第7章 圖像分割

1、第第 7 章章圖像分割圖像分割圖像分割就是從圖像中將某個(gè)特定區(qū)域與其圖像分割就是從圖像中將某個(gè)特定區(qū)域與其他部分進(jìn)行分離并提取出來的處理。他部分進(jìn)行分離并提取出來的處理。圖像分割處理實(shí)際上就是區(qū)分圖像中的圖像分割處理實(shí)際上就是區(qū)分圖像中的“前前景目標(biāo)景目標(biāo)”和和“背景背景”，所以通常又稱之為圖，所以通常又稱之為圖像的二值化處理。像的二值化處理。圖像分割在圖像分析、圖像識別、圖像檢測圖像分割在圖像分析、圖像識別、圖像檢測等方面占有非常重要的地位。等方面占有非常重要的地位。2本章內(nèi)容簡介本章內(nèi)容簡介基于圖像灰度分布的閾值方法基于圖像灰度分布的閾值方法基于灰度空間分布的閾值方法基于灰度空間分布的閾值

2、方法邊緣檢測方法邊緣檢測方法區(qū)域提取方法區(qū)域提取方法圖像分割說明示例圖像分割說明示例4圖像分割示例圖像分割示例 條碼的二值化條碼的二值化5局局部部放放大大圖像分割示例圖像分割示例 腎小球區(qū)域的提取腎小球區(qū)域的提取6?圖像分割示例圖像分割示例 細(xì)菌檢測細(xì)菌檢測7圖像分割示例圖像分割示例 印刷缺陷檢測印刷缺陷檢測8圖像分割示例圖像分割示例 印刷缺陷檢測印刷缺陷檢測9檢測結(jié)果檢測結(jié)果局部放大圖局部放大圖圖像分割的難點(diǎn)圖像分割的難點(diǎn)從前面的例子可以看到，圖像分割是比較從前面的例子可以看到，圖像分割是比較困難的。原因是畫面中的場景通常是復(fù)雜困難的。原因是畫面中的場景通常是復(fù)雜的，要找出兩個(gè)模式特征的差異

3、，并且可的，要找出兩個(gè)模式特征的差異，并且可以對該差異進(jìn)行數(shù)學(xué)描述都是比較難的。以對該差異進(jìn)行數(shù)學(xué)描述都是比較難的。 10圖像分割方法依照圖像特性不同，大致可以分為三圖像分割方法依照圖像特性不同，大致可以分為三大類：大類：第一類是閾值方法，這種方法是根據(jù)圖像灰度第一類是閾值方法，這種方法是根據(jù)圖像灰度值的分布特性確定某個(gè)閾值以進(jìn)行圖像分割；值的分布特性確定某個(gè)閾值以進(jìn)行圖像分割；第二類為邊界分割方法，這類方法是通過檢測第二類為邊界分割方法，這類方法是通過檢測出封閉某個(gè)區(qū)域的邊界來進(jìn)行圖像分割的。通出封閉某個(gè)區(qū)域的邊界來進(jìn)行圖像分割的。通俗地講，這類方法實(shí)際上是沿著閉合的邊緣線俗地講，這類方法實(shí)

4、際上是沿著閉合的邊緣線將其包圍的區(qū)域剪切出來；將其包圍的區(qū)域剪切出來；第三類方法是區(qū)域提取方法，這類方法的特點(diǎn)第三類方法是區(qū)域提取方法，這類方法的特點(diǎn)是根據(jù)特定區(qū)域與其他背景區(qū)域特性上的不同是根據(jù)特定區(qū)域與其他背景區(qū)域特性上的不同來進(jìn)行分割。來進(jìn)行分割。117.1 基于圖像灰度分布的閾值方法基于圖像灰度分布的閾值方法所謂閾值方法就是確定某個(gè)閾值所謂閾值方法就是確定某個(gè)閾值Th，根據(jù)圖像中每，根據(jù)圖像中每個(gè)像素的灰度值大于或小于該閾值個(gè)像素的灰度值大于或小于該閾值Th，來進(jìn)行圖像，來進(jìn)行圖像分割。閾值方法的數(shù)學(xué)模型如下：分割。閾值方法的數(shù)學(xué)模型如下：設(shè)原圖像為設(shè)原圖像為f (x,y),經(jīng)過分割處

5、理后的圖像為經(jīng)過分割處理后的圖像為g (x,y) ，g (x,y)為二值圖像，則有為二值圖像，則有根據(jù)上式可知，閾值方法的核心就是閾值根據(jù)上式可知，閾值方法的核心就是閾值Th的確定的確定方法。方法。127.1.1 基于灰度直方圖的峰谷方法基于灰度直方圖的峰谷方法當(dāng)圖像的灰度直方圖為雙峰分布時(shí)，表明圖像的當(dāng)圖像的灰度直方圖為雙峰分布時(shí)，表明圖像的內(nèi)容大致為兩個(gè)部分，分別為灰度分布的兩個(gè)山內(nèi)容大致為兩個(gè)部分，分別為灰度分布的兩個(gè)山峰的附近。峰的附近。13基于灰度直方圖的峰谷方法基于灰度直方圖的峰谷方法如圖所示，直方圖的左側(cè)峰為亮度較低的部分，這如圖所示，直方圖的左側(cè)峰為亮度較低的部分，這部分恰好對

