視頻課程數(shù)字圖像處理

第7章圖像分割及測量7.1概述7.2圖像閾值分割本章要點：

圖像閾值分割

目標物體的輪廓提取

模板匹配

圖像的測量7．1概述

數(shù)字圖像處理的目的之一是圖像識別，圖像分割與測量是圖像識別工作的基礎。圖像分割將圖像分為一些有意義的區(qū)域，然后可以對這些區(qū)域進行描述，相當于提取出某些目標區(qū)域圖像的特征，判斷圖像中是否有感興趣的目標。圖像分割的基礎是像素間的相似性和跳變性。

邊緣檢測能較成功的檢測出圖像真正的邊緣。在邊緣檢測之后，找出目標物體的輪廓，進行目標物體的分析、識別、測量等。這些內(nèi)容在數(shù)字圖像處理應用中，如跟蹤、制導等方面扮演重要角色，有著廣泛的用途。圖像分析系統(tǒng)的構(gòu)成知識庫處預理圖像獲取分割表示與描述初級階段中級階段高級階段識別與解釋圖像分割的概念把圖像分解構(gòu)成它的部件和對象的過程

有選擇性的定位感興趣對象在圖像中的位置和范圍圖像分割的基本策略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)圖像灰度值的不連續(xù)性

先找到點、線、邊

再確定區(qū)域相似性

閾值分割法

面向區(qū)域的分割

數(shù)學形態(tài)學圖像處理不連續(xù)性

邊界分割法

邊緣連接分割法7．2圖像閾值分割

閾值處理是一種區(qū)域分割技術，將灰度根據(jù)主觀愿望分成兩個或多個等間隔或不等間隔灰度區(qū)間，它主要是利用圖像中要提取的目標物體和背景在灰度上的差異，選擇一個合適的閾值，通過判斷圖像中的每一個像素點的特征屬性是否滿足閾值的要求來確定圖像中該像素點屬于目標區(qū)還是應該屬于背景區(qū)域，從而產(chǎn)生二值圖像。本節(jié)介紹選擇合適的閾值方法有：直方圖門限選擇半閾值選擇圖像分割迭代閾值圖像分割7.2.1直方圖門限選擇1．理論基礎閾值T可通過分析邊緣檢測輸出的直方圖來確定。假設，一幅圖像只有物體和背景兩部分組成，其灰度級直方圖成明顯的雙峰值，如圖7-1。255f(i，j)圖7-1雙峰灰度級直方圖

在此情況下，選取雙峰間的谷底處的灰度值T作為閾值，即可將物體和背景很好地分割開。閾值分割法可用數(shù)學表達式來描述。設圖像為f(i，j)，其灰度級范圍為[z1，z2]，設T為閾值，是z1和z2內(nèi)任一值，可得一幅二值圖像，其數(shù)學表達式為:

255如果f（i，j）≥Tf（i，j）=（7-1）

0如果f（i，j）<T或者，也可以

0如果f（i，j）≥Tf（i，j）=（7-2）

255如果f（i，j）<T

假如，其灰度級直方圖能呈現(xiàn)多個明顯的峰值，比如有三個峰值，可取兩個峰谷處的灰度值T1，T2作為閾值。同樣，可將閾值化后的圖像變成二值化圖像。

f（i，j）T1T22550圖7-2多峰值灰度級直方圖其數(shù)學表達式為:

0如果T1≤f（i，j）≤T2f（i，j）=（7-3）

255其它或者，同樣也可以

255如果T1≤f（i，j）≤T2f（i，j）=（7-4）

0其它

2．實現(xiàn)步驟（1）獲得原圖像的首地址，及圖像的寬和高。（2）開辟一塊內(nèi)存空間，并初始化為255。（3）進行圖像灰度統(tǒng)計，顯示灰度直方圖。（4）通過對話框選取一個峰谷作為閾值。（5）像素灰度值與閾值之差小于30，將像素置為0，否則置為255。（6）將結(jié)果復制到原圖像數(shù)據(jù)區(qū)并顯示。閾值分割法的特點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。（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)域的邊界通過交互方式得到閾值

