖像中所占比例，圖像中不同類型物體的數(shù)量。使用上述知識并在無人介入的情況下自動選取閾值的方法稱為自動閾值化方法自動閾值化算法通常使用灰度直方圖來分析圖像中灰度值的分布，并使用特定應(yīng)用域知識來選取最合適的閾值由于所用的知識具有普遍性，因此大大增加了算法的應(yīng)用范圍自動閾值化方法2022/7/169精選PPT(1) 模態(tài)方法(mode) 圖像中的物體、背景各具有一灰度值，圖像被零均值高斯噪聲污染，灰度分布曲線是由兩個正態(tài)分布函數(shù)疊加而成圖像直方圖將會出現(xiàn)兩個分離的峰值，閾值選取波谷最佳。 具有不同灰度均值的多物體圖像中背景和物體灰度值正態(tài)分布參數(shù)為：2022/7/1610精選PPT20

4、22/7/1611精選PPT(2) 迭代式閾值選擇算法4.1 迭代式閾值選擇算法1. 選一初始閾值，如:灰度均值2. 利用閾值把圖像分割成兩組，R1和R23. 計算區(qū)域R1和R2的均值 、4. 選擇新的閾值 5. 重復(fù)24步，直到 和 的均值不再變化為止閾值的改進策略是這一方法的關(guān)鍵2022/7/1612精選PPT(3) 自適應(yīng)閾值化方法 場景照明不均勻時， 一個閾值？ 把圖像分成mm個子圖像，求出子圖像的閾值。分割的最后結(jié)果是所有子圖像割的邏輯并。2022/7/1613精選PPT(4) 變量閾值化方法在不均勻照明條件下的另一種實用的閾值化方法是使用簡單的函數(shù)，如平面、二次曲面等，來逼近不均勻

5、照明下的物體圖象與背景圖象之間的分界面。分界面在很大程度上是由背景灰度值確定的。 2022/7/1614精選PPT(5)雙閾值方法在許多應(yīng)用中，屬于物體的某些灰度值是已知的然而，可能還有一些灰度值或者屬于物體，或者屬于背景在這種情況下，人們可能使用一個保守一點的閾值T1來分離物體圖像，稱之為物體圖像核，然后，使用有關(guān)算法來增長物體圖像增長物體圖像的方法取決于特定的應(yīng)用，通常使用另一個閾值來吸收那些圖像核像素的鄰接像素，或用圖像強度特性（如直方圖）來決定屬于物體區(qū)域上的那些點，一種簡單的方法是吸收低于第二個閾值T2并且與原先物體圖像點相連結(jié)的所有點2022/7/1615精選PPT 算法4.2 區(qū)

6、域增長的雙閾值算法1、選擇兩個閾值T1和T22、把圖像分割成三個區(qū)域：R1，包含所有灰度值低于閾值T1的像素；R2，包含所有灰度值位于閾值T1和T2之間的像素；R3，包含所有灰度值高于閾值T2的像素3、查看分配給區(qū)域R2中的每一個像素如果某一像素鄰接區(qū)域R1，則把這一像素重新分配給R14、重復(fù)步驟3直到?jīng)]有像素被重新分配5、把區(qū)域R2剩下的所有像素重新分配給R32022/7/1616精選PPT（6） 直方圖方法的局限性恒定灰度值.在物體圖像具有恒定灰度值的情況下特別有用如果場景中不同部分具有不同的照明，那么，即使圖像中僅包含有一個物體，也無法用一個閾值來分割圖像 沒有利用圖像強度的空間信息.基

7、于直方圖的圖像分割方法沒有利用圖像強度的空間信息，因此，在本質(zhì)上存在著局限性直方圖僅描述了圖像強度分布，因此具有不同灰度空間分布的圖像可能具有類似的直方圖例如，用直方圖無法區(qū)分隨機分布的黑白點圖像、黑白棋格圖像和黑白各半的圖像 2022/7/1617精選PPT4 區(qū)域表示（region representation） 三類型：陣列表示； 層級表示； 基于特征的區(qū)域表示。區(qū)域有許多應(yīng)用，也有許多種表示方法不同的表示方法有著不同的應(yīng)用一些應(yīng)用只需計算單個區(qū)域，而另一些則需要計算圖像各區(qū)域的關(guān)系本節(jié)將討論幾種區(qū)域表示方法并研究它們的特性需要指出，區(qū)域完全可以表示成封閉輪廓， 2022/7/1618精