6、應(yīng)于畫面中較暗的背景部分；直方圖的部分恰好對應(yīng)于畫面中較暗的背景部分；直方圖的右側(cè)峰為亮度較高的部分，在這里恰好對應(yīng)于畫面右側(cè)峰為亮度較高的部分，在這里恰好對應(yīng)于畫面中花的部分，選擇閾值為兩峰間的谷底點(diǎn)，即可將中花的部分，選擇閾值為兩峰間的谷底點(diǎn)，即可將花從原圖中分割出來。花從原圖中分割出來。顯然，灰度直方圖的峰谷閾值方法是一種有效且非顯然，灰度直方圖的峰谷閾值方法是一種有效且非常簡單的方法，但是該方法有一個(gè)局限性，就是要常簡單的方法，但是該方法有一個(gè)局限性，就是要求圖像的灰度直方圖必須具有雙峰性。求圖像的灰度直方圖必須具有雙峰性。147.1.2 p-參數(shù)法參數(shù)法p-參數(shù)法是針對參數(shù)法是針對預(yù)

7、先已知圖像中目標(biāo)物所占預(yù)先已知圖像中目標(biāo)物所占比例比例的情況下，所采用的一種簡單且有效的的情況下，所采用的一種簡單且有效的方法。方法。p-參數(shù)法的基本思路是，選擇一個(gè)值參數(shù)法的基本思路是，選擇一個(gè)值Th,使前使前景目標(biāo)物所占的比例為景目標(biāo)物所占的比例為p，背景所占比例為，背景所占比例為1-p。15P-參數(shù)法參數(shù)法 基本原理基本原理如下圖所示，假設(shè)目標(biāo)物為暗，背景為亮；如下圖所示，假設(shè)目標(biāo)物為暗，背景為亮；先試探性地給出一個(gè)閾值（紅色）先試探性地給出一個(gè)閾值（紅色） ，統(tǒng)計(jì)目標(biāo)物，統(tǒng)計(jì)目標(biāo)物的像素點(diǎn)數(shù)在整幅圖中所占的比例是否滿足要求，的像素點(diǎn)數(shù)在整幅圖中所占的比例是否滿足要求，是則閾值合適；是則

8、閾值合適；否則，閾值則偏大（靠右）或者偏?。孔螅?，再否則，閾值則偏大（靠右）或者偏?。孔螅?，再進(jìn)行調(diào)整，直到滿足要求（藍(lán)色）。進(jìn)行調(diào)整，直到滿足要求（藍(lán)色）。16閾值閾值閾值閾值P-參數(shù)法參數(shù)法 算法步驟算法步驟1）設(shè)圖像的大小為）設(shè)圖像的大小為mn，計(jì)算得到原圖的灰，計(jì)算得到原圖的灰度直方圖度直方圖h；2）輸入目標(biāo)物所占畫面的比例）輸入目標(biāo)物所占畫面的比例p；3）嘗試性地給定一個(gè)閾值）嘗試性地給定一個(gè)閾值Th=Th0；4）計(jì)算在）計(jì)算在Th下判定的目標(biāo)物的像素點(diǎn)數(shù)下判定的目標(biāo)物的像素點(diǎn)數(shù)N; 170( )ThkNh kP-參數(shù)法參數(shù)法 算法步驟算法步驟/()spNm n185）判斷）判斷

9、 是否接近是否接近p？ 是，是， 則輸出結(jié)果；則輸出結(jié)果； 否則，否則，Th=Th+dT; (if ps0; else dT0)， 然后，轉(zhuǎn)然后，轉(zhuǎn)4），直到滿足條件。），直到滿足條件。下圖是采用下圖是采用p參數(shù)法對兩幅印章圖像進(jìn)行圖像分割參數(shù)法對兩幅印章圖像進(jìn)行圖像分割的例子。的例子。19因?yàn)樯w印條件的差異，即使是相同的印章，也不因?yàn)樯w印條件的差異，即使是相同的印章，也不能采用固定的閾值來進(jìn)行圖像的分割。能采用固定的閾值來進(jìn)行圖像的分割。同時(shí)觀察灰度直方圖，其灰度分布的兩峰之間的同時(shí)觀察灰度直方圖，其灰度分布的兩峰之間的谷底是一個(gè)很寬的平坦段，要采用峰谷法很難確定谷底是一個(gè)很寬的平坦段，要采

10、用峰谷法很難確定適當(dāng)?shù)拈撝怠＿m當(dāng)?shù)拈撝?。在這個(gè)例子中，事先可以從理想的印章中獲得印在這個(gè)例子中，事先可以從理想的印章中獲得印章在圖像中所占的像素比為章在圖像中所占的像素比為p= 15.07，可按前述，可按前述公式計(jì)算得到兩幅印章圖像的閾值。公式計(jì)算得到兩幅印章圖像的閾值?？梢钥吹?，采用該方法可以獲得可以看到，采用該方法可以獲得好的好的圖像分割效圖像分割效果。果。207.1.3 均勻性度量法均勻性度量法21 所謂的均勻性度量方法，是根據(jù)所謂的均勻性度量方法，是根據(jù)“物以類物以類聚聚” 的思想而設(shè)計(jì)的。的思想而設(shè)計(jì)的。其基本設(shè)計(jì)思想是：屬于其基本設(shè)計(jì)思想是：屬于“同一類別同一類別”的對的對象具有較

