數(shù)字圖像處理7、圖像分割

1、第7章 圖像分割數(shù)字圖像處理的目的之一是用作圖像識別，本章內容介紹的圖像分割是圖像識別工作的基礎。 引言圖像處理的一個重要任務是對圖像中的景物進行分析和理解，包括：圖像分割：把圖像分割成不同的區(qū)域特征抽取：找出分開的各區(qū)域的特征圖像識別與分類：識別圖像中要找的東西，或對圖像中不同的特征進行分類圖像分析或理解：對于不同區(qū)域進行描述，或尋找不同區(qū)域之間的相互聯(lián)系，或把相關區(qū)域連接起來組成一個有意義的結構引言圖像處理、識別與理解的含義：圖像處理包括圖像增強與恢復，可看作是預處理。其輸入、輸出均為圖像圖像識別對圖像的分割、特征提取、分類及結構分析可稱為圖像識別。輸入是圖像，輸出是分類及結構分析圖像理解

2、對圖像的描述與解釋。輸入是圖像，輸出是描述和解釋引言圖像分割根據某種均勻性的原則將圖像分成若干個有意義的部分，使每部分都符合某種一致性的要求。而任意兩個相鄰部分的合并都會破壞這種一致性。 圖像的邊緣邊緣指的是包圍著連通區(qū)域的一條封閉的邊緣曲線。邊緣兩側分屬于兩個區(qū)域，每個區(qū)域內部特性相對一致，而兩個區(qū)域之間特性有差異，存在著灰度的突變。引言（a）原圖像 （b）原圖像引言圖像分割的原則：基于點相關的分割依據各個像素點的灰度不連續(xù)性進行分割。如基于邊界的分割方法基于區(qū)域相關的分割依據同一區(qū)域具有相似的灰度這一特性，尋求不同區(qū)域之邊界。如基于區(qū)域的分割方法一 尋找圖像邊界的分割基于邊界的分割步驟：邊

3、緣檢測：獲得邊界點；邊界跟蹤：搜索并連接邊界點；曲線擬合：形成部分邊界；最終形成閉合邊界1、邊緣檢測基于灰度不連續(xù)性進行分割的方法差分邊緣檢測處在邊緣兩側的點，圖像灰度將發(fā)生急劇的變化，因此具有較大的差分值，當差分方向與邊界方向垂直時，具有最大的差分值。差分是灰度變化的有方向性的運算1、邊緣檢測拉普拉斯邊緣檢測各向同性的運算，對灰度突變敏感用于邊緣檢測時，為避免出現(xiàn)負值，常取其絕對值方向模板邊緣檢測類似于銳化模板，采用方向模板進行邊緣檢測各種邊緣檢測算子：Sobel、Prewitt、Krisch、Wallis等算子既可以用于圖像銳化，又可以用于圖像邊緣檢測1、邊緣檢測Roberts交叉邊緣檢測

4、普通梯度算子檢測水平或垂直方向上的變化；Roberts交叉算子檢測的是沿與圖像坐標軸45度或135度角方向上的灰度梯度；-10010-110RobertsRoberts交叉邊緣檢測效果1、邊緣檢測Sobel模板垂直檢測模板水平檢測模板Sobel模板邊緣檢測效果1、邊緣檢測Kirsch算子對八鄰域進行計算，用5個相鄰點的加權和減去3個相鄰點的加權和；33-53-533-53-5-53-5333-5-5-533333-5-53-53333-533-53-533333-53-5-5333333-5-5-53333-53-5-5Kirsch 算子的8方向33模板1、邊緣檢測Laplace算子無方向性的