8、選PPT4.1 陣列表示 區(qū)域表示的基本形式是一個與原始圖像一樣大小的陣列，陣列元素表示像素所屬區(qū)域這樣，如果陣列元i,j具有標(biāo)記a，那么對應(yīng)的圖像像素就屬于區(qū)域a這種表示的最簡單例子是二值圖像，其中每個像素屬于區(qū)域0或?qū)儆趨^(qū)域1另一種表示方法是使用模板(mask)或比特位圖(bitmap)每一個區(qū)域?qū)?yīng)一個二值圖像，稱之為模板，表示圖像中哪些像素屬于該區(qū)域把模板重疊在原始圖像上，可以求得對應(yīng)區(qū)域的強度特性。2022/7/1619精選PPT4.2 層級表示 圖像可以用多種不同的分辨率來表示顯然，降低圖像的分辨率可以降低陣列的尺寸，但要丟失一些信息，使得信息恢復(fù)工作比較困難然而，降低分辨率可以降

9、低對存儲器容量和計算速度的要求圖像的層級表示可以是多分辨率表示在許多應(yīng)用中，首先在低分辨率下進行圖像特性計算，然后在高分辨率上對圖像某一選定區(qū)域再進行精細計算多級圖像表示也在圖像瀏覽中得到了廣泛地應(yīng)用 2022/7/1620精選PPT(1) 金字塔型NXN2X21陣列圖像的金字塔型（pyramid）表示包含了原圖像和原圖像的k個遞減圖像，在圖像的金字塔型表示中，L層的像素是通過對L+1層的若干像素組合得到的在頂層或0層，圖像表示為單一像素；而底層則是原始圖像或未被遞減的圖像某一層的一個像素表示下一層的幾個像素的合成信息 2022/7/1621精選PPT圖45 圖像多分辨率表示示意圖。(a) 遞

10、減分辨率的圖像是通過求四個像素的平均值得到的；(b) 原圖像為512 512的多分辨率表示；2022/7/1622精選PPT三種節(jié)點：白、黑和灰度一個區(qū)域可以分裂成大小一樣的四個子區(qū)域。對于每一個子區(qū)域，如果其所有點或者是黑的，或者是白的，則該區(qū)域不再進行分裂；但如果同時包含有黑白兩種點，則認(rèn)為該區(qū)域是灰度區(qū)域，可以進一步分裂成四個子區(qū)域通過這種不斷分裂得到的圖像就可用樹型結(jié)構(gòu)表示分裂過程不斷進行，直到樹中沒有灰度區(qū)域樹結(jié)構(gòu)中的每一個節(jié)點或者是一個樹葉，或者包含有四個子節(jié)點，故稱為四叉樹 (2) 四叉樹型(quarter-tree)2022/7/1623精選PPT 建立四叉樹原始圖像；把原始圖

11、像分裂成為四個子區(qū)域；分裂圖像(b)中的灰度區(qū)域成為四個子區(qū)域； 分裂最后一個灰度區(qū)域，得到最后的四叉樹2022/7/1624精選PPT區(qū)域可用特征表示。常用特征：最小外接矩形、中心矩、歐拉數(shù)、灰度均值、方差等相鄰區(qū)域的相互位置關(guān)系也可作為特征。區(qū)域用邊緣表示，另外討論。4.3 基于特征的區(qū)域表示(feature-based)2022/7/1625精選PPT4.4 圖像分割數(shù)據(jù)結(jié)構(gòu)為了實現(xiàn)用于圖像分割的區(qū)域合并和分裂算法，所生成的區(qū)域必須以某種數(shù)據(jù)結(jié)構(gòu)保存合并和分裂運算要使用區(qū)域之間的邊界信息以及區(qū)域的總體特性，因此，為了更容易地處理區(qū)域特征，人們提出許多相應(yīng)的數(shù)據(jù)結(jié)構(gòu)在本節(jié)，我們將討論幾種用

