光電信息第3章7圖像分割44ppt課件

1、基于光電信息的計算機視覺技術(shù)基于光電信息的計算機視覺技術(shù)3.1 計算機視覺的概述計算機視覺的概述 3.2 光電信息處置根底光電信息處置根底 3.3 數(shù)字圖像技術(shù)數(shù)字圖像技術(shù)3.4 數(shù)字圖像處置技術(shù)數(shù)字圖像處置技術(shù) 3.5 間隔圖像獲取與處置間隔圖像獲取與處置 3.4 數(shù)字圖像處置技術(shù)數(shù)字圖像處置技術(shù)3.4.3圖像加強圖像加強3.4.4圖像分割圖像分割3.4.5特征提取特征提取3.4.6識別與解釋識別與解釋3.4.4圖像分割圖像分割3.4.4.1 圖像分割引言圖像分割引言3.4.4.2 邊境分割法邊境分割法3.4.4.3 邊緣銜接分割法邊緣銜接分割法3.4.4.4 閾值分割法閾值分割法3.4.4

2、.5 面向區(qū)域的分割面向區(qū)域的分割3.4.4.6 數(shù)學(xué)形狀學(xué)圖像處置數(shù)學(xué)形狀學(xué)圖像處置3.4.4.1 圖像分割引言圖像分割引言n引言引言n圖像分析系統(tǒng)的根本構(gòu)成圖像分析系統(tǒng)的根本構(gòu)成n圖像分割的概念圖像分割的概念n圖像分割的根本思緒圖像分割的根本思緒n圖像分割的根本戰(zhàn)略圖像分割的根本戰(zhàn)略知識庫知識庫表示與描畫表示與描畫預(yù)處置預(yù)處置分割分割低級處置低級處置高級處置高級處置中級處置中級處置識別識別與與解釋解釋結(jié)果結(jié)果圖像獲取圖像獲取問題問題圖像分析系統(tǒng)的根本構(gòu)成圖像分析系統(tǒng)的根本構(gòu)成圖像分割的概念圖像分割的概念n把圖像分解成構(gòu)成它的部件和對象的過程把圖像分解成構(gòu)成它的部件和對象的過程n有選擇性地定

3、位感興趣對象在圖像中的位有選擇性地定位感興趣對象在圖像中的位置和范圍置和范圍圖像分割的根本思緒圖像分割的根本思緒n1.從簡到難，逐級分割從簡到難，逐級分割n2.控制背景環(huán)境，降低分控制背景環(huán)境，降低分割難度割難度n3.把焦點放在加強感興趣把焦點放在加強感興趣對象，減少不相關(guān)圖像成對象，減少不相關(guān)圖像成分的干擾上分的干擾上1.從簡到難，逐級分割從簡到難，逐級分割1.從簡到難，逐級分割從簡到難，逐級分割分割矩形區(qū)域分割矩形區(qū)域定位牌照定位牌照定位文字定位文字2.控制背景環(huán)境，降低分割難度控制背景環(huán)境，降低分割難度背景環(huán)境背景環(huán)境:路面、天空路面、天空3.把焦點放在加強感興趣對象把焦點放在加強感興趣

4、對象3.把焦點放在加強感興趣對把焦點放在加強感興趣對象，減少不相關(guān)圖像成象，減少不相關(guān)圖像成分的干擾上分的干擾上感興趣的對象：感興趣的對象：汽車牌照汽車牌照不相關(guān)圖像成分：不相關(guān)圖像成分：非矩形區(qū)域非矩形區(qū)域圖像分割的根本戰(zhàn)略圖像分割的根本戰(zhàn)略-不延續(xù)性不延續(xù)性n基于灰度值的兩個根本特性：基于灰度值的兩個根本特性：n1.不延續(xù)性不延續(xù)性區(qū)域之間區(qū)域之間n2.類似性類似性區(qū)域內(nèi)部區(qū)域內(nèi)部n根據(jù)圖像像素灰度值的不延續(xù)性根據(jù)圖像像素灰度值的不延續(xù)性n先找到點、線寬度為先找到點、線寬度為1、邊不定寬度、邊不定寬度n再確定區(qū)域再確定區(qū)域圖像分割的根本戰(zhàn)略圖像分割的根本戰(zhàn)略-類似性類似性n根據(jù)圖像像素灰度