基本思想：

在通過交互方式下，得到對象（或背景）的灰度值，比得到閾值T容易的多。假設：對象的灰度值為f(x0,y0),且：T=f(x0,y0)–R有：f(x,y)

≥

Tf(x,y)

≥f(x0,y0)–R|f(x,y)

-f(x0,y0)|

≤R(R為容忍度，可通過試探獲得)通過交互方式得到閾值實施方法：（1）通過光標獲得樣點值f(x0,y0)（2）選取容忍度R（3）if|f(x,y)

-f(x0,y0)|≤Rset255else0通過直方圖得到閾值基本思想邊界上的點的灰度值出現(xiàn)次數(shù)較少通過直方圖得到閾值2）對噪聲的處理對直方圖進行平滑處理，如最小二乘法通過邊界特性選擇閾值基本思想：如果直方圖的各個波峰很高、很窄、對稱，且被很深的波谷分開時，有利于選擇閾值為了改善直方圖的波峰形狀，我們只把區(qū)域邊緣的像素繪入直方圖，而不考慮區(qū)域中間的像素用微分算子處理圖像，使圖像只剩下邊界中心兩邊的值通過邊界特性選擇閾值算法的實現(xiàn)：1）對圖像進行梯度計算，得到梯度圖像2）得到梯度值最大的那一部分的像素直方圖3）通過直方圖的谷底，得到閾值T如果用拉普拉斯算子，不通過直方圖直接得到閾值，方法是使用拉普拉斯算子過濾圖像，將0跨越點對應的灰度值設為閾值T7.2.2半閾值選擇分割

1．理論基礎上述方法，不論圖像的直方圖具有雙峰還是多峰值，經(jīng)過閾值化后均將原始灰度級多值圖像變成二值圖像，假如希望閾值后的圖像只把圖像的背景表示成二值圖像（即背景不是最白（用1表示）就是最黑（用0表示））而圖像中的物體仍為多值圖像。此時，可采用半閾值技術，把物體從背景中分離出來。

半閾值化后的圖像可用數(shù)學表達式表示為：

f（i，j）如果f（i，j）≥Tf（i，j）=（7-6）

0或者255如果f（i，j）<T

或者

f（i，j）如果f（i，j）≤Tf（i，j）=（7-7）

0或者255其它2．實現(xiàn)步驟(1)獲得原圖像的首地址，及圖像的寬和高。(2)開辟一塊內(nèi)存空間，并初始化為255。(3)進行圖像灰度統(tǒng)計，顯示灰度直方圖。請看Zhifangtu(float*tongji)函數(shù)。(4)選取一個峰谷作為閾值。(5)像素灰度值與閾值之差小于30，將像素置為0，否則保持灰度值不變。(6)將結(jié)果復制到原圖像數(shù)據(jù)區(qū)。3.編程代碼for(j=0;j<height;j++){ for(i=0;i<wide;i++) { lpSrc=p_data+wide*j+i; lpDst=temp+wide*j+i; if((*lpSrc-Yuzhi)<30) *lpDst=*lpSrc; }}4.效果對比圖（a）根據(jù)直方圖選擇閾值

（b）半閾值選擇圖像分割效果圖7.2.3迭代閾值分割1．理論基礎迭代的方法產(chǎn)生閾值，可以通過程序自動計算出比較合適的分割閾值。其計算方法是這樣的：（1）選擇閾值T，通?？梢赃x擇圖像的平均灰度值來作為初始閾值；（2）通過初始閾值T，把圖像的平均灰度值分成兩組R1和R2；（3）計算著兩組平均灰度值μ1和μ2；（4）重新選擇閾值T，新的T定義為：T=(μ1+μ2)/2;

循環(huán)做第二步到第四步，一直到兩組的平均灰度值μ1和μ2不在發(fā)生改變，那么我們就獲得了所需要的閾值。2．實現(xiàn)步驟

(1)