11、大的一致性。象具有較大的一致性。實(shí)現(xiàn)的手段是：以均值與方差作為度量均勻?qū)崿F(xiàn)的手段是：以均值與方差作為度量均勻性的數(shù)字指標(biāo)。性的數(shù)字指標(biāo)。均勻性度量法均勻性度量法 算法步驟算法步驟221）給定一個(gè)初始閾值）給定一個(gè)初始閾值Th=Th0 （例如：可以默認(rèn)為（例如：可以默認(rèn)為1，或者是，或者是128等），等）， 則將原圖分為則將原圖分為C1和和C2兩類；兩類；默認(rèn)值為默認(rèn)值為128是指從中間開始搜索；是指從中間開始搜索；默認(rèn)值為默認(rèn)值為1是指從頭開始搜索。是指從頭開始搜索。均勻性度量法均勻性度量法 算法步驟算法步驟232211( , )1( ( , )f x yCf x y1( , )111( ,

12、)f x yCCf x yN2）分別計(jì)算兩類的類內(nèi)方差：）分別計(jì)算兩類的類內(nèi)方差：2222( , )2( ( , )f x yCf x y2( , )221( , )f x yCCf x yN均勻性度量法均勻性度量法 算法步驟算法步驟243）分別計(jì)算兩類像素在圖像中的分布概率：）分別計(jì)算兩類像素在圖像中的分布概率：計(jì)算分布概率的目的是：統(tǒng)計(jì)該類像素對圖計(jì)算分布概率的目的是：統(tǒng)計(jì)該類像素對圖像的影響程度。像的影響程度。11CimageNpN22CimageNpN均勻性度量法均勻性度量法 算法步驟算法步驟254）選擇最佳閾值）選擇最佳閾值Th=Th*，使得下式成立：，使得下式成立：找最佳閾值的方法

13、有很多，最笨的方法就找最佳閾值的方法有很多，最笨的方法就是遍歷是遍歷1254。22221122*1122|minTh Thpppp均勻性度量法均勻性度量法 處理效果示例處理效果示例26ThTh=3=3ThTh=31=31ThTh=82=827.1.4 聚類方法聚類方法聚類方法是采用了模式識別中的聚類思聚類方法是采用了模式識別中的聚類思想。想。它以類內(nèi)保持最大相似性以及類間保持它以類內(nèi)保持最大相似性以及類間保持最大距離為最佳閾值的求取目標(biāo)。最大距離為最佳閾值的求取目標(biāo)。27聚類方法聚類方法 算法步驟算法步驟(一一)281）給定一個(gè)初始閾值）給定一個(gè)初始閾值Th=Th02）分別計(jì)算兩類的類內(nèi)方差：

14、）分別計(jì)算兩類的類內(nèi)方差： 2211( , )1( ( , )f x yCf x y1( , )111( , )f x yCCf x yN2222( , )2( ( , )f x yCf x y2( , )221( , )f x yCCf x yN聚類方法聚類方法 算法步驟算法步驟(二二)293）進(jìn)行分類處理：）進(jìn)行分類處理： 如果如果則則f(x,y)屬于屬于C1 ，否則，否則f(x,y)屬于屬于C2 。4）對上一步重新分類后得到的）對上一步重新分類后得到的C1和和C2中的中的所有像素，分別重新計(jì)算其各自的均值與方所有像素，分別重新計(jì)算其各自的均值與方差。差。12|( , )| |( , )|

15、f x yf x y聚類方法聚類方法 算法步驟算法步驟(三三)305）如果下式成立：）如果下式成立：則輸出計(jì)算得到的閾值則輸出計(jì)算得到的閾值Th(t)，否則重復(fù)否則重復(fù)3）、）、4）、）、5）。）。其中，其中， 、 、 和和 分別為第分別為第t次和第次和第t-1次次分割后兩類像素的分布概率。分割后兩類像素的分布概率。22221122( )1122(1)|Th tTh tpppp1p2p1p2p聚類方法聚類方法 處理效果示例處理效果示例31ThTh=82=82ThTh=91=91 聚類方法與均勻性度量方法的最大差聚類方法與均勻性度量方法的最大差別是考慮了類之間的距離。別是考慮了類之間的距離。7.

16、1.5 最大熵方法最大熵方法熵是信息論中對數(shù)據(jù)中所包含信息量大小的熵是信息論中對數(shù)據(jù)中所包含信息量大小的度量。熵取最大值時(shí)，就表明獲得的信息量度量。熵取最大值時(shí)，就表明獲得的信息量為最大。為最大。最大熵方法的設(shè)計(jì)思想是，選擇適當(dāng)?shù)拈撝底畲箪胤椒ǖ脑O(shè)計(jì)思想是，選擇適當(dāng)?shù)拈撝祵D像分為兩類，兩類的平均熵之和為最大將圖像分為兩類，兩類的平均熵之和為最大時(shí)，可從圖像中獲得最大信息量，以此來確時(shí)，可從圖像中獲得最大信息量，以此來確定最佳閾值。定最佳閾值。32熵的數(shù)學(xué)定義熵的數(shù)學(xué)定義設(shè)一些事件以概率設(shè)一些事件以概率p1，p2，ps發(fā)生，則發(fā)生，則這些事件發(fā)生的信息量，即熵定義為：這些事件發(fā)生的信息量，即熵