5、值的類似性根據(jù)圖像像素灰度值的類似性n經(jīng)過選擇閾值，找到灰度值類似的區(qū)域經(jīng)過選擇閾值，找到灰度值類似的區(qū)域n區(qū)域的外輪廓就是對象的邊區(qū)域的外輪廓就是對象的邊圖像分割引言圖像分割引言-規(guī)類規(guī)類n不延續(xù)性不延續(xù)性n3.4.4.2 邊境分割法邊境分割法n3.4.4.3 邊緣銜接分割法邊緣銜接分割法n類似性類似性n3.4.4.4 閾值分割法閾值分割法n3.4.4.5 面向區(qū)域的分割面向區(qū)域的分割n3.4.4.6 數(shù)學(xué)形狀學(xué)圖像處置數(shù)學(xué)形狀學(xué)圖像處置n邊境分割法邊境分割法n點的檢測點的檢測n線的檢測線的檢測n邊的檢測邊的檢測3.4.4.2 邊境分割法邊境分割法n用空域的高通濾波器來檢測孤立點用空域的高通

6、濾波器來檢測孤立點n例：例：n n R = (-1 * 8 * 8 + 128 * 8) / 9 n = (120 * 8) / 9 = 960 / 9 = 106n設(shè)設(shè) ：閾值：閾值：T = 64 R T88881288888圖像圖像-1-1-1-18-1-1-1-1模板模板點的檢測點的檢測點的檢測點的檢測算法描畫算法描畫n設(shè)定閾值設(shè)定閾值 T，如，如T = 32、64、128等等,并計并計算高通濾波值算高通濾波值Rn假設(shè)假設(shè)R值等于值等于0，闡明當(dāng)前檢測點與的灰度，闡明當(dāng)前檢測點與的灰度值與周圍點的一樣值與周圍點的一樣n當(dāng)當(dāng)R的值足夠大時，闡明該點的值與周圍的的值足夠大時，闡明該點的值與周

7、圍的點非常不同，是孤立點。經(jīng)過閾值點非常不同，是孤立點。經(jīng)過閾值T來判別來判別n |R| T 檢測到一個孤立點檢測到一個孤立點線的檢測線的檢測n經(jīng)過比較典型模板的計算值，確定一個點經(jīng)過比較典型模板的計算值，確定一個點能否在某個方向的線上能否在某個方向的線上-1-1-1222-1-1-1程度模板程度模板-1-12-12-12-1-14545度模板度模板-12-1-12-1-12-1垂直模板垂直模板2-1-1-12-1-1-12度模板度模板線的檢測線的檢測2n線的檢測線的檢測n用用4種模板分別計算種模板分別計算nR程度程度 = -6 + 30 = 24nR45度度 = -14 + 14 = 0nR

8、垂直垂直 = -14 + 14 = 0 nR度度 = -14 + 14 = 0111555111111555111111555111例：例：圖像圖像線的檢測線的檢測算法描畫算法描畫n線的檢測線的檢測算法描畫算法描畫n依次計算依次計算4個方向的典型檢測模板，得到個方向的典型檢測模板，得到Ri i=1,2,3,4n如如 |Ri| |Rj| 對于一切的對于一切的j = i，那么這個點，那么這個點被稱為在方向上更接近模板被稱為在方向上更接近模板i 所代表的線所代表的線n設(shè)計恣意方向的檢測模板設(shè)計恣意方向的檢測模板n能夠大于能夠大于3x3n模板系數(shù)和為模板系數(shù)和為0n感興趣的方向的系數(shù)大。感興趣的方向的

9、系數(shù)大。 邊的檢測邊境的定義邊的檢測邊境的定義n邊境的定義：邊境的定義：n是兩個具有相對不同灰度值特性的區(qū)域的邊是兩個具有相對不同灰度值特性的區(qū)域的邊境限境限n適用于：適用于：n假定問題中的區(qū)域是非常類似的，兩個區(qū)域假定問題中的區(qū)域是非常類似的，兩個區(qū)域之間的過渡，僅僅根據(jù)灰度的不延續(xù)性便可之間的過渡，僅僅根據(jù)灰度的不延續(xù)性便可確定確定n不適用于：不適用于：n當(dāng)假定不成立時，閾值分割技術(shù)普通來說比當(dāng)假定不成立時，閾值分割技術(shù)普通來說比邊緣檢測更加適用。邊緣檢測更加適用。邊的檢測舉例邊的檢測舉例分割對象區(qū)域分割對象區(qū)域分割對象區(qū)域分割對象區(qū)域邊的檢測根本思想邊的檢測根本思想n計算部分微分算子計算

