第6章圖像分割1

數(shù)字圖像處理知識點(diǎn)回顧一、圖像增強(qiáng)二、圖像復(fù)原第6章圖像分割6.1基于閾值的圖像分割方法6.3基于區(qū)域的圖像分割方法6.2基于邊界的圖像分割方法圖像分割：把圖像分成各具特征的區(qū)域并提取感興趣目標(biāo)的技術(shù)和過程。

1、什么是圖像分割？特征：像素、顏色、紋理等提取目標(biāo)：單個區(qū)域、多個區(qū)域理解圖像內(nèi)容，提取感興趣的區(qū)域，以便進(jìn)一步分析和說明。2、圖像分割的目的圖像分割的基本思路圖像分割的基本策略分割出的區(qū)域需滿足條件3、圖像分割的概念(以車牌識別為例)把圖像分解成構(gòu)成它的部件和對象的過程有選擇性地定位感興趣對象在圖像中的位置和范圍3、圖像分割的概念(以車牌識別為例)1、從簡到難，逐級分割分割矩形區(qū)域、定位牌照、定位文字2、控制背景環(huán)境，降低分割難度

背景環(huán)境:路面、天空3、把焦點(diǎn)放在增強(qiáng)感興趣對象，縮小不相干圖像成分的干擾上

感興趣的對象；汽車牌照不相干圖像成分：非矩形區(qū)域圖像分割的基本思路圖像分割的基本策略，基于灰度值的兩個基本特性：不連續(xù)性——區(qū)域之間相似性——區(qū)域內(nèi)部根據(jù)圖像像素灰度值的不連續(xù)性先找到點(diǎn)、線（寬度為1）、邊（不定寬度）再確定區(qū)域圖像分割的基本策略分割出的區(qū)域需滿足條件★均勻性：指該區(qū)域中的所有像素點(diǎn)都滿足特征的相似性準(zhǔn)則，即邊界所分開區(qū)域的內(nèi)部特征或?qū)傩允且恢碌?，而不同區(qū)域內(nèi)部的特征或?qū)傩允遣煌?；★連通性：指該區(qū)域內(nèi)任意兩點(diǎn)存在相互連通

的路徑。4、圖像分割意義知識庫低級處理識別與理解結(jié)果？圖像獲取預(yù)處理分割表示與描述5、圖像分割分類★根據(jù)使用知識特點(diǎn)和層次：直接針對灰度值操作、基于模型操作★根據(jù)處理策略：并行算法、串行算法★根據(jù)實現(xiàn)技術(shù)：基于圖像直方圖的分割技術(shù)、基于鄰域分割技術(shù)、基于物理性質(zhì)分割技術(shù)★根據(jù)對象狀態(tài)：靜態(tài)圖像分割和動態(tài)圖像分割★根據(jù)應(yīng)用目的：粗分割、細(xì)分割★根據(jù)借助區(qū)域像素灰度變換模式與否：紋理分割、非紋理分割★根據(jù)分割對象的屬性：灰度圖像分割和彩色圖像分割5、圖像分割分類圖像分割示例

——細(xì)菌檢測圖像分割圖像分割示例

——

腎小球區(qū)域的提取圖像分割示例

——

印刷缺陷檢測檢測結(jié)果局部放大圖第6章圖像分割6.1基于閾值的圖像分割方法6.3基于區(qū)域的圖像分割方法6.2基于邊界的圖像分割方法6.1基于閾值的圖像分割方法6.1.1閾值分割法基本原理6.1.2固定閾值分割法6.1.3直方圖方法6.1.5統(tǒng)計最優(yōu)閾值法6.1.4最大類間方差法確定一個合適的閾值T（閾值選定的好壞是此方法成敗的關(guān)鍵）。將大于等于閾值的像素作為物體或背景，生成一個二值圖像。iff(x,y)Tset255elseset0在四鄰域中有背景的像素，即是邊界像素。0255255025502552552556.1.1閾值分割法基本原理閾值分割法的基本思想：閾值分割法的特點(diǎn)：適用于物體與背景有較強(qiáng)對比的情況，重要的是背景或物體的灰度比較單一。（可通過先求背景，然后求反得到物體）這種方法總可以得到封閉且連通區(qū)域的邊界。灰度值f(x0,y0)T6.1.1閾值分割法基本原理圖像分割的難點(diǎn)：1、圖像分割前，難以確定圖像分割區(qū)域數(shù)目2、閾值的確定會直接影響分割精度和圖像描述分析的正確性。6.1.2固定閾值分割法

