數(shù)字圖像處理7、圖像分割

1、第7章 圖像分割數(shù)字圖像處理的目的之一是用作圖像識(shí)別，本章內(nèi)容介紹的圖像分割是圖像識(shí)別工作的基礎(chǔ)。 引言圖像處理的一個(gè)重要任務(wù)是對(duì)圖像中的景物進(jìn)行分析和理解，包括：圖像分割：把圖像分割成不同的區(qū)域特征抽?。赫页龇珠_的各區(qū)域的特征圖像識(shí)別與分類：識(shí)別圖像中要找的東西，或?qū)D像中不同的特征進(jìn)行分類圖像分析或理解：對(duì)于不同區(qū)域進(jìn)行描述，或?qū)ふ也煌瑓^(qū)域之間的相互聯(lián)系，或把相關(guān)區(qū)域連接起來(lái)組成一個(gè)有意義的結(jié)構(gòu)引言圖像處理、識(shí)別與理解的含義：圖像處理包括圖像增強(qiáng)與恢復(fù)，可看作是預(yù)處理。其輸入、輸出均為圖像圖像識(shí)別對(duì)圖像的分割、特征提取、分類及結(jié)構(gòu)分析可稱為圖像識(shí)別。輸入是圖像，輸出是分類及結(jié)構(gòu)分析圖像理解

2、對(duì)圖像的描述與解釋。輸入是圖像，輸出是描述和解釋引言圖像分割根據(jù)某種均勻性的原則將圖像分成若干個(gè)有意義的部分，使每部分都符合某種一致性的要求。而任意兩個(gè)相鄰部分的合并都會(huì)破壞這種一致性。 圖像的邊緣邊緣指的是包圍著連通區(qū)域的一條封閉的邊緣曲線。邊緣兩側(cè)分屬于兩個(gè)區(qū)域，每個(gè)區(qū)域內(nèi)部特性相對(duì)一致，而兩個(gè)區(qū)域之間特性有差異，存在著灰度的突變。引言（a）原圖像 （b）原圖像引言圖像分割的原則：基于點(diǎn)相關(guān)的分割依據(jù)各個(gè)像素點(diǎn)的灰度不連續(xù)性進(jìn)行分割。如基于邊界的分割方法基于區(qū)域相關(guān)的分割依據(jù)同一區(qū)域具有相似的灰度這一特性，尋求不同區(qū)域之邊界。如基于區(qū)域的分割方法一 尋找圖像邊界的分割基于邊界的分割步驟：邊

3、緣檢測(cè)：獲得邊界點(diǎn)；邊界跟蹤：搜索并連接邊界點(diǎn)；曲線擬合：形成部分邊界；最終形成閉合邊界1、邊緣檢測(cè)基于灰度不連續(xù)性進(jìn)行分割的方法差分邊緣檢測(cè)處在邊緣兩側(cè)的點(diǎn)，圖像灰度將發(fā)生急劇的變化，因此具有較大的差分值，當(dāng)差分方向與邊界方向垂直時(shí)，具有最大的差分值。差分是灰度變化的有方向性的運(yùn)算1、邊緣檢測(cè)拉普拉斯邊緣檢測(cè)各向同性的運(yùn)算，對(duì)灰度突變敏感用于邊緣檢測(cè)時(shí)，為避免出現(xiàn)負(fù)值，常取其絕對(duì)值方向模板邊緣檢測(cè)類似于銳化模板，采用方向模板進(jìn)行邊緣檢測(cè)各種邊緣檢測(cè)算子：Sobel、Prewitt、Krisch、Wallis等算子既可以用于圖像銳化，又可以用于圖像邊緣檢測(cè)1、邊緣檢測(cè)Roberts交叉邊緣檢測(cè)

4、普通梯度算子檢測(cè)水平或垂直方向上的變化；Roberts交叉算子檢測(cè)的是沿與圖像坐標(biāo)軸45度或135度角方向上的灰度梯度；-10010-110RobertsRoberts交叉邊緣檢測(cè)效果1、邊緣檢測(cè)Sobel模板垂直檢測(cè)模板水平檢測(cè)模板Sobel模板邊緣檢測(cè)效果1、邊緣檢測(cè)Kirsch算子對(duì)八鄰域進(jìn)行計(jì)算，用5個(gè)相鄰點(diǎn)的加權(quán)和減去3個(gè)相鄰點(diǎn)的加權(quán)和；33-53-533-53-5-53-5333-5-5-533333-5-53-53333-533-53-533333-53-5-5333333-5-5-53333-53-5-5Kirsch 算子的8方向33模板1、邊緣檢測(cè)Laplace算子無(wú)方向性的

5、二階微分算子，可用二階差分代替；經(jīng)常表示成模板形式用于邊緣檢測(cè)時(shí)，為避免出現(xiàn)負(fù)值，常取其絕對(duì)值對(duì)圖像中的噪聲非常敏感，另外還會(huì)產(chǎn)生雙象素寬的邊緣，很少直接用于邊緣提取0-10-14-10-10-10-1040-10-1-1-1-1-18-1-1-1-11、邊緣檢測(cè)LoG算子（Laplacian of Gaussian）對(duì)Laplace算子的改進(jìn)，為減少噪聲的影響，對(duì)圖像進(jìn)行平滑，平滑函數(shù)采用高斯函數(shù)對(duì)平滑后的圖像再用Laplace算子LoG算子是軸對(duì)稱的各向同性算子Laplacian of GaussianCanny算子邊緣檢測(cè)效果2、邊界跟蹤邊界跟蹤 (Boundary tracking，E

