數(shù)字圖像處理-第七章-圖像分割ppt課件

1、數(shù)字圖像處理-第七章-圖像分割,1,第七章 圖像分割,7.1 概述 7.2 邊緣檢測算子 7.3 邊緣跟蹤 7.4 Hough變換線檢測法 7.5 區(qū)域分割 7.6 區(qū)域增長 7.7 分裂合并法,數(shù)字圖像處理-第七章-圖像分割,2,7.1 概述,什么是圖像分割？ 圖像分割的作用是什么？ 圖像分割的常用方法有哪些？ 如何進行邊緣檢測？ 如何得到較完整的邊緣,數(shù)字圖像處理-第七章-圖像分割,3,7.1 概述,意義 圖像處理的重要任務(wù)就是對圖像中的對象進行分析和理解。前面介紹的圖像處理著重強調(diào)在圖像之間進行變換以改善圖像的視覺效果； 圖像分析則主要是對圖像中感興趣的目標進行檢測和測量，以獲得它們的客

2、觀信息從而建立對圖像的描述； 圖像理解的重點是在圖像分析的基礎(chǔ)上，進一步研究圖像中各目標的性質(zhì)和它們之間的相互聯(lián)系，并得出對原始成像客觀場景的解釋，從而指導(dǎo)和規(guī)劃行動,數(shù)字圖像處理-第七章-圖像分割,4,7.1 概述,圖像分析步驟,1. 圖像分割,數(shù)字圖像處理-第七章-圖像分割,5,7.1 概述,圖像分析步驟,2. 特征提取,長寬比r 色調(diào)h,數(shù)字圖像處理-第七章-圖像分割,6,7.1 概述,圖像分析步驟,3. 特征分類,數(shù)字圖像處理-第七章-圖像分割,7,7.1 概述,圖像分析步驟,數(shù)字圖像處理-第七章-圖像分割,8,7.1 概述,圖像分析步驟 把圖像分割成不同的區(qū)域或把不同的對象分開； 找

3、出分開的各區(qū)域的特征； 識別圖像中要找的對象或?qū)D像分類； 對不同區(qū)域進行描述或?qū)ふ页霾煌瑓^(qū)域的相互聯(lián)系，進而找出相似結(jié)構(gòu)或?qū)⑾嚓P(guān)區(qū)域連成一個有意義的結(jié)構(gòu),數(shù)字圖像處理-第七章-圖像分割,9,7.1 概述,什么是圖像分割？ 圖像分割是指把圖像分成互不重疊的區(qū)域并提取出感興趣目標的技術(shù)和過程,數(shù)字圖像處理-第七章-圖像分割,10,7.1 概述,圖像分割 由圖像處理進到圖像分析的關(guān)健步驟。 一方面，它是目標表達的基礎(chǔ)，對特征測量有重要的影響。 另一方面，因為圖像分割及其基于分割的目標表達、特征提取和參數(shù)測量等將原始圖像轉(zhuǎn)化為更抽象更緊湊的形式，使得更高層的圖像分析和理解成為可能,數(shù)字圖像處理-第七

4、章-圖像分割,11,7.1 概述,圖像分割的定義 令集合R代表整個圖像區(qū)域，對R的分割可看做將R分成N個滿足以下5個條件的非空子集(子區(qū)域) R1，R2，RN ； 對所有的i和j,ij，有 ； 對i=1,2,N,有P(Ri)=TRUE； 對ij,有P(RiRj)=FALSE； 對i=1,2,N,Ri是連通的區(qū)域。 其中P（Ri）是對所有在集合Ri中元素的邏輯謂詞,代表空集,連通是指集合中任意兩個點之間都存在著完全屬于該集合的連通路徑,數(shù)字圖像處理-第七章-圖像分割,12,7.1 概述,圖像分割的基本策略 分割算法基于灰度值的兩個基本特性： 不連續(xù)性 相似性 檢測圖像像素灰度級的不連續(xù)性，找到點