設(shè)原圖像為f(x,y)，以閾值T或某個合適的區(qū)域空間Ω作為該圖像的特征值，將圖像分割成兩個部分，分割后的圖像為6.1.2固定閾值分割法原多灰度圖像T=130分割后的圖像多閾值情況，分割后的圖像

4閾值分割8閾值分割6.1.3直方圖方法基本原理：圖像的目標(biāo)區(qū)域和背景區(qū)域在灰度上有明顯的差別，其直方圖會呈現(xiàn)雙峰一谷狀。一峰值對應(yīng)與目標(biāo)的中心灰度，另一峰值對應(yīng)于背景中心灰度，選取谷值為閾值，易將目標(biāo)和背景分開。T基本思想：邊界上的點(diǎn)的灰度值出現(xiàn)次數(shù)較少缺點(diǎn)：1、圖像中不存在明顯灰度差異或灰度值范圍有較大重疊，難以得到準(zhǔn)確的分割結(jié)果。2、僅考慮灰度信息而不考慮圖像空間信息，對噪聲的灰度不均勻性敏感。直方圖方法處理過程

將直方圖的包絡(luò)看成一條曲線，則選取直方圖谷值可采用曲線極小值的方法。設(shè)h(z)表示圖像直方圖，z為圖像灰度變量，那么極小值應(yīng)滿足：此方法計算出來的極小點(diǎn)可能是虛假的谷值，不是正確的分割閾值

6.1.3直方圖方法解決方法：用高斯函數(shù)與直方圖函數(shù)進(jìn)行卷積運(yùn)算，得到相對平滑的直方圖，再求極小值

或取兩個峰值之間某個固定位置，如中間位置上。由于峰值代表的是區(qū)域內(nèi)外的典型值，一般情況下，比選谷底更可靠，可排除噪音的干擾T6.1.4最大類間方差法Ostu于1978年提出的典型的圖像分割方法

假定某一閾值T將圖像各像素按灰度分成兩大類C0和C1；C0類包含灰度級為[0，1….z]的像素，C1類包含灰度級為[z+1，z+2….K-1]的像素，每個灰度級的概率為Pi；6.1.4最大類間方差法C0類的概率和為

C0的數(shù)學(xué)期望為C0均值C1類的概率和為C1的數(shù)學(xué)期望為C1均值圖像的總平均灰度為μ=ω0μ0+ω1μ1則定義類間方差為σ最大時的z就是最佳分割閾值Tσ越大表示兩部分差別越大，判錯概率越小實際應(yīng)用中，為減小計算量，采用等價公式

6.1.5統(tǒng)計最優(yōu)閾值法

統(tǒng)計最優(yōu)閾值分割方法：把背景誤分割為目標(biāo)區(qū)域或把目標(biāo)誤分割為背景區(qū)域的情況出現(xiàn)的概率最小。設(shè)一幅混有加性高斯噪聲的圖像，目標(biāo)點(diǎn)出現(xiàn)的概率為θ，目標(biāo)區(qū)域灰度值概率密度為po(z)，則背景點(diǎn)出現(xiàn)的概率為1-θ，背景區(qū)域灰度概率密度為pb(z)。則圖像的灰度混合概率密度函數(shù)為:

p(z)=

θpo(z)+(1-θ)pb(z)

6.1.5統(tǒng)計最優(yōu)閾值法根據(jù)灰度閾值T對圖像進(jìn)行分割，<T背景點(diǎn)，>T為目標(biāo)點(diǎn)將目標(biāo)點(diǎn)誤判為背景點(diǎn)的概率為：

把背景誤判為目標(biāo)點(diǎn)的概率為6.1.5統(tǒng)計最優(yōu)閾值法總的誤差概率為：

對T求導(dǎo)得到6.1.5統(tǒng)計最優(yōu)閾值法6.1.5統(tǒng)計最優(yōu)閾值法對于高斯分布概率密度類型的圖像

6.1.5統(tǒng)計最優(yōu)閾值法代入