6、dge point linking)是指從灰度圖像中的一個(gè)邊緣點(diǎn)出發(fā)，依次搜索并連接相鄰邊緣點(diǎn)，從而逐步檢測(cè)出邊界的方法（1）確定作為搜索起點(diǎn)的邊緣點(diǎn)（通常采用梯度值最大的點(diǎn)）（2）采取一種合適的數(shù)據(jù)結(jié)構(gòu)和搜索機(jī)理，在已經(jīng)發(fā)現(xiàn)的邊界點(diǎn)基礎(chǔ)上確定新的邊界點(diǎn)。（3）確定搜索終結(jié)的準(zhǔn)則或終止條件2、邊界跟蹤8鄰域搜索跟蹤法例：在33鄰域中選取邊界點(diǎn)，并限制沒(méi)有大于45o的轉(zhuǎn)折PCCPCPCPCPPCPCPC3、曲線擬合曲線擬合的邊界連接針對(duì)銳化后圖像邊緣間隔大或邊緣點(diǎn)稀疏的情況，采用直線段或曲線函數(shù)來(lái)擬合這些邊緣點(diǎn)，以形成部分邊界，從而得到整個(gè)完整邊界二 基于區(qū)域灰度的圖像分割通過(guò)對(duì)圖像的直方圖進(jìn)行

7、分析，若目標(biāo)和背景具有不同的灰度集合，且兩個(gè)灰度集合可用一個(gè)灰度級(jí)閾值T進(jìn)行分割。這樣就可以用閾值分割灰度級(jí)的方法在圖像中分割出目標(biāo)區(qū)域與背景區(qū)域。二 基于區(qū)域灰度的圖像分割1、灰度級(jí)的門限化法（1）門限化法：適用于對(duì)象與背景占據(jù)不同灰度級(jí)范圍原理：選取一個(gè)適當(dāng)?shù)幕叶燃?jí)門限，然后將每個(gè)像素灰度和它進(jìn)行比較，超過(guò)門限的重新分配以最大灰度，低于門限的分配以最小灰度。這樣可組成一幅新的二值圖像，并將對(duì)象從背景中分離出來(lái)二 基于區(qū)域灰度的圖像分割（2）半門限化法原理：對(duì)圖像中的背景表示成最大或最小的灰度，而把圖像中的對(duì)象保留下來(lái)。TT1111二 基于區(qū)域灰度的圖像分割（3）用門限化法檢測(cè)對(duì)象邊緣原理：

8、使用門限化法時(shí)，令灰度和所取門限值相同的像素點(diǎn)具有新的灰度值為1，而其余的各點(diǎn)的灰度值為0，即可檢測(cè)出邊緣。實(shí)用的方法：令原圖像灰度值在門限值近旁一個(gè)小區(qū)域內(nèi)的像素點(diǎn)的灰度為1，其余為0。2、閾值的選擇極小點(diǎn)閾值通過(guò)尋找直方圖的極小點(diǎn)確定分割閾值，在確定極小點(diǎn)過(guò)程中可能需要對(duì)直方圖進(jìn)行平滑。最優(yōu)閾值通常，圖像中目標(biāo)和背景的灰度值有部分交錯(cuò)，再分割時(shí)總希望減少分割誤差。為此，需要研究最優(yōu)閾值問(wèn)題。通過(guò)背景和目標(biāo) 的灰度概率分布函數(shù)可以在一定條件下確定最佳閾值三 區(qū)域擴(kuò)張的圖像分割基本思路：將圖像劃分為逐級(jí)分解的小區(qū)，利用一定的合并和分裂準(zhǔn)則對(duì)小區(qū)進(jìn)行檢驗(yàn)，確定小區(qū)是否需要分裂或相鄰小區(qū)是否需要合并。通常特征準(zhǔn)則是以圖像某些特征(灰度、色彩、統(tǒng)計(jì)特征)的均勻性為依據(jù)的。三 區(qū)域擴(kuò)張的圖像分割1、區(qū)域生長(zhǎng)法從生長(zhǎng)點(diǎn)開始，搜索其鄰域，把符合接收規(guī)則的點(diǎn)或子區(qū)歸并進(jìn)來(lái)，形成新的生長(zhǎng)點(diǎn)，直到當(dāng)前區(qū)域不能再合并為止種子算法種子的選取生長(zhǎng)的準(zhǔn)則生長(zhǎng)過(guò)程終止的條件或規(guī)則區(qū)域生長(zhǎng)法示例 初始生長(zhǎng)點(diǎn)為9，接收準(zhǔn)則為可并入的點(diǎn)的灰度與區(qū)域灰度均值之差 ；生長(zhǎng)過(guò)程如下：三 區(qū)域擴(kuò)張的圖像分割2、子區(qū)域合并法以小區(qū)域內(nèi)的灰度分布的相似性來(lái)進(jìn)行區(qū)域合并將圖像分成若干個(gè)子區(qū)從第一個(gè)子