5、、線（寬度為1）、邊（不定寬度）。先找邊，后確定區(qū)域,數(shù)字圖像處理-第七章-圖像分割,13,7.1 概述,圖像分割的基本策略 檢測圖像像素的灰度值的相似性，通過選擇閾值，找到灰度值相似的區(qū)域，區(qū)域的外輪廓就是對象的邊,數(shù)字圖像處理-第七章-圖像分割,14,7.1 概述,圖像分割的方法 基于邊緣的分割方法 先提取區(qū)域邊界，再確定邊界限定的區(qū)域。 區(qū)域分割 確定每個像素的歸屬區(qū)域，從而形成一個區(qū)域圖。 區(qū)域生長 將屬性接近的連通像素聚集成區(qū)域 分裂合并分割 綜合利用前兩種方法，既存在圖像的劃分，又有圖像的合并,數(shù)字圖像處理-第七章-圖像分割,15,7.1 概述,研究方向 提取有效的屬性； 尋求更好

6、的分割途徑和分割質(zhì)量評價體系； 分割自動化,數(shù)字圖像處理-第七章-圖像分割,16,7.2 幾種常用的邊緣檢測算子,邊緣的概念 邊緣是指圖像中像元灰度有階躍變化或屋頂狀變化的那些像元的集合。 存在于目標與背景、目標與目標、區(qū)域與區(qū)域、基元與基元之間。 包含方向、階躍性質(zhì) 、形狀等信息。 是圖像識別中抽取的重要屬性 ，對圖像識別和分析十分有用,數(shù)字圖像處理-第七章-圖像分割,17,7.2 幾種常用的邊緣檢測算子,邊緣的分類 階躍狀：位于兩邊的像素灰度值有明顯不同； 屋頂狀：位于灰度值從增加到減少的轉(zhuǎn)折處,階躍狀,屋頂狀,數(shù)字圖像處理-第七章-圖像分割,18,兩種邊緣和邊緣點近旁灰度方向?qū)?shù)變化規(guī)律

7、,7.2 幾種常用的邊緣檢測算子,階躍狀邊緣 一階導(dǎo)數(shù)為極值點 二階導(dǎo)數(shù)為過零點 屋頂狀邊緣 一階導(dǎo)數(shù)為過零點 二階導(dǎo)數(shù)為極值點(一般,數(shù)字圖像處理-第七章-圖像分割,19,7.2 幾種常用的邊緣檢測算子,數(shù)字圖像處理-第七章-圖像分割,20,7.2 幾種常用的邊緣檢測算子,梯度算子 Roberts梯度算子 Prewitt和Sobel算子 方向算子 Laplacian算子 馬爾算子 Canny邊緣檢測 沈俊邊緣檢測,數(shù)字圖像處理-第七章-圖像分割,21,7.2 幾種常用的邊緣檢測算子,梯度算子 對階躍邊緣，在邊緣點處一階導(dǎo)數(shù)有極值，因此可計算每個像元處的梯度來檢測邊緣點。 梯度的大小代表邊緣的

8、強度，梯度方向與邊緣走向垂直,數(shù)字圖像處理-第七章-圖像分割,22,7.2 幾種常用的邊緣檢測算子,梯度算子,函數(shù)f(x,y)在(x,y)處的梯度為一個向量： f = f / x , f / y 計算這個向量的大小為： G = (f / x)2 +(f / y)21/2 近似為: G |fx| + |fy| 或 G max(|fx|, |fy|) 梯度的方向角為： (x,y) = tan-1(fy / fx) 可用下圖所示的模板表示,數(shù)字圖像處理-第七章-圖像分割,23,7.2 幾種常用的邊緣檢測算子,基于梯度的邊緣檢測 選取適當?shù)拈撝礣，對梯度圖像進行二值化 缺點：梯度算子僅用最近鄰像素的灰