獲得原圖像的首地址，及圖像的高和寬。

(2)進行直方圖統(tǒng)計。請看Zhifangtu(float*tongji)函數(shù)。

(3)設定初始閾值T=127。

(4)分別計算圖像中小于T和大于T的兩組平均灰度值。

(5)迭代計算閾值，直至兩個閾值相等。

(7)根據(jù)計算出的閾值，對圖像進行二值化處理。3.編程代碼對圖像進行迭代閾值分割。voidBingXingBianJieDib::Diedaifazhi(int*tongji)見光盤程序代碼4.效果對比圖

圖7-5迭代閾值圖像分割效果圖第7章圖像分割及測量7.3目標物體的輪廓提?。ǖ诙v）7.3目標物體的輪廓提取

輪廓提取法

邊界跟蹤法區(qū)域增長法區(qū)域分裂合并法7.3.1輪廓提取法圖像邊緣是圖像局部特性不連續(xù)性（灰度突變、顏色突變等）的反映，它標志著一個區(qū)域的終結(jié)和另一個區(qū)域的開始。二值圖像的輪廓提取采用掏空內(nèi)部點法：如果原圖中有一點為黑，且它的8個相鄰點皆為黑，則將該點刪除。對于非二值圖像，要先進行二值化處理。1)獲取原圖像的首地址，圖像的高和寬。2)開辟一塊內(nèi)存緩沖區(qū)。3)將像素點的8鄰域像素讀入數(shù)組中，如果8個鄰域像素都和中心點相同，在內(nèi)存緩沖區(qū)中將該像素點置白，否則保持不變。4)重復執(zhí)行3)，對每一個像素進行處理。實現(xiàn)步驟（a）原圖（b）輪廓提取效果圖效果圖

從圖像中一個邊界點出發(fā)，然后根據(jù)某種判別準則搜索下一個邊界點，以此跟蹤出目標邊界。7.3.2邊界跟蹤法確定邊界的起始搜索點，起始點的選擇很關鍵，對某些圖像，選擇不同的起始點會導致不同的結(jié)果。

確定合適邊界判別準則和搜索準則，判別準則用于判斷一個點是不是邊界點，搜索準則則指導如何搜索下一個邊緣點。

確定搜索的終止條件。邊界跟蹤法1）從左下角開始逐點掃描，當遇到邊緣點時，則跟蹤，直至跟后續(xù)點回到起始點（對于閉合線），或其后續(xù)點再沒有新的后續(xù)點（對于非閉合線）為止。2）如果為非閉合線，則跟蹤一側(cè)后，需從起始點開始朝相反的方向跟蹤到另一尾點。3）如果不止一個后續(xù)點，則按上述連接準則選擇距離最近的點為后續(xù)點，另一次要的后續(xù)點作為新的邊緣跟蹤起點另行跟蹤。4）一條線跟蹤完后，接著掃描下一個未跟蹤點，直至所有邊緣都跟蹤完畢。邊界跟蹤法--跟蹤準則(a)中心像素跟蹤的8個方向編號及偏移量(b)邊界跟蹤示意圖（-1，-1）（0，-1）（1，-1）（-1，0）（1，0）（-1，1）（0，1）（1，1）邊界跟蹤法--跟蹤準則

中心像素可以跟蹤的方向有8個，對每個方向制定了方向編號及偏移量，選取圖像的最左下方的像素點作為起始點。邊界跟蹤法--跟蹤準則當找到起始點，把該點記錄下來；初始跟蹤方向是：左上方0方向；判斷該點是否為目標點，是則把該點為跟蹤的起始點；逆時針旋轉(zhuǎn)90度，作為新的跟蹤方向，繼續(xù)檢測該新的跟蹤方向上的點。邊界跟蹤法--跟蹤準則若不是是目標點則沿順時針旋轉(zhuǎn)45度，一直到找到目標點。找到目標點后，在當前跟蹤方向的基礎上，逆時針旋轉(zhuǎn)90度作為新的跟蹤方向，用同樣的方法跟蹤下一個邊界點；直到回到起始點為止。