10、部分微分算子截面圖截面圖邊境圖像邊境圖像邊的檢測根本思想一階微分邊的檢測根本思想一階微分n一階微分：用梯度算子來計算一階微分：用梯度算子來計算n特點：對于亮的邊，邊的變化起點是正的，終了特點：對于亮的邊，邊的變化起點是正的，終了是負(fù)的。對于暗邊，結(jié)論相反。常數(shù)部分為零。是負(fù)的。對于暗邊，結(jié)論相反。常數(shù)部分為零。n用途：用于檢測圖像中邊的存在用途：用于檢測圖像中邊的存在邊的檢測根本思想二階微分邊的檢測根本思想二階微分n二階微分：經(jīng)過拉普拉斯來計算二階微分：經(jīng)過拉普拉斯來計算n特點：二階微分在亮的一邊是正的，在暗的一特點：二階微分在亮的一邊是正的，在暗的一邊是負(fù)的。常數(shù)部分為零。邊是負(fù)的。常數(shù)部分

11、為零。邊的檢測根本思想二階微分邊的檢測根本思想二階微分2n二階微分：經(jīng)過拉普拉斯來計算二階微分：經(jīng)過拉普拉斯來計算n用途：用途：n1二次導(dǎo)數(shù)的符號，用于確定邊上的像素是在二次導(dǎo)數(shù)的符號，用于確定邊上的像素是在亮的一邊，還是暗的一邊。亮的一邊，還是暗的一邊。n20跨越，確定邊的準(zhǔn)確位置跨越，確定邊的準(zhǔn)確位置邊的檢測根本思想梯度算子邊的檢測根本思想梯度算子n梯度算子梯度算子n函數(shù)函數(shù)f(x,y)在在(x,y)處的梯度為一個向量：處的梯度為一個向量：n f = f / x , f / yn計算這個向量的大小為：計算這個向量的大小為：nf = mag(f ) = (f / x)2 +(f / y)21

12、/2n近似為近似為: f |x| + |y|z2z8z5z3z9z6z1z7z4邊的檢測根本思想梯度算子邊的檢測根本思想梯度算子2n梯度的方向角為：梯度的方向角為：n (x,y) = tan(y / x)nSobel算子為：算子為：n x = (z7 + 2z8 + z9) - (z1 + 2z2 + z3)n y = (z3 + 2z6 + z9) - (z1 + 2z4 + z7)n梯度值：梯度值： f |x| + |y|-220-110-110 x000-1-1-2112 y邊的檢測邊的檢測 Sobel梯度算子的運用梯度算子的運用nSobel梯度算子的運用與分析梯度算子的運用與分析n1.

13、 直接計算直接計算y、x可以檢測到邊的存在，可以檢測到邊的存在， 以及從暗到亮，從亮到暗的變化以及從暗到亮，從亮到暗的變化n 2. 僅計算僅計算|x|，產(chǎn)生最強的呼應(yīng)是正交，產(chǎn)生最強的呼應(yīng)是正交 于于x軸的邊；軸的邊； |y|那么是正交于那么是正交于y軸的邊。軸的邊。n 3. Soleb算子具有平滑效果，由于微分加強了算子具有平滑效果，由于微分加強了噪音，這一點是特別引人留意的特性噪音，這一點是特別引人留意的特性邊境分割法圖示邊境分割法圖示1邊境分割法圖示邊境分割法圖示2邊的檢測拉普拉斯邊的檢測拉普拉斯n拉普拉斯拉普拉斯n 二維函數(shù)二維函數(shù)f(x,y)的拉普拉斯是一個二階的微分的拉普拉斯是一個

14、二階的微分定義為：定義為： 2f = 2f / x2 , 2f / y2n 可以用多種方式被表示為數(shù)字方式。對于一可以用多種方式被表示為數(shù)字方式。對于一個個33的區(qū)域，閱歷上被引薦最多的方式是：的區(qū)域，閱歷上被引薦最多的方式是：2f = 4z5 (z2 + z4 + z6 + z8)z2z8z5z3z9z6z1z7z4邊的檢測拉普拉斯邊的檢測拉普拉斯2n拉普拉斯拉普拉斯n 定義數(shù)字方式的拉普拉斯的根本要求是：定義數(shù)字方式的拉普拉斯的根本要求是：n1.作用于中心像素的系數(shù)是一個正數(shù)作用于中心像素的系數(shù)是一個正數(shù)n2.而且其周圍像素的系數(shù)為負(fù)數(shù)而且其周圍像素的系數(shù)為負(fù)數(shù)n3.系數(shù)之和必為系數(shù)之和必