9、度計算，對噪聲敏感，無法抑制噪聲的影響,邊緣二值圖像,數(shù)字圖像處理-第七章-圖像分割,24,7.2 幾種常用的邊緣檢測算子,Roberts梯度算子,對應(yīng)差分方程： fx=|f(x+1,y+1)-f(x,y)| fy=|f(x+1,y)-f(x,y+1),這種算子進行邊緣檢測的同時去噪作用仍然小，但效果較梯度算子好,數(shù)字圖像處理-第七章-圖像分割,25,7.2 幾種常用的邊緣檢測算子,Prewitt和Sobel算子 思路： 加大邊緣檢測算子模板出發(fā)減少噪聲的影響,Prewitt算子,Sobel算子,Prewitt算子：不僅能檢測邊緣點，且能抑制噪聲的影響 ； Sobel算子：能進一步抑制噪聲影響

10、,數(shù)字圖像處理-第七章-圖像分割,26,用Prewitt算子進行邊緣檢測的結(jié)果,7.2 幾種常用的邊緣檢測算子,數(shù)字圖像處理-第七章-圖像分割,27,7.2 幾種常用的邊緣檢測算子,方向算子 方向算子利用一組模板分別計算在不同方向上的差分值，取其中最大的值作為邊緣強度，而將與之對應(yīng)的方向作為邊緣方向,3x3 Kirsch算子的八方向模板,數(shù)字圖像處理-第七章-圖像分割,28,7.2 幾種常用的邊緣檢測算子,方向算子 特點 在計算邊緣強度的同時可以得到邊緣的方向 各方向間的夾角為45 分析 取其中最大的值作為邊緣強度，而將與之對應(yīng)的方向作為邊緣方向； 如果取最大值的絕對值為邊緣強度，并用考慮最大

11、值符號的方法來確定相應(yīng)的邊緣方向，則考慮到各模板的對稱性，只要有前四個模板即可,數(shù)字圖像處理-第七章-圖像分割,29,7.2 幾種常用的邊緣檢測算子,a)是原始的攝影師圖像；(b)、(c)、(d)、(e)和(f)分別是采用梯度算子、 Roberts和33的Prewitt、Sobel、Kirsch檢測出的邊緣二值化圖像,不同邊緣檢測算子檢測結(jié)果比較,數(shù)字圖像處理-第七章-圖像分割,30,7.2 幾種常用的邊緣檢測算子,拉普拉斯算子（Laplacian算子） 對于階躍狀邊緣，其二階導(dǎo)數(shù)在邊緣點出現(xiàn)零交叉，即邊緣點兩旁二階導(dǎo)數(shù)取異號。據(jù)此，對數(shù)字圖像的每個像素計算關(guān)于x軸和y軸的二階偏導(dǎo)數(shù)之和。 2

12、f(x,y)= f(x+1,y)+ f(x-1,y)+ f(x,y+1)+ f(x,y-1)- 4f(x,y,數(shù)字圖像處理-第七章-圖像分割,31,7.2 幾種常用的邊緣檢測算子,拉普拉斯算子 定義數(shù)字形式的拉普拉斯的基本要求是，作用于中心像素的系數(shù)是一個負數(shù)，而且其周圍像素的系數(shù)為正數(shù)，系數(shù)之和必為0,數(shù)字圖像處理-第七章-圖像分割,32,7.2 幾種常用的邊緣檢測算子,拉普拉斯算子的分析 優(yōu)點： 各向同性、線性和位移不變的； 對細線和孤立點檢測效果較好。 缺點： 對噪音的敏感，對噪聲有雙倍加強作用； 不能檢測出邊的方向； 常產(chǎn)生雙像素的邊緣,由于梯度算子和Laplacian算子都對噪聲敏感

13、，因此一般在用它們檢測邊緣前要先對圖像進行平滑,數(shù)字圖像處理-第七章-圖像分割,33,7.2 幾種常用的邊緣檢測算子,馬爾算子 馬爾(Marr-Hildreth)算子是在拉普拉斯算子的基礎(chǔ)上實現(xiàn)的, 它得益于對人的視覺機理的研究，有一定的生物學(xué)和生理學(xué)意義。 由于Laplacian算子對噪聲比較敏感，為了減少噪聲影響，可先對圖像進行平滑，然后再用Laplacian算子檢測邊緣。 平滑函數(shù)應(yīng)能反映不同遠近的周圍點對給定像素具有不同的平滑作用，因此，平滑函數(shù)采用正態(tài)分布的高斯函數(shù)，即,是標準方差，模糊程度由其決定,數(shù)字圖像處理-第七章-圖像分割,34,7.2 幾種常用的邊緣檢測算子,h(x,y)對