邊界跟蹤法--跟蹤準則1)獲得圖像的首地址，圖像的高和寬。2)開辟一塊內(nèi)存緩沖區(qū)，初始化為255。3)將圖像進行二值化處理。4)跟蹤邊界點，找到1個邊界點，就將內(nèi)存緩沖區(qū)中該點置0。5)按照跟蹤準則，重復執(zhí)行(4)，直到回到初始點。實現(xiàn)步驟（a）原圖(b)外邊界跟蹤效果圖

效果圖閾值分割法:很少考慮空間關系，使多閾值選擇受到限制。區(qū)域分割法:彌補這點不足，利用空間性質(zhì)，認為屬于同一區(qū)域的像素應具有相似性。傳統(tǒng)的區(qū)域分割算法有:區(qū)域增長法和區(qū)域分裂合并法。該類方法在先驗知識不足的圖像進行分割,有較好的性能。但是，空間和時間開銷比較大。7.3.3區(qū)域增長法

依次用圖像的每一個像素的灰度值和種子點相減，判斷結(jié)果是否小于標準差，是則將該點和種子點合并，不是則保持像素點的灰度值不變。這樣處理后的圖像就是用區(qū)域分割法處理后的邊緣分割圖像。區(qū)域增長法考慮空間鄰域象素之間的關系。開始時確定一個或多個象素點作為種子，按某種相似性準則，增長區(qū)域，逐步生成具有某種均勻性的空間區(qū)域，將相鄰的具有相似性質(zhì)的象素或區(qū)域歸并，從而逐步增長區(qū)域，直至沒有可以歸并的點或其它小區(qū)域為止。區(qū)域內(nèi)象素的相似性度量可以包括平均灰度值、紋理、顏色等信息。區(qū)域增長法選擇合適的種子點確定相似性準則(生長準則)確定生長停止條件區(qū)域增長法區(qū)域增長法示意圖區(qū)域增長法1)獲取原圖像的首地址，及高和寬。2)依次用圖像的每一個像素的灰度值減去種子點，判斷結(jié)果的絕對值是否小于閾值，閾值為10。如果小于則將種子點賦給該像素點，否則灰度值保持不變。實現(xiàn)步驟(a)選擇生長點

（b）按右鍵點擊黑處效果圖效果圖7.3.4區(qū)域分裂合并法

利用金字塔或四叉樹數(shù)據(jù)結(jié)構(gòu)的層次概念，將圖像劃分成一組任意不相交的初始區(qū)域，即從金字塔或四叉樹數(shù)據(jù)結(jié)構(gòu)的任一中間層開始，根據(jù)給定的均勻性檢測準則進行分裂和合并這些區(qū)域，逐步改善區(qū)域劃分的性能，直至最后將圖像分成數(shù)量最少的均勻區(qū)域為止。區(qū)域分裂合并

四叉樹數(shù)據(jù)結(jié)構(gòu)區(qū)域分裂區(qū)域分裂

注意：確定分裂準則:若滿足一致性準則，P(R)=True；否則，P(R)=False.確定分裂方法:即如何分裂區(qū)域，使得分裂后的子區(qū)域的特性盡可能都滿足一致性準則值。區(qū)域分裂1)形成初始區(qū)域2)對圖像的每一個區(qū)域Ri，計算P(Ri)，如果P(Ri)=FALSE,則沿著某一合適的邊界分裂區(qū)域。3)重復步驟2，當沒有區(qū)域需分裂時，結(jié)束。區(qū)域合并

區(qū)域合并：把相鄰的具有相似性的區(qū)域合為一個區(qū)域。重要運算是：確定兩個區(qū)域的相似性。評判相似性的方法：基于區(qū)域的灰度值，或基于區(qū)域邊界的強弱性等。簡單的方法是比較它們的灰度均值。59區(qū)域合并