17、定義為：由于由于p1+p2+ps =1，所以可以證明當(dāng)，所以可以證明當(dāng)p1 = p2 = = ps 時(shí)熵取最大值，也就是說，得時(shí)熵取最大值，也就是說，得到的信息量最大。到的信息量最大。33根據(jù)上面的原理，最大熵方法的具體步驟如下：根據(jù)上面的原理，最大熵方法的具體步驟如下：求出圖像中的所有像素的分布概率求出圖像中的所有像素的分布概率p0，p1，p255 （圖像的灰度分布范圍為（圖像的灰度分布范圍為0，255）:其中，其中，Ni為灰度值為為灰度值為i的像素個(gè)數(shù)的像素個(gè)數(shù)，Nimage為圖像的總像素?cái)?shù)。為圖像的總像素?cái)?shù)。給定一個(gè)初始閾值給定一個(gè)初始閾值Th=Th*，將圖像分為，將圖像分為C1和和C2

18、兩類；兩類；分別計(jì)算兩個(gè)類的平均相對熵分別計(jì)算兩個(gè)類的平均相對熵 其中，其中， 。3425512011ln1lnThiThiThiThiThiThippppEppppE選擇最佳的閾值選擇最佳的閾值Th=Th*，使得圖像按照該閾值分為，使得圖像按照該閾值分為C1和和C2兩類后，滿足兩類后，滿足 下圖是采用該方法處理的結(jié)果，其分割閾值為下圖是采用該方法處理的結(jié)果，其分割閾值為Th* =125。 357.1.8 局部閾值方法局部閾值方法前面給出了幾種常用的閾值方法，均采用單一閾值。前面給出了幾種常用的閾值方法，均采用單一閾值。對于較為簡單的圖像（即目標(biāo)與背景比較容易區(qū)分）對于較為簡單的圖像（即目標(biāo)與

19、背景比較容易區(qū)分）簡單且有效。簡單且有效。對于較為復(fù)雜的圖像，則往往會產(chǎn)生一些問題。對于較為復(fù)雜的圖像，則往往會產(chǎn)生一些問題。36由圖可見，因?yàn)楣庹詹痪ü庠次挥诋嬅娴淖髠?cè)）由圖可見，因?yàn)楣庹詹痪ü庠次挥诋嬅娴淖髠?cè)）的緣故，如果采用單一閾值（即使是前面所介紹的的緣故，如果采用單一閾值（即使是前面所介紹的最佳閾值方法）進(jìn)行分割，會導(dǎo)致遠(yuǎn)離光源的右側(cè)最佳閾值方法）進(jìn)行分割，會導(dǎo)致遠(yuǎn)離光源的右側(cè)的氣泡區(qū)域，提取出的面積遠(yuǎn)遠(yuǎn)小于實(shí)際面積，這的氣泡區(qū)域，提取出的面積遠(yuǎn)遠(yuǎn)小于實(shí)際面積，這樣，就會影響后續(xù)進(jìn)行定量分析的結(jié)果。樣，就會影響后續(xù)進(jìn)行定量分析的結(jié)果。如果如果將圖像進(jìn)行一定的等分將圖像進(jìn)行一定的等

20、分，在每個(gè)子塊上，光照，在每個(gè)子塊上，光照不均的影響就可以忽略不計(jì)，這時(shí)，不均的影響就可以忽略不計(jì)，這時(shí)，在每個(gè)子塊上在每個(gè)子塊上采用前面給出的閾值方法采用前面給出的閾值方法（最簡單的方法：求該子（最簡單的方法：求該子塊內(nèi)圖像灰度的均值），最終就可以達(dá)到理想的效塊內(nèi)圖像灰度的均值），最終就可以達(dá)到理想的效果。果。377.2 基于灰度空間分布的閾值方法基于灰度空間分布的閾值方法在上一節(jié)介紹的各種方法中，主要以圖像灰在上一節(jié)介紹的各種方法中，主要以圖像灰度作為分割的準(zhǔn)則。度作為分割的準(zhǔn)則。事實(shí)上，圖像像素間存在很強(qiáng)的相關(guān)性。如事實(shí)上，圖像像素間存在很強(qiáng)的相關(guān)性。如果在確定閾值時(shí)，除了考慮當(dāng)前像素的

21、灰度果在確定閾值時(shí)，除了考慮當(dāng)前像素的灰度值外，再考慮其與鄰近像素之間的關(guān)系，可值外，再考慮其與鄰近像素之間的關(guān)系，可以獲得更加科學(xué)的分割閾值。以獲得更加科學(xué)的分割閾值。38二維熵法二維熵法二維熵法的思想是：使用灰度級二維熵法的思想是：使用灰度級-局域平均灰度局域平均灰度級形成的二維熵來度量像素及其鄰域中像素之間級形成的二維熵來度量像素及其鄰域中像素之間的信息相關(guān)性，并基于此進(jìn)行閾值選取。的信息相關(guān)性，并基于此進(jìn)行閾值選取。度量鄰域相關(guān)性，最簡單有效的方法是以其一定度量鄰域相關(guān)性，最簡單有效的方法是以其一定大小的模板中的像素灰度均值來描述。大小的模板中的像素灰度均值來描述。二維熵法二維熵法 算

22、法步驟算法步驟(一一)1) 對每一個(gè)像素計(jì)算其聯(lián)合概率分布對每一個(gè)像素計(jì)算其聯(lián)合概率分布其中，其中，Nij為圖像中像素灰度值為為圖像中像素灰度值為i，模板中像素，模板中像素均值為均值為j的像素個(gè)數(shù)；的像素個(gè)數(shù)；Nimage為圖像的總像素?cái)?shù)。為圖像的總像素?cái)?shù)。2) 給定一個(gè)初始閾值給定一個(gè)初始閾值Th=Th0，將圖像分為，將圖像分為C1和和C2類；類；,ijimageNp i jN二維熵法二維熵法 算法步驟算法步驟(二二)3) 分別計(jì)算兩個(gè)類的平均相對二維熵分別計(jì)算兩個(gè)類的平均相對二維熵其中，其中，111255255211ln1ln1stijstijstijijstijsti sj tEpppp