15、為0-1-1400-100-1邊的檢測拉普拉斯圖示邊的檢測拉普拉斯圖示邊的檢測拉普拉斯算子的分析邊的檢測拉普拉斯算子的分析n缺陷：對噪音的敏感；會產(chǎn)生雙邊效果；缺陷：對噪音的敏感；會產(chǎn)生雙邊效果； 不能檢測出邊的方向不能檢測出邊的方向n運用：拉普拉斯算子不直接用于邊的檢測，運用：拉普拉斯算子不直接用于邊的檢測，通常只起輔助的角色；通常只起輔助的角色；n檢測一個像素是在邊的亮的一邊還是暗的一檢測一個像素是在邊的亮的一邊還是暗的一邊邊n利用零跨越，確定邊的位置利用零跨越，確定邊的位置3.4.4.3 邊緣銜接分割法邊緣銜接分割法n邊緣銜接法的意義邊緣銜接法的意義n部分處置法部分處置法nHough變換

16、變換邊緣銜接的意義邊緣銜接的意義n邊緣銜接的意義邊緣銜接的意義邊檢測算法的后處置邊檢測算法的后處置n由于噪音的緣由，邊境的特征很少可以被由于噪音的緣由，邊境的特征很少可以被完好地描畫，在亮度不一致的地方會中斷完好地描畫，在亮度不一致的地方會中斷n因此典型的邊檢測算法后面總要跟隨著銜因此典型的邊檢測算法后面總要跟隨著銜接過程和其它邊境檢測過程，用來歸整邊接過程和其它邊境檢測過程，用來歸整邊像素，成為有意義的邊像素，成為有意義的邊部分銜接處置部分銜接處置n銜接處置的時機和目的銜接處置的時機和目的n銜接處置的原理銜接處置的原理n部分銜接算法描畫部分銜接算法描畫銜接處置的時機和目的銜接處置的時機和目的

17、n銜接處置的時機和目的：銜接處置的時機和目的：n 時機：對做過邊境檢測的圖像進(jìn)時機：對做過邊境檢測的圖像進(jìn)展展n 目的：銜接延續(xù)的邊目的：銜接延續(xù)的邊銜接處置的原理銜接處置的原理n對做過邊檢測的圖象的每個點對做過邊檢測的圖象的每個點(x,y)的特性進(jìn)展的特性進(jìn)展分析分析n分析在一個小的鄰域分析在一個小的鄰域33或或55中進(jìn)展中進(jìn)展n一切類似的點被銜接，構(gòu)成一個享有共同特性象一切類似的點被銜接，構(gòu)成一個享有共同特性象素的邊境素的邊境 n用比較梯度算子的呼應(yīng)強度和梯度方向確定兩個用比較梯度算子的呼應(yīng)強度和梯度方向確定兩個點能否同屬一條邊點能否同屬一條邊點點(x(x,y,y) )點點 (x,y)(x

18、,y)銜接處置的原理銜接處置的原理2n經(jīng)過比較梯度，確定兩個點的銜接性：經(jīng)過比較梯度，確定兩個點的銜接性：n 對于點對于點(x,y)，判別其能否與鄰域內(nèi)的點，判別其能否與鄰域內(nèi)的點 (x,y)類似，當(dāng)：類似，當(dāng)：n |f (x,y) f (x,y)| Tn其中其中T是一個非負(fù)的閾值是一個非負(fù)的閾值銜接處置的原理銜接處置的原理3n比較梯度向量的方向角比較梯度向量的方向角n 對于點對于點(x,y)，判別其能否與鄰域內(nèi)的點，判別其能否與鄰域內(nèi)的點 (x,y)的方向角類似，當(dāng)：的方向角類似，當(dāng)：n | (x,y) (x,y)| An其中其中A是一個角度閾值是一個角度閾值銜接處置的原理銜接處置的原理4n

19、部分銜接處置部分銜接處置n銜接處置的原理：銜接處置的原理：n 當(dāng)梯度值和方向角都是類似的，那么點當(dāng)梯度值和方向角都是類似的，那么點(x,y)，與邊點界，與邊點界(x,y)是銜接的是銜接的點點(x(x,y,y) )點點 (x,y)(x,y)部分銜接算法描畫部分銜接算法描畫1設(shè)定設(shè)定A、T的閾值大小，確定鄰域的大小的閾值大小，確定鄰域的大小2對圖像上每一個像素的鄰域點進(jìn)展分析，對圖像上每一個像素的鄰域點進(jìn)展分析， 判別能否需求銜接。判別能否需求銜接。3記錄像素銜接的情況，另開一個空間，記錄像素銜接的情況，另開一個空間， 給不同的邊以不同的標(biāo)志。給不同的邊以不同的標(biāo)志。4最后，刪除孤立線段，銜接斷開