14、圖像f(x,y)進行平滑： g(x,y) h(x,y) *f(x,y) 對平滑后的圖像g(x,y)采用拉普拉斯算子進行邊緣檢測 2h稱為高斯-拉普拉斯濾波算子，或馬爾算子,它是一個軸對稱函數(shù)，各向同性,也稱為“墨西哥草帽,2h的剖面和對應(yīng)的轉(zhuǎn)移函數(shù),數(shù)字圖像處理-第七章-圖像分割,35,7.2 幾種常用的邊緣檢測算子,下面是10時，Marr算子的模板,數(shù)字圖像處理-第七章-圖像分割,36,7.2 幾種常用的邊緣檢測算子,馬爾算子總結(jié) 證明這個算子定義域內(nèi)的平均值為零，因此將它與圖像卷積并不會改變圖像的整體動態(tài)范圍。 由于它相當光滑，因此將它與圖像卷積會模糊圖像，并且其模糊程度是正比于的。正因為

15、2h的平滑性質(zhì)能減少噪聲的影響，所以當邊緣模糊或噪聲較大時，利用2h檢測過零點能提供較可靠的邊緣位置。 在該算子中， 的選擇很重要， 小時位置精度高但邊緣細節(jié)變化多。 馬爾算子用于噪聲較大的區(qū)域會產(chǎn)生高密度的過零點,數(shù)字圖像處理-第七章-圖像分割,37,7.2 幾種常用的邊緣檢測算子,Laplacian算子和Marr算子檢測出的邊緣二值化圖像,數(shù)字圖像處理-第七章-圖像分割,38,Canny邊緣檢測 沈俊邊緣檢測,7.2 幾種常用的邊緣檢測算子,數(shù)字圖像處理-第七章-圖像分割,39,7.2 幾種常用的邊緣檢測算子,邊緣檢測算子總結(jié) 這幾種算子都能實現(xiàn)中心定位，但對噪聲都比較敏感，尤其是Lapl

16、acian算子，它是二階微分算子，對噪聲的放大能力更強于其它的一階微分算子，不利于邊緣分析。實用的策略是應(yīng)當先對圖像去噪聲。若先對圖像平滑處理，抑制噪聲，再求微分，則為Marr、Canny等算子,數(shù)字圖像處理-第七章-圖像分割,40,7.2 幾種常用的邊緣檢測算子,曲面擬合法 出發(fā)點 基于差分檢測圖像邊緣的算子往往對噪聲敏感。因此對一些噪聲比較嚴重的圖像就難以取得滿意的效果。若用平面或高階曲面來擬合圖像中某一小區(qū)域的灰度表面，求這個擬合平面或曲面的外法線方向的微分或二階微分檢測邊緣，可減少噪聲影響,數(shù)字圖像處理-第七章-圖像分割,41,7.2 幾種常用的邊緣檢測算子,a)、(b)、(c)分別是

17、用Laplace算子、Marr算子、曲面擬合法檢測出的邊緣二值化圖像,數(shù)字圖像處理-第七章-圖像分割,42,7.2 幾種常用的邊緣檢測算子,圖像處理模板的特點,數(shù)字圖像處理-第七章-圖像分割,43,7.2 幾種常用的邊緣檢測算子,數(shù)字圖像處理-第七章-圖像分割,44,7.3 邊緣跟蹤,出發(fā)點 由于噪音的原因，邊界的特征很少能夠被完整地描述，在亮度不一致的地方會中斷。 因此典型的邊檢測算法后面總要跟隨著連接過程和其它邊界檢測過程，用來歸整邊像素，成為有意義的邊,數(shù)字圖像處理-第七章-圖像分割,45,7.3 邊緣跟蹤,邊緣跟蹤 將檢測的邊緣點連接成線就是邊緣跟蹤 線是圖像分析中一個基本而重要的內(nèi)容

