機(jī)器視覺課件：第六章 《圖像分割》

圖像分割概述在對(duì)圖像的研究和應(yīng)用中，人們往往僅對(duì)圖像中的某些部分感興趣，這些部分一般稱為目標(biāo)或前景為了辨識(shí)和分析目標(biāo)，需要將有關(guān)區(qū)域分離提取出來(lái)，在此基礎(chǔ)上對(duì)目標(biāo)進(jìn)一步利用，如進(jìn)行特征提取和測(cè)量圖像分割就是指把圖像分成各具特性的區(qū)域，并提取出感興趣目標(biāo)的技術(shù)和過(guò)程圖像分割算法是基于亮度值的不連續(xù)性和相似性不連續(xù)性是基于亮度的不連續(xù)變化分割圖像，如圖像的邊緣根據(jù)制定的準(zhǔn)則將圖像分割為相似的區(qū)域，如閾值處理、區(qū)域生長(zhǎng)、區(qū)域分離和聚合圖像分割的定義定義：把圖像細(xì)分為有意義的區(qū)域。區(qū)域：是圖像中相鄰的具有類似性質(zhì)的點(diǎn)組成的集合。同一區(qū)域中的像素是連通的。連通：同一個(gè)連通區(qū)域內(nèi)任意兩個(gè)像素之間，至少存在一個(gè)由這個(gè)區(qū)域內(nèi)的像素連接的路徑。連通非連通圖像分割集合的解釋圖像可以看做是由像素組成的有序集合。圖像分割是將此集合按某種規(guī)則劃分為若干子集。一般地說(shuō)，這些子集滿足五個(gè)特性

連通分割成的所有子區(qū)域的并應(yīng)能構(gòu)成原來(lái)的區(qū)域R分割成的各子區(qū)域互不重疊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

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)同一子區(qū)域內(nèi)的像素應(yīng)當(dāng)是連通的圖像分割的作用圖像分割在圖像處理中的作用和意義圖像分割簡(jiǎn)化或改變圖像的表示形式，使得圖像更容易理解和分析，是從圖像處理到圖像分析、圖像理解和機(jī)器視覺的重要橋梁。許多圖像理解和分析方法都是以圖像分割為前提的。圖像理解圖像分析狹義圖像處理目標(biāo)識(shí)別圖像描述圖像分割圖像處理圖像分割示例如何從圖像中，特別是復(fù)雜圖像中分割或檢測(cè)出目標(biāo)，是圖像分割的主要任務(wù)，也是圖像和視覺研究中最困難的問(wèn)題之一。閾值分割基本思想：確定一個(gè)閾值，然后把每個(gè)像素點(diǎn)的灰度值與閾值相比較，根據(jù)比較的結(jié)果把該像素歸類—前景或背景。閾值分割步驟：確定閾值將閾值與像素比較像素歸類（二值化過(guò)程）閾值分割T

基于單一閾值分割的灰度直方圖

利用閾值T分割后的圖像可定義為：

從暗的背景上分割出亮的物體：從亮的背景上分割出暗的物體：多閾值分割（1）

（2）

（3）

當(dāng)在較暗的背景上有2個(gè)較亮的物體，且有如下的直方圖和約定時(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：

1.閾值化分割方法（7.26）（1）

（2）

（3）

當(dāng)在較暗的背景上有2個(gè)較亮的物體，且有如下的直方圖和約定時(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：

閾值舉例設(shè)想電腦玩家手中的撲克牌，我們需要對(duì)其進(jìn)行視覺上的分析原始圖像閾值圖像如果你設(shè)置了錯(cuò)誤的閾值，結(jié)果是很糟糕的太小的閾值太大的閾值閾值分割根據(jù)直方圖谷底確定閾值如果圖像的前景和背景區(qū)域的灰度值分布都比較均勻，那么這個(gè)圖像的灰度直方圖將具有明顯的雙峰，此時(shí)可選擇兩峰之間的谷底作為閾值T迭代選擇閾值基本思想：選擇一個(gè)初始閾值，按照某種規(guī)則不斷更新這一估值，直到滿足給定的條件為止?；静襟E：選擇一個(gè)T的初始值利用T把圖像分為兩個(gè)區(qū)域R1和R2對(duì)R1和R2分別計(jì)算平均灰度值u1和u2計(jì)算新的閾值T=(u1+u2)/2重復(fù)(2)-(4)，直到T值小于事先定義的參數(shù)值。最小均方誤差法估算閾值假設(shè)前景和背景都為正態(tài)分布，x表示灰度值，p(x)表示灰度值概率密度函數(shù)。設(shè)前景像素點(diǎn)灰度概率密度函數(shù)為p1(x)，背景像素點(diǎn)灰度概率密度函數(shù)為p2(x)，分布函數(shù)如圖。前景像素個(gè)數(shù)占圖像總像素?cái)?shù)的百分比為，背景點(diǎn)為pq最小均方誤差法估算閾值設(shè)分割閾值為T，前景像素被錯(cuò)分為背景的概率為