20、的線段。最后，刪除孤立線段，銜接斷開的線段。Hough變換變換nHough變換變換n問題的提出問題的提出nHough變換的根本思想變換的根本思想n算法實現(xiàn)算法實現(xiàn)nHough變換的擴展變換的擴展Hough變換問題的提出變換問題的提出n在找出邊境點集之后，需求銜接，構(gòu)成完在找出邊境點集之后，需求銜接，構(gòu)成完好的邊境圖形描畫好的邊境圖形描畫Hough變換的根本思想變換的根本思想n對于邊境上的對于邊境上的n個點的點集，找出共線的點集和個點的點集，找出共線的點集和直線方程。直線方程。n對于恣意兩點的直線方程：對于恣意兩點的直線方程：y = ax + b，構(gòu)造，構(gòu)造一個參數(shù)一個參數(shù)a，b的平面，從而有如

21、下結(jié)論：的平面，從而有如下結(jié)論：a ab bHough變換的根本思想變換的根本思想2nxy平面上的恣意一條直線平面上的恣意一條直線y = ax + b ，對應(yīng)在，對應(yīng)在參數(shù)參數(shù)ab平面上都有一個點平面上都有一個點n過過xy平面一個點平面一個點(x,y)的一切直線，構(gòu)成參數(shù)的一切直線，構(gòu)成參數(shù)ab平面上的一條直線。平面上的一條直線。a ab ba ab bHough變換的根本思想變換的根本思想3n假設(shè)點假設(shè)點(x1,y1)與點與點(x2,y2)共線，那么這兩共線，那么這兩點在參數(shù)點在參數(shù)ab平面上的直線將有一個交點平面上的直線將有一個交點n在參數(shù)在參數(shù)ab平面上相交直線最多的點，對應(yīng)的平面上相交

22、直線最多的點，對應(yīng)的xy平面上的直線就是我們的解平面上的直線就是我們的解y yx x(x1,y1)(x2,y2)a ab ba ab bHough變換的根本思想變換的根本思想4a ab bA AHough變換算法實現(xiàn)變換算法實現(xiàn)n由于垂直直線由于垂直直線a,為無窮大，我們改用極坐標(biāo)方式：為無窮大，我們改用極坐標(biāo)方式：xcos + ysin = n參數(shù)平面為參數(shù)平面為, ，對應(yīng)不是直線而是正弦曲線，對應(yīng)不是直線而是正弦曲線n運用交點累加器，或交點統(tǒng)計直方圖，找出相交運用交點累加器，或交點統(tǒng)計直方圖，找出相交線段最多的參數(shù)空間的點線段最多的參數(shù)空間的點n然后找出該點對應(yīng)的然后找出該點對應(yīng)的xy平面

23、的直線線段平面的直線線段Hough變換的擴展變換的擴展nHough變換不只對直線，也可以用于圓：變換不只對直線，也可以用于圓：n x c12 + (y - c2)2 = c32n這時需求三個參數(shù)的參數(shù)空間。這時需求三個參數(shù)的參數(shù)空間。3.4.4.4 閾值分割法閾值分割法n閾值分割法閾值分割法n經(jīng)過交互方式得到閾值經(jīng)過交互方式得到閾值n經(jīng)過直方圖得到閾值經(jīng)過直方圖得到閾值n經(jīng)過邊境特性選擇閾值經(jīng)過邊境特性選擇閾值n簡單全局閾值分割簡單全局閾值分割n分割連通區(qū)域分割連通區(qū)域n基于多個變量的閾值基于多個變量的閾值閾值分割法的根本思想閾值分割法的根本思想n確定一個適宜的閾值確定一個適宜的閾值T閾值選定

24、的好壞是閾值選定的好壞是此方法成敗的關(guān)鍵。此方法成敗的關(guān)鍵。n將大于等于閾值的像素作為物體或背景，生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。成一個二值圖像。nIf f(x,y) T set 255nElse set 0n在四鄰域中有背景的像素，既是邊境像素。在四鄰域中有背景的像素，既是邊境像素。025525502550255255255閾值分割法的特點閾值分割法的特點n適用于物體與背景有較強對比的情況，重要的適用于物體與背景有較強對比的情況，重要的是背景或物體的灰度比較單一?？山?jīng)過先求是背景或物體的灰度比較單一?？山?jīng)過先求背景，然后求反得到物體背景，然后求反得到物體n這種方法總可