23、Epppp 11ststijijpp二維熵法二維熵法 算法步驟算法步驟(三三)4) 選擇最佳的閾值選擇最佳的閾值Th=Th*，使得圖像按照，使得圖像按照給閾值分為給閾值分為C1和和C2兩類后，滿足兩類后，滿足*1212maxTh ThEEEE7.3 邊緣檢測方法邊緣檢測方法關(guān)于邊緣檢測類的閾值方法，在前一章中的關(guān)于邊緣檢測類的閾值方法，在前一章中的邊緣檢測一節(jié)中已經(jīng)介紹了邊緣檢測一節(jié)中已經(jīng)介紹了Canny算子以及算子以及LOG濾波方法下的邊緣檢測。這些方法都是濾波方法下的邊緣檢測。這些方法都是通過對邊緣變化率的分析而獲得的。通過對邊緣變化率的分析而獲得的。本節(jié)介紹在另外思路下的邊緣檢測類的閾值

24、本節(jié)介紹在另外思路下的邊緣檢測類的閾值方法。方法。43梯度直方圖法梯度直方圖法由于目標(biāo)和背景內(nèi)部的像素具有較低的梯度值，而邊由于目標(biāo)和背景內(nèi)部的像素具有較低的梯度值，而邊界具有較高的梯度值，故可通過對圖像中梯度值的統(tǒng)界具有較高的梯度值，故可通過對圖像中梯度值的統(tǒng)計(jì)來進(jìn)行閾值的選取。計(jì)來進(jìn)行閾值的選取。下圖是對下圖是對Cameraman圖像圖像Sobel銳化結(jié)果的梯度值統(tǒng)銳化結(jié)果的梯度值統(tǒng)計(jì)直方圖。由于圖像中像素間的相關(guān)性較強(qiáng)，故低梯計(jì)直方圖。由于圖像中像素間的相關(guān)性較強(qiáng)，故低梯度（接近度（接近0處）的像素個(gè)數(shù)為大多數(shù)，從該直方圖無處）的像素個(gè)數(shù)為大多數(shù)，從該直方圖無法獲得直接選擇閾值的提示信息

25、。對該直方圖進(jìn)行修法獲得直接選擇閾值的提示信息。對該直方圖進(jìn)行修正，獲得一個(gè)加權(quán)梯度直方圖。正，獲得一個(gè)加權(quán)梯度直方圖。44加權(quán)梯度直方圖的設(shè)計(jì)方法是，通過對梯度分布進(jìn)加權(quán)梯度直方圖的設(shè)計(jì)方法是，通過對梯度分布進(jìn)行加權(quán)修正，增大直方圖的分布細(xì)節(jié)。一般采用的行加權(quán)修正，增大直方圖的分布細(xì)節(jié)。一般采用的方法是，對高梯度區(qū)加較大的權(quán)值，以減小灰度均方法是，對高梯度區(qū)加較大的權(quán)值，以減小灰度均勻區(qū)域內(nèi)像素點(diǎn)對直方圖的貢獻(xiàn)，增加邊界上的點(diǎn)勻區(qū)域內(nèi)像素點(diǎn)對直方圖的貢獻(xiàn)，增加邊界上的點(diǎn)對直方圖的貢獻(xiàn)。如圖對直方圖的貢獻(xiàn)。如圖 (b)所示，通過這樣的處理之所示，通過這樣的處理之后，選擇第一個(gè)峰值為最佳閾值點(diǎn)即

26、可。后，選擇第一個(gè)峰值為最佳閾值點(diǎn)即可。457.4 區(qū)域提取方法區(qū)域提取方法區(qū)域提取方法是根據(jù)特定區(qū)域的特性，將該區(qū)域提取方法是根據(jù)特定區(qū)域的特性，將該區(qū)域從圖像中分割出來。區(qū)域從圖像中分割出來。顯然，這類方法的核心，就是如何對區(qū)域的顯然，這類方法的核心，就是如何對區(qū)域的特性進(jìn)行恰當(dāng)?shù)拿枋?，以及如何根?jù)該特性特性進(jìn)行恰當(dāng)?shù)拿枋?，以及如何根?jù)該特性進(jìn)行區(qū)域分割。進(jìn)行區(qū)域分割。467.4.1 區(qū)域生長法區(qū)域生長法在現(xiàn)實(shí)中，大多數(shù)的區(qū)域分割是非規(guī)則圖形，因此在現(xiàn)實(shí)中，大多數(shù)的區(qū)域分割是非規(guī)則圖形，因此本節(jié)介紹一種基于區(qū)域整體特性的圖像分割方法。本節(jié)介紹一種基于區(qū)域整體特性的圖像分割方法。圖像分割的目