背景像素被錯(cuò)分為前景的概率為閾值T造成的錯(cuò)誤分割概率為

最小誤判概率法就是求一個(gè)使E(T)的數(shù)值最小的閾值Tpq最小均方誤差法估算閾值E(T)取得最小值時(shí)，其導(dǎo)數(shù)為0假設(shè)圖像中前景和背景像素灰度都呈正態(tài)分布,均值和方差分別為

所以有最小均方誤差法估算閾值pq為了便于計(jì)算，假設(shè)最佳閾值公式閾值舉例1選擇直方圖中雙峰之間的谷底作為全局閾值閾值舉例2通過(guò)算法迭代產(chǎn)生全局閾值單值閾值的問(wèn)題單值閾值只能對(duì)雙峰直方圖工作得較好對(duì)于其它類型的直方圖，需要更多的閾值動(dòng)態(tài)閾值分割直方圖中雙峰的假設(shè)不滿足時(shí)，無(wú)法進(jìn)行全局的閾值分割。動(dòng)態(tài)閾值分割基本思想：指定一個(gè)像素比其所處的背景亮多少或暗多少。對(duì)平滑窗口內(nèi)的像素作平滑處理，輸出結(jié)果作為背景灰度的估計(jì)。將圖像與背景進(jìn)行比較。對(duì)亮物體的動(dòng)態(tài)閾值分割對(duì)暗物體的動(dòng)態(tài)閾值分割其中，是輸入圖像，是平滑后的圖像，用它來(lái)代表局部背景圖像動(dòng)態(tài)閾值分割平滑濾波器的尺寸決定了能被分割出來(lái)的物體的尺寸。濾波器尺寸太小，在物體中心估計(jì)出的局部背景將不理想濾波器尺寸越大，濾波后的結(jié)果越能更換地代表局部背景提取連通區(qū)域分割算法返回一個(gè)區(qū)域作為分割的結(jié)果，但區(qū)域中包含的多個(gè)物體在返回結(jié)果中應(yīng)該是彼此獨(dú)立的，因此需要將單個(gè)字符作為一個(gè)獨(dú)立的區(qū)域來(lái)獲取。通常，為獲得每一個(gè)區(qū)域，可以通過(guò)計(jì)算分割后的區(qū)域內(nèi)的所有連通區(qū)域。而連通區(qū)域是相互連通的像素集合而成。連通的兩種定義4-連通8-連通前景和背景的連通性定義前景和背景需要使用不同的連通性定義計(jì)算連通區(qū)域全局閾值分割Halcon實(shí)現(xiàn)threshold(Image

:

Region

:

MinGray,

MaxGray

:)Image：輸入圖像Region：輸出區(qū)域

MinGray

：灰度值下限MaxGray：灰度值上限灰度直方圖閾值分割Halcon實(shí)現(xiàn)多閾值分割auto_threshold(Image

:

Regions

:

Sigma

:)Image

：輸入圖像Regions：輸出區(qū)域Sigma：高斯濾波器的標(biāo)準(zhǔn)差，高斯濾波器針對(duì)灰度直方圖進(jìn)行濾波，得到多個(gè)極小值作為閾值，Sigma越大，極小值個(gè)數(shù)越少，得到的分割區(qū)域越少直方圖閾值分割Halcon實(shí)現(xiàn)binary_threshold(Image

:

Region

:

Method,

LightDark

:

UsedThreshold)Image：輸入圖像

Region：分割以后的輸出區(qū)域Method：'max_separability',

'smooth_histo’LightDark：提取的是明部分還是暗部分UsedThreshold：輸出計(jì)算得到的閾值動(dòng)態(tài)閾值分割Halcon實(shí)現(xiàn)dyn_threshold(OrigImage,

ThresholdImage

:

RegionDynThresh

:

Offset,

LightDark

:)OrigImage

：輸入圖像ThresholdImage：包含閾值的輸入圖像RegionDynThresh：輸出閾值分割以后的圖像Offset：偏移量LightDark：明或暗通常ThresholdImage平滑濾波以后的圖像，offset是比濾波圖像亮多少或暗多少連通區(qū)域提取Halcon實(shí)現(xiàn)connection(Region

:

ConnectedRegions

::)Region

：區(qū)域ConnectedRegions：連通區(qū)域

read_image(Image,'clip')dev_set_colored(12)threshold(Image,Dar