HALCON圖像分割課件

6.16.26.3閾值分割邊緣檢測區(qū)域分割第6章

HALCON圖像分割HALCON編程基礎(chǔ)與工程應(yīng)用6.1閾值分割第6章HALCON圖像分割HALCON編16.1 閾值分割定義：

閾值分割是一種按圖像像素灰度幅度進(jìn)行分割的方法，它是把圖像的灰度分成不同的等級，然后用設(shè)置灰度門限（閾值）的方法，確定有意義的區(qū)域或要分割物體的邊界。步驟：

（1）確定閾值；

（2）將閾值與像素灰度值進(jìn)行比較；

（3）把像素分類。HALCON編程基礎(chǔ)與工程應(yīng)用6.1 閾值分割定義：HALCON編程基礎(chǔ)與工程應(yīng)用2

實(shí)驗(yàn)法通過人眼的觀察，對已知某些特征的圖像試驗(yàn)不同的閾值，觀察是否滿足要求。實(shí)驗(yàn)法的問題是適用范圍窄，使用前必須事先知道圖像的某些特征，比如平均灰度等，而且分割后的圖像質(zhì)量的好壞受主觀局限性的影響很大。1、實(shí)驗(yàn)法

（a）原圖（b）分割后HALCON編程基礎(chǔ)與工程應(yīng)用實(shí)驗(yàn)法通過人眼的觀察，對已知某些特征的圖像試驗(yàn)不同的3如果圖像的前景物體內(nèi)部和背景區(qū)域的灰度值分布都比較均勻，那么這個圖像的灰度直方圖具有明顯雙峰，此時可以選擇兩峰之間的谷底對應(yīng)的灰度值T作為閾值進(jìn)行圖像分割。此種單閾值分割方法簡單易操作，但是當(dāng)兩個峰值相差很遠(yuǎn)時不適用，而且，此種方法容易受到噪聲的影響，進(jìn)而導(dǎo)致閾值選取的誤差。2、根據(jù)直方圖谷底確定閾值法

（a）原圖（b）分割后HALCON編程基礎(chǔ)與工程應(yīng)用如果圖像的前景物體內(nèi)部和背景區(qū)域的灰度值分布都比較均4迭代式閾值選擇方法的基本思路是：開始選擇一個閾值作為初始估計(jì)值，然后按照某種規(guī)則不斷的更新這一估計(jì)值，直到滿足給定的條件為止。

這個過程的關(guān)鍵是選擇什么樣迭代規(guī)則。一個好的迭代規(guī)則必須既能夠快速收斂，又能夠在每一個迭代過程中產(chǎn)生優(yōu)于上一次迭代的結(jié)果。3、迭代選擇閾值法

（a）原圖（b）分割后HALCON編程基礎(chǔ)與工程應(yīng)用迭代式閾值選擇方法的基本思路是：開始選擇一個閾值作為5最大類間方差法選定的分割閾值應(yīng)該使前景區(qū)域的平均灰度、背景區(qū)域的平均灰度與整幅圖像的平均灰度之間差別最大，這種差異用方差來表示。該算法是在判別分析最小二乘法原理的基礎(chǔ)上推導(dǎo)得出，計(jì)算簡單，是一種穩(wěn)定、常用的算法。4、最大類間方差法

（a）原圖（b）分割后HALCON編程基礎(chǔ)與工程應(yīng)用最大類間方差法選定的分割閾值應(yīng)該使前景區(qū)域的平均灰度66.2

邊緣檢測圖像的邊緣是圖像的基本特征，邊緣上的點(diǎn)是指圖像周圍像素灰度產(chǎn)生變化的那些像素點(diǎn)，即灰度值導(dǎo)數(shù)較大的地方。

基于一階導(dǎo)數(shù)的邊緣檢測算子包括Robert算子、Sobel算子、Prewitt算子等，它們都是梯度算子。

基于二階導(dǎo)數(shù)的邊緣檢測算子主要是高斯-拉普拉斯邊緣檢測算子。HALCON編程基礎(chǔ)與工程應(yīng)用6.2 邊緣檢測圖像的邊緣是圖像的基本特征，邊緣上的點(diǎn)是指圖7一階算子典型算子