27、的是要把一幅圖像劃分成一些區(qū)域，圖像分割的目的是要把一幅圖像劃分成一些區(qū)域，最直接的方法就是把點(diǎn)組成區(qū)域。為此需要：最直接的方法就是把點(diǎn)組成區(qū)域。為此需要：確定區(qū)域的數(shù)目，確定區(qū)域的數(shù)目，確定一個(gè)區(qū)域與其他區(qū)域相區(qū)別的特征，確定一個(gè)區(qū)域與其他區(qū)域相區(qū)別的特征，產(chǎn)生有意義分割的相似性判據(jù)。產(chǎn)生有意義分割的相似性判據(jù)。由此，假定已知要?jiǎng)澐值膮^(qū)域數(shù)目以及每個(gè)區(qū)域內(nèi)由此，假定已知要?jiǎng)澐值膮^(qū)域數(shù)目以及每個(gè)區(qū)域內(nèi)某一點(diǎn)的位置，就可以推導(dǎo)出圖像分割的一種算法，某一點(diǎn)的位置，就可以推導(dǎo)出圖像分割的一種算法，即即區(qū)域生長法區(qū)域生長法。47區(qū)域生長的基本思想?yún)^(qū)域生長的基本思想?yún)^(qū)域生長的基本思想是區(qū)域生長的基本思想

28、是將具有相似性質(zhì)的像素集合將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域起來構(gòu)成區(qū)域。首先，對每個(gè)要分割的區(qū)域找一個(gè)種子點(diǎn)，首先，對每個(gè)要分割的區(qū)域找一個(gè)種子點(diǎn)，然后將種子像素周圍鄰域中與種子像素有相同或相然后將種子像素周圍鄰域中與種子像素有相同或相似性質(zhì)的像素合并到種子像素所在的區(qū)域中。將這似性質(zhì)的像素合并到種子像素所在的區(qū)域中。將這些新像素當(dāng)作新的種子點(diǎn)繼續(xù)進(jìn)行上面的過程，直些新像素當(dāng)作新的種子點(diǎn)繼續(xù)進(jìn)行上面的過程，直到?jīng)]有滿足條件的像素點(diǎn)時(shí)停止生長。到?jīng)]有滿足條件的像素點(diǎn)時(shí)停止生長。其中相似性準(zhǔn)則可以是灰度級、彩色、組織、梯度其中相似性準(zhǔn)則可以是灰度級、彩色、組織、梯度或其他特性?；蚱渌匦浴Ｏ嗨?/p>

29、性的測度可以由所確定的閾值來決定。相似性的測度可以由所確定的閾值來決定。48區(qū)域生長方法的原理示意圖區(qū)域生長方法的原理示意圖49從上例可知，區(qū)域生長方法的實(shí)現(xiàn)有三個(gè)關(guān)鍵點(diǎn)：從上例可知，區(qū)域生長方法的實(shí)現(xiàn)有三個(gè)關(guān)鍵點(diǎn)：種子點(diǎn)的選??；種子點(diǎn)的選?。簧L準(zhǔn)則的確定；生長準(zhǔn)則的確定；區(qū)域生長停止的條件。區(qū)域生長停止的條件。選取的種子點(diǎn)選取的種子點(diǎn)原則上是待提取區(qū)域的有代表性的點(diǎn)。原則上是待提取區(qū)域的有代表性的點(diǎn)?？墒菃蝹€(gè)像素，也可是包括若干個(gè)像素的子區(qū)域?？墒菃蝹€(gè)像素，也可是包括若干個(gè)像素的子區(qū)域。生長準(zhǔn)則生長準(zhǔn)則原則上是評價(jià)與種子點(diǎn)相似程度的度量。生原則上是評價(jià)與種子點(diǎn)相似程度的度量。生長準(zhǔn)則多長準(zhǔn)

30、則多采用與種子點(diǎn)的距離度量采用與種子點(diǎn)的距離度量。種子點(diǎn)可以隨著。種子點(diǎn)可以隨著區(qū)域的生長而變化，也可以設(shè)定為一個(gè)固定的數(shù)值。區(qū)域的生長而變化，也可以設(shè)定為一個(gè)固定的數(shù)值。區(qū)域生長的停止條件區(qū)域生長的停止條件，對于漸變區(qū)域進(jìn)行生長時(shí)的停，對于漸變區(qū)域進(jìn)行生長時(shí)的停止判斷非常重要。一般是結(jié)合生長準(zhǔn)則來進(jìn)行合理的止判斷非常重要。一般是結(jié)合生長準(zhǔn)則來進(jìn)行合理的設(shè)定。判定生長停止的閾值可以是確定的值，也可是設(shè)定。判定生長停止的閾值可以是確定的值，也可是隨生長而變化的值。隨生長而變化的值。50下例通過一個(gè)印章識別中的印文區(qū)域分割例子來具下例通過一個(gè)印章識別中的印文區(qū)域分割例子來具體介紹一種區(qū)域生長的方法

31、。體介紹一種區(qū)域生長的方法。由于蓋印時(shí)油墨、下墊物等，以及人手用力不均勻，由于蓋印時(shí)油墨、下墊物等，以及人手用力不均勻，蓋出的印章深淺是不相同的。如果用單一閾值進(jìn)行蓋出的印章深淺是不相同的。如果用單一閾值進(jìn)行分割，則會出現(xiàn)對蓋印條件過于敏感等問題。分割，則會出現(xiàn)對蓋印條件過于敏感等問題。51如果采用區(qū)域生長法，首先選擇紅色的點(diǎn)為種子點(diǎn)（假設(shè)采如果采用區(qū)域生長法，首先選擇紅色的點(diǎn)為種子點(diǎn)（假設(shè)采用紅色的印章油墨蓋?。?，然后確定生長準(zhǔn)則。如果采用用紅色的印章油墨蓋?。?，然后確定生長準(zhǔn)則。如果采用灰灰度差準(zhǔn)則度差準(zhǔn)則，則是判斷當(dāng)前點(diǎn)與種子點(diǎn)之間的灰度差，如果小，則是判斷當(dāng)前點(diǎn)與種子點(diǎn)之間的灰度差，如