25、以得到封鎖且連通區(qū)域的邊境。這種方法總可以得到封鎖且連通區(qū)域的邊境。灰度值灰度值f(x0,y0)f(x0,y0)T T經(jīng)過交互方式得到閾值經(jīng)過交互方式得到閾值n根本思想：根本思想：n在經(jīng)過交互方式下，得到對象或背景在經(jīng)過交互方式下，得到對象或背景 的灰度的灰度值，比得到閾值值，比得到閾值T容易得多。容易得多。n假設(shè)：對象的灰度值假設(shè)：對象的灰度值(也稱樣點值也稱樣點值)為為f(x0,y0),且：且： T = f(x0,y0) R 有：有：nf(x,y) Tnf(x,y) f(x0,y0) Rn|f(x,y) f(x0,y0)| Rn其中其中R 是容忍度，可經(jīng)過試探獲得。是容忍度，可經(jīng)過試探獲得

26、。經(jīng)過交互方式得到閾值經(jīng)過交互方式得到閾值-實施方法實施方法1經(jīng)過光標(biāo)獲得樣點值經(jīng)過光標(biāo)獲得樣點值f(x0,y0)2選取容忍度選取容忍度R3if |f(x,y)f(x0,y0)| R set 255 else set 0經(jīng)過直方圖得到閾值經(jīng)過直方圖得到閾值n根本思想根本思想n邊境上的點的灰度值出現(xiàn)次數(shù)較少邊境上的點的灰度值出現(xiàn)次數(shù)較少T經(jīng)過直方圖得到閾值經(jīng)過直方圖得到閾值-取值的方法取值的方法n取直方圖谷底取直方圖谷底(最小值最小值)的灰度值為閾值的灰度值為閾值Tn缺陷：會遭到噪音的干擾，最小值不是預(yù)缺陷：會遭到噪音的干擾，最小值不是預(yù)期的閾值，而偏離期望的值；期的閾值，而偏離期望的值；n改良

27、：改良：n1取兩個峰值之間某個固定位置，如中間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，位置上。由于峰值代表的是區(qū)域內(nèi)外的典型值，普通情況下，比選谷底更可靠，可排除噪音的普通情況下，比選谷底更可靠，可排除噪音的干擾干擾經(jīng)過直方圖得到閾值經(jīng)過直方圖得到閾值-改良改良1T經(jīng)過直方圖得到閾值經(jīng)過直方圖得到閾值-改良改良22對噪音的處置對噪音的處置對直方圖進(jìn)展平滑處置，如最小二乘法，等不過點對直方圖進(jìn)展平滑處置，如最小二乘法，等不過點插值。插值。經(jīng)過邊境特性選擇閾值經(jīng)過邊境特性選擇閾值-根本思想根本思想n假設(shè)直方圖的各個波峰很高、很窄、對假設(shè)直方圖的各個波峰很高、很窄

28、、對稱，且被很深的波谷分開時，有利于選稱，且被很深的波谷分開時，有利于選擇閾值。擇閾值。n為了改善直方圖的波峰外形，我們只把為了改善直方圖的波峰外形，我們只把區(qū)域邊緣的像素繪入直方圖，而不思索區(qū)域邊緣的像素繪入直方圖，而不思索區(qū)域中間的像素。區(qū)域中間的像素。n用微分算子，處置圖像，使圖像只剩下用微分算子，處置圖像，使圖像只剩下邊境中心兩邊的值。邊境中心兩邊的值。經(jīng)過邊境特性選擇閾值經(jīng)過邊境特性選擇閾值-根本思想根本思想2經(jīng)過邊境特性選擇閾值經(jīng)過邊境特性選擇閾值-優(yōu)點優(yōu)點1)在前景和背景所占區(qū)域面積差別很大時，不會造在前景和背景所占區(qū)域面積差別很大時，不會造一個灰度級的波峰過高，而另一個過低一個

29、灰度級的波峰過高，而另一個過低2)邊緣上的點在區(qū)域內(nèi)還是區(qū)域外的概率是相等的，邊緣上的點在區(qū)域內(nèi)還是區(qū)域外的概率是相等的，因此可以添加波峰的對稱性因此可以添加波峰的對稱性3)基于梯度和拉普拉斯算子選擇的像素，可以添加基于梯度和拉普拉斯算子選擇的像素，可以添加波峰的高度波峰的高度經(jīng)過邊境特性選擇閾值經(jīng)過邊境特性選擇閾值-算法算法n算法的實現(xiàn)：算法的實現(xiàn)：n1對圖像進(jìn)展梯度計算，得到梯度圖像。對圖像進(jìn)展梯度計算，得到梯度圖像。n2得到梯度值最大的那一部分比如得到梯度值最大的那一部分比如10% 的像的像素直方圖素直方圖n3經(jīng)過直方圖的谷底，得到閾值經(jīng)過直方圖的谷底，得到閾值Tn假設(shè)用拉普拉斯算子，不