Roberts算子利用局部差分算子尋找邊緣，邊緣定位較準(zhǔn)，但容易丟失一部分邊緣，同時由于圖像沒有經(jīng)過平滑處理，因此不具有抑制噪聲的能力。該算子對具有陡峭邊緣且含噪聲少的圖像處理效果較好。Sobel算子很容易在空間上實(shí)現(xiàn)。Sobel算子邊緣檢測器不但產(chǎn)生較好的邊緣檢測效果，同時因?yàn)镾obel算子引入了局部平均，使其受噪聲的影響也比較小。當(dāng)使用較大的模板時，抗噪聲特性會更好，但是這樣會增大計(jì)算量，并且得到的邊緣比較粗。Prewitt和Sobel算子的方程完全一樣，只是常量c=1。由于常量c的不同，這一算子與Sobel算子不同的地方在于沒有把重點(diǎn)放在接近模板中心的像素點(diǎn)。當(dāng)用兩個掩膜板（卷積算子）組成邊緣檢測器時，通常取較大的幅度作為輸出值。

Kirsch算法由K0~K7八個方向的模板決定的，將K0~K7的模板元素分別與當(dāng)前像素點(diǎn)的3×3模板區(qū)域的像素點(diǎn)作乘求和，然后選八個值中最大的值作為中央像素的邊緣強(qiáng)度。HALCON編程基礎(chǔ)與工程應(yīng)用一階算子典型算子Roberts算子利用局8一階算子典型算子原圖Roberts濾波Sobel濾波Prewitt濾波Kirsch濾波HALCON編程基礎(chǔ)與工程應(yīng)用一階算子典型算子原圖Roberts濾波Sobel濾波Prew9高斯-拉普拉斯算子典型算子拉普拉斯算子是一個二階導(dǎo)數(shù)，對噪聲具有很大的敏感度，而且其幅值會產(chǎn)生雙邊緣。另外，邊緣方向的不可檢測性也是拉普拉斯算子的缺點(diǎn)，因此，一般不以其原始形式用于邊緣檢測。為了彌補(bǔ)拉普拉斯算子的缺陷，美國學(xué)者M(jìn)arr提出了一種算法，在使用拉普拉斯算子之前一般先進(jìn)行高斯低通濾波。

（a）原圖（b）高斯-拉普拉斯邊緣提取

（c）零交叉邊緣檢測效果圖HALCON編程基礎(chǔ)與工程應(yīng)用高斯-拉普拉斯算子典型算子拉普拉斯算子是一個10Canny算子典型算子Canny邊緣檢測算子是一種具有較好邊緣檢測性能的算子，利用高斯函數(shù)的一階微分性質(zhì)，把邊緣檢測問題轉(zhuǎn)換為檢測準(zhǔn)則函數(shù)極大值的問題，能在噪聲抑制和邊緣檢測之間取得較好的折中。

（a）原圖（b）Canny邊緣提取

HALCON編程基礎(chǔ)與工程應(yīng)用Canny算子典型算子Canny邊緣檢測算11像素邊緣提取和亞像素邊緣提取典型算子例如某CMOS攝像機(jī)芯片，其像素間距為5.2微米。兩個像素之間有5.2微米的距離，在宏觀上可以看作是連在一起的。但是在微觀上，它們之間還有更小的東西存在，這個更小的東西我們稱它為“亞像素”。（a）像素邊緣提?。╞）亞像素邊緣提取HALCON編程基礎(chǔ)與工程應(yīng)用像素邊緣提取和亞像素邊緣提取典型算子例如某12

Hough變換是一種檢測、定位直線和解析曲線的有效方法。它是把二值圖變換到Hough參數(shù)空間，在參數(shù)空間用極值點(diǎn)的檢測來完成目標(biāo)的檢測。在實(shí)際中由于噪聲和光照不均等因素，使得在很多情況下所獲得的邊緣點(diǎn)是不連續(xù)的，必須通過邊緣連接將它們轉(zhuǎn)化為有意義的邊緣，一般的做法是對經(jīng)過邊緣檢測的圖像進(jìn)一步使用連接技術(shù)，從而將邊緣像素組合成完整的邊緣。Hough變換HALCON編程基礎(chǔ)與工程應(yīng)用Hough變換是一種檢測、定位直線和解析曲線的有效方136.3