32、果小于設(shè)定的閾值，就確認(rèn)為印章點(diǎn)，否則認(rèn)為是背景點(diǎn)。這樣，于設(shè)定的閾值，就確認(rèn)為印章點(diǎn)，否則認(rèn)為是背景點(diǎn)。這樣，如圖如圖 (b)所示，對蓋印較淺的部分，就會產(chǎn)生嚴(yán)重的缺損。所示，對蓋印較淺的部分，就會產(chǎn)生嚴(yán)重的缺損。如果采用一致性準(zhǔn)則，如圖如果采用一致性準(zhǔn)則，如圖 (c)所示，可以一定程度地抵抗蓋所示，可以一定程度地抵抗蓋印不均所帶來的影響。印不均所帶來的影響。一致性準(zhǔn)則一致性準(zhǔn)則是：首先選擇若干的紅色點(diǎn)為種子點(diǎn)，計(jì)算這些是：首先選擇若干的紅色點(diǎn)為種子點(diǎn)，計(jì)算這些點(diǎn)所組成的點(diǎn)集合的灰度均值和方差，然后在判斷某個(gè)點(diǎn)是點(diǎn)所組成的點(diǎn)集合的灰度均值和方差，然后在判斷某個(gè)點(diǎn)是否為同一區(qū)域時(shí)，判斷其灰度值

33、與該均值的差，以及該點(diǎn)與否為同一區(qū)域時(shí)，判斷其灰度值與該均值的差，以及該點(diǎn)與種子點(diǎn)之間的方差，如果小于設(shè)定閾值，則表明該點(diǎn)與種子種子點(diǎn)之間的方差，如果小于設(shè)定閾值，則表明該點(diǎn)與種子點(diǎn)具有一致性，將其判定為印章區(qū)域的點(diǎn)。之后，計(jì)算增加點(diǎn)具有一致性，將其判定為印章區(qū)域的點(diǎn)。之后，計(jì)算增加一個(gè)點(diǎn)后的點(diǎn)集合的灰度均值與方差，再進(jìn)行下一個(gè)點(diǎn)的判一個(gè)點(diǎn)后的點(diǎn)集合的灰度均值與方差，再進(jìn)行下一個(gè)點(diǎn)的判斷。斷。527.4.2 區(qū)域分裂、合并方法區(qū)域分裂、合并方法前面介紹了區(qū)域生長法，該方法最關(guān)鍵的一步，就前面介紹了區(qū)域生長法，該方法最關(guān)鍵的一步，就是需要根據(jù)先驗(yàn)知識選取種子點(diǎn)，這就給一些無法是需要根據(jù)先驗(yàn)知識選

34、取種子點(diǎn)，這就給一些無法獲得先驗(yàn)知識的自動分割類課題帶來許多困難。獲得先驗(yàn)知識的自動分割類課題帶來許多困難。區(qū)域分裂、合并方法的核心思想是：區(qū)域分裂、合并方法的核心思想是：將圖像分成若干的子塊，對每個(gè)子塊的屬性進(jìn)行將圖像分成若干的子塊，對每個(gè)子塊的屬性進(jìn)行計(jì)算：計(jì)算：當(dāng)屬性表明該子塊包含不同區(qū)域的像素，則該子塊再當(dāng)屬性表明該子塊包含不同區(qū)域的像素，則該子塊再分裂成若干子塊。分裂成若干子塊。如果幾個(gè)子塊的屬性相似，則這幾個(gè)相似屬性的子塊如果幾個(gè)子塊的屬性相似，則這幾個(gè)相似屬性的子塊合并成一個(gè)大的區(qū)域。合并成一個(gè)大的區(qū)域。根據(jù)這樣的方法可以完成對圖像的分割。根據(jù)這樣的方法可以完成對圖像的分割。53

35、根據(jù)右圖給出一種區(qū)域分裂、根據(jù)右圖給出一種區(qū)域分裂、合并方法的具體步驟如下：合并方法的具體步驟如下： 首先將原圖分類成四個(gè)相首先將原圖分類成四個(gè)相等的子塊，即得到等的子塊，即得到R11，R12，R13 ，R14。計(jì)算這四個(gè)子塊。計(jì)算這四個(gè)子塊的屬性值，屬性值一般可以的屬性值，屬性值一般可以用子塊區(qū)域的灰度均值和方用子塊區(qū)域的灰度均值和方差來度量。差來度量。 如果子塊的屬性值超出設(shè)如果子塊的屬性值超出設(shè)定的閾值，例如，方差大于定的閾值，例如，方差大于設(shè)定的方差閾值，則表明該設(shè)定的方差閾值，則表明該子塊包含的內(nèi)容為多個(gè)區(qū)域子塊包含的內(nèi)容為多個(gè)區(qū)域的內(nèi)容，對該子塊進(jìn)行下一的內(nèi)容，對該子塊進(jìn)行下一層的