12、于區(qū)域合并和分裂的數(shù)據(jù)結(jié)構(gòu) 2022/7/1626精選PPT區(qū)域鄰接圖（region adjacency graphs, RAG）表示圖像中區(qū)域與區(qū)域之間的關(guān)系，區(qū)域的不同特性可以存貯在不同的節(jié)點數(shù)據(jù)結(jié)構(gòu)中RAG中的節(jié)點表示區(qū)域，節(jié)點之間的弧線表示區(qū)域的公共邊界（1）區(qū)域鄰接圖2022/7/1627精選PPT算法43 區(qū)域鄰接圖生成算法1、掃描陣列A并在每一個像素角標(biāo)i,j完成下列各步;2、讓 r1=Ai,j（即把Ai,j的區(qū)域節(jié)點號賦值給r1）;3、查看像素在i,j的鄰接像素k,l對每一個鄰近像 素，進行下一步;4、讓r2=Ak,l, 如果r1r2，在區(qū)域鄰接圖的節(jié)點r1 和r2之間增加一條

13、弧線 。2022/7/1628精選PPT（2）超級網(wǎng)格在某些應(yīng)用中，希望把分割信息存貯在圖像陣列中在這種情況下表示邊界會遇到一些問題直觀地看，邊界應(yīng)位于兩個鄰接區(qū)域的像素之間然而，在圖像陣列表示中，邊界只能用實際的像素來表示解決這一問題的方法是引進超級網(wǎng)格如果原始圖像是nn，那么超級網(wǎng)格就是（2n1）（2n1）陣列每一個像素被八個位于超級網(wǎng)格上的非像素點包圍非像素點用來表示兩個像素之間的邊界，以及邊界的方向圖48 超級網(wǎng)格區(qū)域表示左：圖像網(wǎng)格；中：傳統(tǒng)的邊界表示；右：超級網(wǎng)格表示2022/7/1629精選PPT5 分裂與合并(split and merge) 具有恒定灰度的區(qū)域，閾值化算法的輸

14、出也常常包含有許多額外的區(qū)域造成這一問題的主要原因是高頻噪聲和不同區(qū)域灰度值的緩變 在基于灰度特征進行區(qū)域的初始分割后，所得到的區(qū)域可能需要進一步細化分割或修正處理 使用分裂和合并的組合算法可以實現(xiàn)自動細化分割運算分裂和合并運算是通過合并屬于同一物體的鄰接區(qū)域來消除錯誤的邊界和虛假的區(qū)域，同時可以通過分裂屬于不同物體的區(qū)域來增添丟失的邊界2022/7/1630精選PPT合并運算就是把相似的鄰接區(qū)域組合起來算法4.4 區(qū)域合并算法1、使用閾值法（或其它簡單的方法）進行圖像的初始 區(qū)域分割，然后進行連通域標(biāo)記；2、 建立圖像的RAG ；3、 對于圖像中的每一個區(qū)域，完成下列步驟： a查看是否與鄰接

15、區(qū)域相似, b合并相似的區(qū)域，并修改RAG；4、 重復(fù)步驟3，直到?jīng)]有區(qū)域可以合并5.1 區(qū)域合并2022/7/1631精選PPT 鄰接區(qū)域相似性的兩種評價方法1、幾何代數(shù)法：比較它們的灰度均值。如果灰度均值無法用預(yù)先設(shè)置的灰度值來區(qū)分，則可以認(rèn)為它們相似，并確定為合并的候選區(qū)域 這一方法的改進形式是使用曲面擬合方法，以便確定是否存在一個曲面來逼近區(qū)域2、統(tǒng)計法： 用假設(shè)檢驗方法來評判鄰接區(qū)域的相似性。假設(shè)灰度值服從概率分布，根據(jù)相鄰區(qū)域是否具有相同的概率分布函數(shù)考慮是否合并它們 2022/7/1632精選PPT統(tǒng)計意義下的區(qū)域合并(statistical merging)2022/7/163