區(qū)域分割區(qū)域分割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)。傳統(tǒng)的區(qū)域分割方法有區(qū)域生長和區(qū)域分裂與合并，還有源于地形學(xué)的分水嶺分割。HALCON編程基礎(chǔ)與工程應(yīng)用6.3 區(qū)域分割區(qū)域分割利用的是圖像的空間性質(zhì)，認(rèn)為141、區(qū)域生長法區(qū)域生長也稱為區(qū)域生成，其基本思想是將一幅圖像分成許多小的區(qū)域，并將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域。（a）原圖

（b）區(qū)域生長分割（c）最終結(jié)果HALCON編程基礎(chǔ)與工程應(yīng)用1、區(qū)域生長法區(qū)域生長也稱為區(qū)域生成，其基本思想是將152、分裂合并法從上面圖像分割的方法中了解到，圖像閾值分割法可以認(rèn)為是從上到下（從整幅圖像根據(jù)不同的閾值分成不同區(qū)域）對圖像進(jìn)行分開，而區(qū)域生長法相當(dāng)于從下往上（從種子像素開始不斷接納新像素最后構(gòu)成整幅圖像）不斷對像素進(jìn)行合并。如果將這兩種方法結(jié)合起來對圖像進(jìn)行劃分，便是分裂合并算法。因此，其實(shí)質(zhì)是先把圖像分成任意大小而且不重疊的區(qū)域，然后再合并或分裂這些區(qū)域以滿足分割的要求。HALCON編程基礎(chǔ)與工程應(yīng)用2、分裂合并法從上面圖像分割的方法中了解到，圖像閾值163、分水嶺分割現(xiàn)實(shí)中我們見到過有山有湖的景象，那么那一定是水繞山，山圍水的情形。當(dāng)然在需要的時候，要人工構(gòu)筑分水嶺，以防集水盆之間的互相穿透。而區(qū)分高山與水的界線，以及湖與湖之間的間隔，就是分水嶺。HALCON編程基礎(chǔ)與工程應(yīng)用3、分水嶺分割現(xiàn)實(shí)中我們見到過有山有湖的景象，那么那173、分水嶺分割HALCON編程基礎(chǔ)與工程應(yīng)用3、分水嶺分割HALCON編程基礎(chǔ)與工程應(yīng)用18總結(jié)圖像分割問題是一個十分困難的問題。例如，物體及其組成部件的二維表現(xiàn)形式受到光照條件、透視畸變、觀察點(diǎn)變化等情況的影響，有時圖像前景和背景在視覺上無法進(jìn)行簡易的區(qū)分。因此，人們需要不斷的進(jìn)行學(xué)習(xí)，不斷的探索使用新方法對圖像進(jìn)行處理，以得到預(yù)期的效果。本章主要介紹了一些圖像分割的基本概念、公式推導(dǎo)、適用情況及例程。具體介紹了閾值分割、邊緣檢測、區(qū)域分割等圖像分割算法。對于選擇何種圖像分割方法進(jìn)行處理，還要考慮實(shí)際問題的特殊性。本章討論的方法都是實(shí)際應(yīng)用中普遍使用的具有代表性的技術(shù)。HALCON編程基礎(chǔ)與工程應(yīng)用總結(jié)圖像分割問題是一個十分困難的問題。例如，196.16.26.3閾值分割邊緣檢測區(qū)域分割第6章

HALCON圖像分割HALCON編程基礎(chǔ)與工程應(yīng)用6.1閾值分割第6章HALCON圖像分割HALCON編206.1 閾值分割定義：

閾值分割是一種按圖像像素灰度幅度進(jìn)行分割的方法，它是把圖像的灰度分成不同的等級，然后用設(shè)置灰度門限（閾值）的方法，確定有意義的區(qū)域或要分割物體的邊界。步驟：