30、經(jīng)過直方圖，直接得到閾值，假設(shè)用拉普拉斯算子，不經(jīng)過直方圖，直接得到閾值，方法是運用拉普拉斯算子過濾圖像，將方法是運用拉普拉斯算子過濾圖像，將0跨越點對應(yīng)的灰跨越點對應(yīng)的灰度值為閾值度值為閾值T簡單全局閾值分割簡單全局閾值分割-根本思想根本思想n用前述方法獲得閾值用前述方法獲得閾值T，并產(chǎn)生一個二值圖，區(qū)，并產(chǎn)生一個二值圖，區(qū)分出前景對象和背景分出前景對象和背景n算法實現(xiàn)：算法實現(xiàn)：n規(guī)定一個閾值規(guī)定一個閾值T，逐行掃描圖像。，逐行掃描圖像。n凡灰度級大于凡灰度級大于T的，顏色置為的，顏色置為255；凡灰度級?。环不叶燃壭∮谟赥的，顏色置為的，顏色置為0n適用場所：明度圖像是可以控制的情況，例

31、如適用場所：明度圖像是可以控制的情況，例如用于工業(yè)監(jiān)測系統(tǒng)中用于工業(yè)監(jiān)測系統(tǒng)中分割連通區(qū)域分割連通區(qū)域-根本思想根本思想n用前述方法獲得閾值用前述方法獲得閾值T，并產(chǎn)生一個二值圖，區(qū)，并產(chǎn)生一個二值圖，區(qū)分出單獨的連通前景對象和背景區(qū)域分出單獨的連通前景對象和背景區(qū)域n算法實現(xiàn)：算法實現(xiàn)：n規(guī)定一個閾值規(guī)定一個閾值T，上下左右，上下左右4個方向進(jìn)展逐行掃描個方向進(jìn)展逐行掃描圖像圖像n凡灰度級大于凡灰度級大于T的，顏色置為的，顏色置為255；凡灰度級小于；凡灰度級小于T的，顏色置為的，顏色置為0分割連通區(qū)域分割連通區(qū)域-適用場所適用場所n分割連通區(qū)域分割連通區(qū)域n適用場所：印前等。適用場所：印前

32、等。n先左后右，先上半部分、后下半部分先左后右，先上半部分、后下半部分基于多個變量的閾值基于多個變量的閾值-根本思想根本思想n把前面的方法擴展到多維空間，那么尋覓波谷的把前面的方法擴展到多維空間，那么尋覓波谷的過程，變?yōu)閷ひ掽c簇的過程。過程，變?yōu)閷ひ掽c簇的過程。n算法實現(xiàn)：算法實現(xiàn)：n各維分量波谷之間進(jìn)展邏輯與運算，從波谷重合各維分量波谷之間進(jìn)展邏輯與運算，從波谷重合的點，得到實踐的閾值的點，得到實踐的閾值T。n運用場所：有多個分量的顏色模型，如運用場所：有多個分量的顏色模型，如RGB模模型、型、CMYK模型、模型、HSI模型模型n面向區(qū)域的分割面向區(qū)域的分割n根本概念根本概念n像素集合的區(qū)域

33、增長像素集合的區(qū)域增長n區(qū)域分裂與合并區(qū)域分裂與合并3.4.4.5 面向區(qū)域的分割面向區(qū)域的分割n目的：將區(qū)域目的：將區(qū)域R劃分為假設(shè)干個子區(qū)域劃分為假設(shè)干個子區(qū)域R1,R2,Rn，這些子區(qū)域滿足，這些子區(qū)域滿足5個條件：個條件：n1)完備性：完備性：n2)連通性：每個連通性：每個Ri都是一個連通區(qū)域都是一個連通區(qū)域n3)獨立性：對于恣意獨立性：對于恣意ij，RiRj= niiRR1面向區(qū)域的分割面向區(qū)域的分割-根本概念根本概念4)單一性：每個區(qū)域內(nèi)的灰度級相等，單一性：每個區(qū)域內(nèi)的灰度級相等，PRi= TRUE，i = 1,2,n5)互斥性：任兩個區(qū)域的灰度級不等，互斥性：任兩個區(qū)域的灰度級