36、分裂，并分別計(jì)算其屬層的分裂，并分別計(jì)算其屬性值。性值。54 如果子塊的屬性值在設(shè)定的閾值以內(nèi)，例如，如果子塊的屬性值在設(shè)定的閾值以內(nèi)，例如，方差小于設(shè)定的方差閾值，則表明該子塊具有一方差小于設(shè)定的方差閾值，則表明該子塊具有一致性，不再進(jìn)行分裂。致性，不再進(jìn)行分裂。 對當(dāng)前的各個(gè)判斷為不需要進(jìn)行下一步分裂的對當(dāng)前的各個(gè)判斷為不需要進(jìn)行下一步分裂的子塊屬性值進(jìn)行比較，如果相鄰子塊的屬性值相子塊屬性值進(jìn)行比較，如果相鄰子塊的屬性值相似，例如，灰度均值相似，則將該兩個(gè)子塊進(jìn)行似，例如，灰度均值相似，則將該兩個(gè)子塊進(jìn)行合并。合并。 重復(fù)上面的操作，直到?jīng)]有可合并、分裂的子重復(fù)上面的操作，直到?jīng)]有可合并

37、、分裂的子塊為止。塊為止。55算例算例分別計(jì)算該四個(gè)子塊的灰度均值與方差為分別計(jì)算該四個(gè)子塊的灰度均值與方差為56根據(jù)根據(jù)的值進(jìn)行判別，如果設(shè)定閾值為的值進(jìn)行判別，如果設(shè)定閾值為Th=1，可知，可知f11，f12不再分裂，而不再分裂，而f13和和f14進(jìn)行下一層的分裂，剛進(jìn)行下一層的分裂，剛好分裂到最小單位為單個(gè)像素。好分裂到最小單位為單個(gè)像素。然后，以灰度差小于然后，以灰度差小于Th=2為基準(zhǔn)進(jìn)行合并，可以為基準(zhǔn)進(jìn)行合并，可以得到下面的圖像分割結(jié)果。得到下面的圖像分割結(jié)果。57下圖是采用區(qū)域分裂、合并方法對印章圖像進(jìn)行分割下圖是采用區(qū)域分裂、合并方法對印章圖像進(jìn)行分割的示例：的示例：587.

38、4.3 已知形狀的曲線檢測已知形狀的曲線檢測如果要對圖像中已知的直線、曲線、圓等形狀曲線如果要對圖像中已知的直線、曲線、圓等形狀曲線進(jìn)行檢測，一種非常有效的方法是進(jìn)行檢測，一種非常有效的方法是Hough變換方法。變換方法。Hough變換的核心思想是根據(jù)待檢測曲線對應(yīng)像素變換的核心思想是根據(jù)待檢測曲線對應(yīng)像素間的整體關(guān)系，建立一種點(diǎn)間的整體關(guān)系，建立一種點(diǎn)線的對偶性關(guān)系，使線的對偶性關(guān)系，使得圖像在變換前為圖像空間，而變換后為參數(shù)空間，得圖像在變換前為圖像空間，而變換后為參數(shù)空間，通過對參數(shù)空間上的參數(shù)分布情況的分析，對已知通過對參數(shù)空間上的參數(shù)分布情況的分析，對已知形狀的曲線進(jìn)行檢測。形狀的曲

39、線進(jìn)行檢測。Hough變換的主要優(yōu)點(diǎn)是可以抗噪聲、干擾點(diǎn)及斷變換的主要優(yōu)點(diǎn)是可以抗噪聲、干擾點(diǎn)及斷點(diǎn)的影響。點(diǎn)的影響。59下面以直線的下面以直線的Hough變換為例，描述對其原理。變換為例，描述對其原理。在圖像空間中，過點(diǎn)在圖像空間中，過點(diǎn)(x,y)的所有直線構(gòu)成的直線簇，的所有直線構(gòu)成的直線簇，可由下面的方程式表示：可由下面的方程式表示： y = mx+c (x,y)是圖像空間上的點(diǎn)，是圖像空間上的點(diǎn)，(m,c)為參數(shù)空間上的點(diǎn)。為參數(shù)空間上的點(diǎn)。 將上式變形后，有將上式變形后，有 c = -xm + y由上式知，在圖像空間中過點(diǎn)由上式知，在圖像空間中過點(diǎn)(x,y)的所有直線構(gòu)成的所有直線構(gòu)

40、成的直線簇，在參數(shù)空間上是一條直線。的直線簇，在參數(shù)空間上是一條直線。同理，在參數(shù)空間上所有過點(diǎn)同理，在參數(shù)空間上所有過點(diǎn)(m,c)的直線所構(gòu)成的的直線所構(gòu)成的直線簇，對應(yīng)了圖像空間上的一條直線。直線簇，對應(yīng)了圖像空間上的一條直線。60這樣，通過求出參數(shù)空間上多條直線的交點(diǎn)這樣，通過求出參數(shù)空間上多條直線的交點(diǎn)(m,c)，即可檢測出空間上由表示，即可檢測出空間上由表示y = mx+c的的直線。直線。為了避免垂直直線檢測時(shí)出現(xiàn)問題，通常參為了避免垂直直線檢測時(shí)出現(xiàn)問題，通常參數(shù)空間采用極坐標(biāo)系的形式，即數(shù)空間采用極坐標(biāo)系的形式，即61sincosyx據(jù)以上原理，給出檢測直線的算法具體步驟如下：據(jù)以上原理，給出檢測直線的算法具體步驟如下：如下二值圖像，如下二值圖像，(a)為原圖，處理時(shí)掃描圖中的每一個(gè)像為原圖，處理時(shí)掃描圖中的每一個(gè)像素點(diǎn)，如果當(dāng)前點(diǎn)為背景點(diǎn)（白色的像素點(diǎn)），則不作素點(diǎn)