（1）確定閾值；

（2）將閾值與像素灰度值進(jìn)行比較；

（3）把像素分類。HALCON編程基礎(chǔ)與工程應(yīng)用6.1 閾值分割定義：HALCON編程基礎(chǔ)與工程應(yīng)用21

實(shí)驗(yàn)法通過人眼的觀察，對已知某些特征的圖像試驗(yàn)不同的閾值，觀察是否滿足要求。實(shí)驗(yàn)法的問題是適用范圍窄，使用前必須事先知道圖像的某些特征，比如平均灰度等，而且分割后的圖像質(zhì)量的好壞受主觀局限性的影響很大。1、實(shí)驗(yàn)法

（a）原圖（b）分割后HALCON編程基礎(chǔ)與工程應(yīng)用實(shí)驗(yàn)法通過人眼的觀察，對已知某些特征的圖像試驗(yàn)不同的22如果圖像的前景物體內(nèi)部和背景區(qū)域的灰度值分布都比較均勻，那么這個圖像的灰度直方圖具有明顯雙峰，此時可以選擇兩峰之間的谷底對應(yīng)的灰度值T作為閾值進(jìn)行圖像分割。此種單閾值分割方法簡單易操作，但是當(dāng)兩個峰值相差很遠(yuǎn)時不適用，而且，此種方法容易受到噪聲的影響，進(jìn)而導(dǎo)致閾值選取的誤差。2、根據(jù)直方圖谷底確定閾值法

（a）原圖（b）分割后HALCON編程基礎(chǔ)與工程應(yīng)用如果圖像的前景物體內(nèi)部和背景區(qū)域的灰度值分布都比較均23迭代式閾值選擇方法的基本思路是：開始選擇一個閾值作為初始估計(jì)值，然后按照某種規(guī)則不斷的更新這一估計(jì)值，直到滿足給定的條件為止。

這個過程的關(guān)鍵是選擇什么樣迭代規(guī)則。一個好的迭代規(guī)則必須既能夠快速收斂，又能夠在每一個迭代過程中產(chǎn)生優(yōu)于上一次迭代的結(jié)果。3、迭代選擇閾值法

（a）原圖（b）分割后HALCON編程基礎(chǔ)與工程應(yīng)用迭代式閾值選擇方法的基本思路是：開始選擇一個閾值作為24最大類間方差法選定的分割閾值應(yīng)該使前景區(qū)域的平均灰度、背景區(qū)域的平均灰度與整幅圖像的平均灰度之間差別最大，這種差異用方差來表示。該算法是在判別分析最小二乘法原理的基礎(chǔ)上推導(dǎo)得出，計(jì)算簡單，是一種穩(wěn)定、常用的算法。4、最大類間方差法

（a）原圖（b）分割后HALCON編程基礎(chǔ)與工程應(yīng)用最大類間方差法選定的分割閾值應(yīng)該使前景區(qū)域的平均灰度256.2

邊緣檢測圖像的邊緣是圖像的基本特征，邊緣上的點(diǎn)是指圖像周圍像素灰度產(chǎn)生變化的那些像素點(diǎn)，即灰度值導(dǎo)數(shù)較大的地方。

基于一階導(dǎo)數(shù)的邊緣檢測算子包括Robert算子、Sobel算子、Prewitt算子等，它們都是梯度算子。

基于二階導(dǎo)數(shù)的邊緣檢測算子主要是高斯-拉普拉斯邊緣檢測算子。HALCON編程基礎(chǔ)與工程應(yīng)用6.2 邊緣檢測圖像的邊緣是圖像的基本特征，邊緣上的點(diǎn)是指圖26一階算子典型算子

Roberts算子利用局部差分算子尋找邊緣，邊緣定位較準(zhǔn)，但容易丟失一部分邊緣，同時由于圖像沒有經(jīng)過平滑處理，因此不具有抑制噪聲的能力。該算子對具有陡峭邊緣且含噪聲少的圖像處理效果較好。Sobel算子很容易在空間上實(shí)現(xiàn)。Sobel算子邊緣檢測器不但產(chǎn)生較好的邊緣檢測效果，同時因?yàn)镾obel算子引入了局部平均，使其受噪聲的影響也比較小。當(dāng)使用較大的模板時，抗噪聲特性會更好，但是這樣會增大計(jì)算量，并且得到的邊緣比較粗。Prewitt和Sobel算子的方程完全一樣，只是常量c=1。由于常量c的不同，這一算子與Sobel算子不同的地方在于沒有把重點(diǎn)放在接近模板中心的像素點(diǎn)。當(dāng)用兩個掩膜板（卷積算子）組成邊緣檢測器時，通常取較大的幅度作為輸出值。