34、不等，PRiRj= FALSE，ij面向區(qū)域的分割面向區(qū)域的分割-根本概念根本概念2n算法實現(xiàn)：算法實現(xiàn)：n1根據(jù)圖像的不同運用選擇一個或一組種根據(jù)圖像的不同運用選擇一個或一組種子，它或者是最亮或最暗的點，或者是位子，它或者是最亮或最暗的點，或者是位于點簇中心的點于點簇中心的點n2選擇一個描畫符條件選擇一個描畫符條件n3從該種子開場向外擴張，首先把種子像從該種子開場向外擴張，首先把種子像素參與結(jié)果集合，然后不斷將與集合中各素參與結(jié)果集合，然后不斷將與集合中各個像素連通、且滿足描畫符的像素參與集個像素連通、且滿足描畫符的像素參與集合合n4上一過程進(jìn)展到不再有滿足條件的新結(jié)上一過程進(jìn)展到不再有滿足

35、條件的新結(jié)點參與集合為止點參與集合為止像素集合的區(qū)域增長像素集合的區(qū)域增長-算法算法n經(jīng)過像素集合的區(qū)域增長經(jīng)過像素集合的區(qū)域增長n算法實現(xiàn)：算法實現(xiàn)： 區(qū)域區(qū)域B B 區(qū)域區(qū)域A A 種子像素種子像素 種子像素種子像素通像素集合的區(qū)域增長算法通像素集合的區(qū)域增長算法2n算法實現(xiàn)：算法實現(xiàn)：n1對圖像中灰度級不同的區(qū)域，均分為四個子對圖像中灰度級不同的區(qū)域，均分為四個子區(qū)域區(qū)域區(qū)域分裂與合并區(qū)域分裂與合并-算法實現(xiàn)算法實現(xiàn)n算法實現(xiàn)：算法實現(xiàn)：n2假設(shè)相鄰的子區(qū)域一切像素的灰度級假設(shè)相鄰的子區(qū)域一切像素的灰度級一樣，那么將其合并一樣，那么將其合并n3反復(fù)進(jìn)展上兩步操作，直至不再有新反復(fù)進(jìn)展上兩

36、步操作，直至不再有新的分裂與合并為止的分裂與合并為止區(qū)域分裂與合并區(qū)域分裂與合并-算法實現(xiàn)算法實現(xiàn)2區(qū)域分裂與合并區(qū)域分裂與合并-算法實現(xiàn)算法實現(xiàn)3n實踐運用中還可作以下修正：實踐運用中還可作以下修正：nP(Ri)的定義為：的定義為：n1區(qū)域內(nèi)多于區(qū)域內(nèi)多于80%的像素滿足不等式的像素滿足不等式n|zj-mi|=2i，n其中：其中：zj是區(qū)域是區(qū)域Ri中第中第j個點的灰度級，個點的灰度級，n mi是該區(qū)域的平均灰度級，是該區(qū)域的平均灰度級，n i是區(qū)域的灰度級的規(guī)范方差。是區(qū)域的灰度級的規(guī)范方差。n2當(dāng)當(dāng)P(Ri)=TRUE時，將區(qū)域內(nèi)一切像素的時，將區(qū)域內(nèi)一切像素的灰度級置為灰度級置為mi。

37、區(qū)域分裂與合并區(qū)域分裂與合并-算法改良算法改良n根本概念根本概念n腐蝕與膨脹腐蝕與膨脹n開開- -閉運算閉運算n變體變體3.4.4.6 數(shù)學(xué)形狀學(xué)圖像處置數(shù)學(xué)形狀學(xué)圖像處置n數(shù)學(xué)形狀學(xué)圖像處置數(shù)學(xué)形狀學(xué)圖像處置n 構(gòu)造元素與二值圖像進(jìn)展邏輯運算，產(chǎn)生構(gòu)造元素與二值圖像進(jìn)展邏輯運算，產(chǎn)生新的圖像的圖像處置方法新的圖像的圖像處置方法n集合概念上的二值圖像集合概念上的二值圖像Bn二值圖像二值圖像B是定義在笛卡兒網(wǎng)格上的是定義在笛卡兒網(wǎng)格上的集合，網(wǎng)格中值為集合，網(wǎng)格中值為1的點是集合的元素的點是集合的元素n構(gòu)造元素構(gòu)造元素S是集合概念上的二值圖像是集合概念上的二值圖像n為簡單起見，構(gòu)造元素為為簡單起見，構(gòu)造元素為33，且全都為，且全都為1n當(dāng)構(gòu)造元素的原點移到點當(dāng)構(gòu)造元素的原點移到點(x,y)時，記為時，記為Sxy形狀學(xué)圖像處置形狀學(xué)圖像處置-根本概念根本概念構(gòu)造元素構(gòu)造元素S111111111111111111 111100111011011101構(gòu)造元素構(gòu)造元素Sxy圖像圖像B形狀學(xué)圖像處置形狀學(xué)圖像處置-根本概念根本概念2膨脹后