5、二階微分算子，可用二階差分代替；經常表示成模板形式用于邊緣檢測時，為避免出現(xiàn)負值，常取其絕對值對圖像中的噪聲非常敏感，另外還會產生雙象素寬的邊緣，很少直接用于邊緣提取0-10-14-10-10-10-1040-10-1-1-1-1-18-1-1-1-11、邊緣檢測LoG算子（Laplacian of Gaussian）對Laplace算子的改進，為減少噪聲的影響，對圖像進行平滑，平滑函數(shù)采用高斯函數(shù)對平滑后的圖像再用Laplace算子LoG算子是軸對稱的各向同性算子Laplacian of GaussianCanny算子邊緣檢測效果2、邊界跟蹤邊界跟蹤 (Boundary tracking，E

6、dge point linking)是指從灰度圖像中的一個邊緣點出發(fā)，依次搜索并連接相鄰邊緣點，從而逐步檢測出邊界的方法（1）確定作為搜索起點的邊緣點（通常采用梯度值最大的點）（2）采取一種合適的數(shù)據結構和搜索機理，在已經發(fā)現(xiàn)的邊界點基礎上確定新的邊界點。（3）確定搜索終結的準則或終止條件2、邊界跟蹤8鄰域搜索跟蹤法例：在33鄰域中選取邊界點，并限制沒有大于45o的轉折PCCPCPCPCPPCPCPC3、曲線擬合曲線擬合的邊界連接針對銳化后圖像邊緣間隔大或邊緣點稀疏的情況，采用直線段或曲線函數(shù)來擬合這些邊緣點，以形成部分邊界，從而得到整個完整邊界二 基于區(qū)域灰度的圖像分割通過對圖像的直方圖進行

7、分析，若目標和背景具有不同的灰度集合，且兩個灰度集合可用一個灰度級閾值T進行分割。這樣就可以用閾值分割灰度級的方法在圖像中分割出目標區(qū)域與背景區(qū)域。二 基于區(qū)域灰度的圖像分割1、灰度級的門限化法（1）門限化法：適用于對象與背景占據不同灰度級范圍原理：選取一個適當?shù)幕叶燃夐T限，然后將每個像素灰度和它進行比較，超過門限的重新分配以最大灰度，低于門限的分配以最小灰度。這樣可組成一幅新的二值圖像，并將對象從背景中分離出來二 基于區(qū)域灰度的圖像分割（2）半門限化法原理：對圖像中的背景表示成最大或最小的灰度，而把圖像中的對象保留下來。TT1111二 基于區(qū)域灰度的圖像分割（3）用門限化法檢測對象邊緣原理：

8、使用門限化法時，令灰度和所取門限值相同的像素點具有新的灰度值為1，而其余的各點的灰度值為0，即可檢測出邊緣。實用的方法：令原圖像灰度值在門限值近旁一個小區(qū)域內的像素點的灰度為1，其余為0。2、閾值的選擇極小點閾值通過尋找直方圖的極小點確定分割閾值，在確定極小點過程中可能需要對直方圖進行平滑。最優(yōu)閾值通常，圖像中目標和背景的灰度值有部分交錯，再分割時總希望減少分割誤差。為此，需要研究最優(yōu)閾值問題。通過背景和目標 的灰度概率分布函數(shù)可以在一定條件下確定最佳閾值三 區(qū)域擴張的圖像分割基本思路：將圖像劃分為逐級分解的小區(qū)，利用一定的合并和分裂準則對小區(qū)進行檢驗，確定小區(qū)是否需要分裂或相鄰小區(qū)是否需要合并。通常特征準則是以圖像某些特征(灰度、色彩、統(tǒng)計特征)的均勻性為依據的。三 區(qū)域擴張的圖像分割1、區(qū)域生長法從生長點開始，搜索其鄰域，把符合接收規(guī)則的點或子區(qū)歸并進來，形成新的生長點，直到當前區(qū)域不能再合并為止種子算法種子的選取生長的準則生長過程終止的條件或規(guī)則區(qū)域生長法示例 初始生長點為9，接收準則為可并入的點的灰度與區(qū)域灰度均值之差 ；生長過程如下：三 區(qū)域擴張的圖像分割2、子區(qū)域合并法以小區(qū)域內的灰度分布的相似性來進行區(qū)域合并將圖像分成若干個子區(qū)從第一個子