Kirsch算法由K0~K7八個方向的模板決定的，將K0~K7的模板元素分別與當(dāng)前像素點(diǎn)的3×3模板區(qū)域的像素點(diǎn)作乘求和，然后選八個值中最大的值作為中央像素的邊緣強(qiáng)度。HALCON編程基礎(chǔ)與工程應(yīng)用一階算子典型算子Roberts算子利用局27一階算子典型算子原圖Roberts濾波Sobel濾波Prewitt濾波Kirsch濾波HALCON編程基礎(chǔ)與工程應(yīng)用一階算子典型算子原圖Roberts濾波Sobel濾波Prew28高斯-拉普拉斯算子典型算子拉普拉斯算子是一個二階導(dǎo)數(shù)，對噪聲具有很大的敏感度，而且其幅值會產(chǎn)生雙邊緣。另外，邊緣方向的不可檢測性也是拉普拉斯算子的缺點(diǎn)，因此，一般不以其原始形式用于邊緣檢測。為了彌補(bǔ)拉普拉斯算子的缺陷，美國學(xué)者M(jìn)arr提出了一種算法，在使用拉普拉斯算子之前一般先進(jìn)行高斯低通濾波。

（a）原圖（b）高斯-拉普拉斯邊緣提取

（c）零交叉邊緣檢測效果圖HALCON編程基礎(chǔ)與工程應(yīng)用高斯-拉普拉斯算子典型算子拉普拉斯算子是一個29Canny算子典型算子Canny邊緣檢測算子是一種具有較好邊緣檢測性能的算子，利用高斯函數(shù)的一階微分性質(zhì)，把邊緣檢測問題轉(zhuǎn)換為檢測準(zhǔn)則函數(shù)極大值的問題，能在噪聲抑制和邊緣檢測之間取得較好的折中。

（a）原圖（b）Canny邊緣提取

HALCON編程基礎(chǔ)與工程應(yīng)用Canny算子典型算子Canny邊緣檢測算30像素邊緣提取和亞像素邊緣提取典型算子例如某CMOS攝像機(jī)芯片，其像素間距為5.2微米。兩個像素之間有5.2微米的距離，在宏觀上可以看作是連在一起的。但是在微觀上，它們之間還有更小的東西存在，這個更小的東西我們稱它為“亞像素”。（a）像素邊緣提取（b）亞像素邊緣提取HALCON編程基礎(chǔ)與工程應(yīng)用像素邊緣提取和亞像素邊緣提取典型算子例如某31

Hough變換是一種檢測、定位直線和解析曲線的有效方法。它是把二值圖變換到Hough參數(shù)空間，在參數(shù)空間用極值點(diǎn)的檢測來完成目標(biāo)的檢測。在實(shí)際中由于噪聲和光照不均等因素，使得在很多情況下所獲得的邊緣點(diǎn)是不連續(xù)的，必須通過邊緣連接將它們轉(zhuǎn)化為有意義的邊緣，一般的做法是對經(jīng)過邊緣檢測的圖像進(jìn)一步使用連接技術(shù)，從而將邊緣像素組合成完整的邊緣。Hough變換HALCON編程基礎(chǔ)與工程應(yīng)用Hough變換是一種檢測、定位直線和解析曲線的有效方326.3

區(qū)域分割區(qū)域分割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)。傳統(tǒng)的區(qū)域分割方法有區(qū)域生長和區(qū)域分裂與合并，還有源于地形學(xué)的分水嶺分割。HALCON編程基礎(chǔ)與工程應(yīng)用6.3 區(qū)域分割區(qū)域分割利用的是圖像的空間性質(zhì)，認(rèn)為331、區(qū)域生長法區(qū)域生長也稱為區(qū)域生成，其基本思想是將一幅圖像分成許多小的區(qū)域，并將具有