16、3精選PPT當(dāng)區(qū)域包含有n個像素，每個像素灰度值為 , 服從正態(tài)分布： (44)一般情況下，上面所述參數(shù)是未知的，但可以使用樣本來估計這些參數(shù)的最大似然估計方程為： (45) 2022/7/1634精選PPT在假設(shè)H0下，所有的像素獨立服從同一個分布 在這一假設(shè)下的聯(lián)合概率密度是： 2022/7/1635精選PPT在假設(shè)H1下，屬于區(qū)域R1的m1個像素服從分布 ，屬于區(qū)域R2的m2個像素服從分布 在這一假設(shè)下，聯(lián)合分布密度函數(shù)為： 2022/7/1636精選PPT似然比：似然比低于某一閾值，說明這兩個區(qū)域可以合并為一個區(qū)域2022/7/1637精選PPT5.2 區(qū)域分裂如果區(qū)域的某些特性不是恒

17、定的，則區(qū)域應(yīng)該分裂基于分裂方法的圖像分割過程是從最大的區(qū)域開始，多數(shù)情況下常把整個圖像作為起始分裂的圖像。在某些應(yīng)用場合，灰度方差常作為評價灰度圖像與等值灰度圖像接近程度的測度在其它的一些應(yīng)用中，可用擬合函數(shù)來逼近灰度值，擬合函數(shù)與實際的灰度值之差可作為區(qū)域相似度的度量 2022/7/1638精選PPT算法4.5 區(qū)域分裂算法 1. 形成初始區(qū)域； 2. 對圖像的每一個區(qū)域，連續(xù)執(zhí)行下面兩步： （a）計算區(qū)域灰度值方差 （b）如果方差值大于某一閾值，則沿著某 一合適的邊 界分裂區(qū)域2022/7/1639精選PPT5.3 分裂和合并分裂和合并運算可以同時進行，也就是說，用閾值化方法預(yù)分割后，連

18、續(xù)進行分裂和合并，最后得到圖像的精確分割分裂和合并組合算法對分割復(fù)雜的場景圖像十分有用引入應(yīng)用域知識，可提高分裂和合并算法的有效性。 2022/7/1640精選PPT算法46 區(qū)域分割的分裂與并合算法：1、設(shè)整幅圖像為初始區(qū)域；2、選一個區(qū)域R，如果P(R) 錯誤，則把該區(qū)域分裂成四個 子區(qū)域；3、考慮圖像中任意兩個或更多的鄰接子區(qū)域R1,R2,Rn;4、如果P(R1R2Rn)正確，則把這n個區(qū)域合并成 一個區(qū)域；5、重復(fù)以上各步，直到不能再進行區(qū)域分裂和合并 2022/7/1641精選PPT6 區(qū)域增長基本思路：圖像可以劃分成區(qū)域，而區(qū)域可以用簡單函數(shù)模型化尋找初始區(qū)域核，并從區(qū)域核開始，逐漸增長核區(qū)域，形成滿足一定約束的較大的區(qū)域 一致性謂詞: 基于區(qū)域灰度平面或二次曲面函數(shù)擬合.通常,一致性謂詞是基于圖像區(qū)域的特征: 平均強度、方差、紋理和顏色等.2022/7/1642精選PPT平面和二次曲面模型是一些基函數(shù)的線性組合，其中基函數(shù)包含了各階雙變量多項式模型可以表示為：其中模型的階數(shù)m限制 在也就是說，區(qū)域的模型只有平面和二次曲面函數(shù)2022/7/1643精選PPT在圖像平面中，點(x, y)處的灰度值g(x, y)是圖像在那一位置的像素灰度值已知點集R，求解模型的階數(shù)m和模型參數(shù)