18、，它是圖像的一種中層符號描述，它使圖像的表述更簡潔，并可用來完成一定圖像的識別任務(wù),數(shù)字圖像處理-第七章-圖像分割,46,7.3 邊緣跟蹤,由邊緣形成線特征包括兩個過程 提取可構(gòu)成線特征的邊緣 將邊緣連成線 連接邊緣的方法 光柵跟蹤 全向跟蹤,數(shù)字圖像處理-第七章-圖像分割,47,7.3 邊緣跟蹤,光柵跟蹤 概念：一種利用類似于電視光柵掃描技術(shù)，結(jié)合閾值檢測而實現(xiàn)的邊緣跟蹤方法,數(shù)字圖像處理-第七章-圖像分割,48,7.3 邊緣跟蹤,數(shù)字圖像處理-第七章-圖像分割,49,7.3 邊緣跟蹤,光柵跟蹤的具體步驟 （1）確定一個比較高的閾值d，把高于該閾值的像素作 為對像素。稱該閾值為“檢測閾值”

19、（2）用檢測閾值d對圖像第一行像素進行檢測，凡超過d的點都接受對像素，并作為下一步跟蹤的起始點。 （3）選取一個比較低的閾值t作為跟蹤閾值。該閾值可以根據(jù)不同準則來選擇，例如，本例中根據(jù)相鄰對像素之灰度差所能允許的最大值取為4，作為跟蹤閾值。 （4）確定鄰域點。本例中?。╥,j）點下一行的（i+1,j-1），(i+1,j)，(i+1,j+1) 為鄰域點,數(shù)字圖像處理-第七章-圖像分割,50,7.3 邊緣跟蹤,光柵跟蹤的具體步驟 （5）掃描下一行像素，凡和上一行已檢測出來的對像素 相鄰接的像素，其灰度差小于跟蹤閾值t的，都接受為對像素，反之去除。 （6）如果在下一行像素中，對應(yīng)上一行已檢測出的某

20、一對像素，沒有任何一個鄰域像素被接受為對像素，那么，這一條曲線的跟蹤便可結(jié)束。如果同時有兩個，甚至三個鄰域點均被接受為對像素，則說明曲線發(fā)生分枝，跟蹤將對各分枝同時進行。如果若干分枝曲線合并成一條曲線，則跟蹤可集中于一條曲線上進行。一曲線跟蹤結(jié)束后，采用類似上述步驟從第一行的其它檢出點開始下一條曲線的跟蹤,數(shù)字圖像處理-第七章-圖像分割,51,7.3 邊緣跟蹤,光柵跟蹤的具體步驟 （7）對于未被接受為對像素的其他各行像素，再次用檢測閾值進行檢測，并以新檢出的點為起始點，重新使用跟蹤閾值程序，以檢測出不是從第一行開始的其他曲線。 （8）當掃描完最后一行時，跟蹤便可結(jié)束,數(shù)字圖像處理-第七章-圖像

21、分割,52,7.3 邊緣跟蹤,全向跟蹤 如果能使跟蹤方向不僅局限于逐行（或列）的光柵式掃描，譬如說，在從上而下（或自左而右）的掃描過程中，也可以向上（或向左）跟蹤，那么就會克服光柵跟蹤依賴于掃描的缺點。 這可以通過定義不同鄰點的方法來實現(xiàn)。同樣，如果我們選取的跟蹤準則能夠辨別遠非緊靠著被跟蹤對像素的像素，那么光柵跟蹤會漏掉平行于掃描方向曲線的缺點也能得到適當?shù)目朔?新方法的跟蹤方向可以是任意方向，并且有足夠大的跟蹤距離。因此，又叫做全向跟蹤。顯然，全向跟蹤就是改變了鄰點定義和跟蹤準則的光柵跟蹤,數(shù)字圖像處理-第七章-圖像分割,53,7.4 Hough變換線檢測法,Hough變換問題的提出 在

22、找出邊界點集之后，需要連接，形成完整的邊界圖形描述,數(shù)字圖像處理-第七章-圖像分割,54,7.4 Hough變換線檢測法,Hough變換檢測直線,數(shù)字圖像處理-第七章-圖像分割,55,在直角坐標系中過任一點（x0,y0）的直線系,7.4 Hough變換線檢測法,數(shù)字圖像處理-第七章-圖像分割,56,7.4 Hough變換線檢測法,在直角坐標系中過多個點的直線系，對應(yīng)極坐標下多條正弦曲線,數(shù)字圖像處理-第七章-圖像分割,57,7.4 Hough變換線檢測法,數(shù)字圖像處理-第七章-圖像分割,58,Hough變換檢測直線的原理 這些直線在極坐標系中所對應(yīng)的點（、）構(gòu)成圖中的一條正弦曲線。反之，在極坐

23、標系中位于這條正弦曲線上的點，對應(yīng)直角坐標系中過點(x0,y0)的一條直線。設(shè)平面上有若干點，過每點的直線系分別對應(yīng)于極坐標上的一條正弦曲線。若這些正弦曲線有共同的交點（，），這些點共線，且對應(yīng)的直線方程為 =xcos+ysin,7.4 Hough變換線檢測法,數(shù)字圖像處理-第七章-圖像分割,59,7.4 Hough變換線檢測法,Hough變換檢測直線的算法步驟 （1）將、的極值范圍內(nèi)對其分別進行m，n等分，設(shè)一個二維 數(shù)組的下標與i、j的取值對應(yīng)； （2）對圖像上的邊緣點作Hough變換，求每個點在j(j=0,1,n)變換后i,判斷（i、j）與哪個數(shù)組元素對應(yīng)，則讓該數(shù)組元素值加1； （3）

24、比較數(shù)組元素值的大小，最大值所對應(yīng)的（i、j）就是這些共線點對應(yīng)的直線方程的參數(shù)。共線方程為 i =xcosj +ysinj,優(yōu)點：Hough變換檢測直線的抗噪性能強,數(shù)字圖像處理-第七章-圖像分割,60,7.4 Hough變換線檢測法,數(shù)字圖像處理-第七章-圖像分割,61,7.4 Hough變換線檢測法,廣義Hough變換檢測曲線,數(shù)字圖像處理-第七章-圖像分割,62,7.5 區(qū)域分割法,區(qū)域分割 從圖像出發(fā)，按“有意義”的屬性一致的原則，確定每個像素的歸屬區(qū)域，形成一個區(qū)域圖。 方法 尋求具有代表性的屬性； 利用這類屬性進行劃分，使具有相同屬性的像素歸屬同一區(qū)域，不同屬性的像素歸屬不同區(qū)域

25、,數(shù)字圖像處理-第七章-圖像分割,63,7.5.1 最簡單圖像區(qū)域分割,閾值分割法 基本思想 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。 If f(x,y) T set 1 Else set 0,0,1,1,0,1,0,1,1,1,數(shù)字圖像處理-第七章-圖像分割,64,7.5.1 最簡單圖像區(qū)域分割,閾值分割法 人工選定閾值 峰谷法（狀態(tài)法） 判斷分析法 最小誤差分割法,數(shù)字圖像處理-第七章-圖像分割,65,7.5.1 最簡單圖像區(qū)域分割,峰谷法（狀態(tài)法） 首先統(tǒng)計最簡單圖像的灰度直方圖，若其直方圖呈雙峰且有明顯的谷，則將谷所對應(yīng)的灰度值t作為閾值，進行二值化，就可將目標從圖像中分割出來,數(shù)字圖像處理-第七章-圖像分割,66,適用范圍: 這種方法適用于目標和背景的灰度差較大，有明顯谷的情況,7.5.1 最簡單圖像區(qū)域分割,數(shù)字圖像處理-第七章-圖像分割,67,原始圖像,直方圖,分割結(jié)果,