1）使用某種方法進行圖像的初始區(qū)域分割。2）對于圖像中相鄰個區(qū)域，計算是否滿足一致性,若滿足則合并為一個區(qū)域。3）重復步驟2，直到?jīng)]有區(qū)域可以合并，結(jié)束。60區(qū)域分裂合并

1)設整幅圖像為初始區(qū)域2)對每一區(qū)域R，如果P(R)=FLASE，則把該區(qū)域分裂成四個子區(qū)域3)重復上一步，直到?jīng)]有區(qū)域可以分裂4)對圖像中任意兩個相鄰的R1和R2，如果P(R1UR2)=TRUE，則把這兩個區(qū)域合并成一個區(qū)域。5)重復上一步，直到?jīng)]有相鄰區(qū)域可以合并，結(jié)束。（a）對原圖進行第一次操作

（b）第二次操作

（c）最終結(jié)果區(qū)域分裂合并第7章圖像分割及測量（第三講）7.4圖像的測量在二值圖像中,相互連接的黑像素的集合成為一個黑區(qū)域，對黑區(qū)域處理的測量主要介紹:二值圖形的區(qū)域標志；二值圖形的小區(qū)域消除；

二值圖形封閉域大小的計算；二值圖形的邊界線跟蹤；

7.4圖像的測量7.4.1二值圖像區(qū)域標記在二值圖像中，相互聯(lián)結(jié)的黑像素集合成為一個（黑）區(qū)域。通過對圖像內(nèi)每個區(qū)域進行標記操作，求得區(qū)域的數(shù)目。處理前的f是二值的，像素要么為0(黑)，要么為255(白),處理后每個像素的值即為其所處理區(qū)域的區(qū)域標號(1,2,3,…)。從左到右，從上倒下逐個像素掃描。若該點的左上、正上、右上及左前點都不為物體，則標號加1。優(yōu)先級依次為右上點，正上點，左上點及左前點。右上點的優(yōu)先級最高，左前的優(yōu)先級最低。若右上點為物體，則當前點標記和右上點相同的值。若右上點不為物體，則判斷正上點。標記準則其中特別調(diào)整：當前點的右上點及左前點為不同標記，正上點和左上點不為物體，則當前點標記同右上點置相同的值。此時，從頭到尾掃描圖像，把所有標記相同的像素值都標記成與右上點同樣的值。標記準則1)讀入原圖數(shù)據(jù)，存放在緩沖區(qū)內(nèi)。2)根據(jù)輸入的閾值進行二值化。3)從左到右，從上倒下，依次檢測每個像素，如果發(fā)現(xiàn)某像素點像素值為0，則依次檢測該點的右上、正上、左上及左前點共四個點的像素值，根據(jù)前面介紹的8個準則進行連通性的判斷，并標識物體，將物體的像素值改為標號。4）依次逐行檢測至掃描結(jié)束。實現(xiàn)步驟（a）原圖

（b）對物體加標記圖

效果圖7.4.2二值圖像的區(qū)域面積測量在二值圖像f中，通過對圖像f內(nèi)每個像素進行標記操作，將物體的像素值改為標號，求各種標號的總和，即求得不同區(qū)域的面積數(shù)目。1)調(diào)用標記統(tǒng)計函數(shù)，對圖像進行標記,劃分成不同的連通區(qū)域。2)循環(huán)取得各點像素值，像素值就是標號。3)根據(jù)不同的標號，加到對應的數(shù)組。4)彈出對話框，輸出各個連通區(qū)域的面積（像素個數(shù)）。實現(xiàn)步驟面積測量效果圖7.4.3二值圖像的周長測量在二值圖像區(qū)域標記的基礎上，物體的像素值改為標號，再采用邊界跟蹤法，跟蹤各封閉區(qū)域邊界線(輪廓線)的每個黑像素的標號，記錄二值圖像物體邊界。1)調(diào)用biaoji()函數(shù)，對圖像進行標記,劃分成不同的連通區(qū)域。2)根據(jù)不同的像素值,即不同的連通區(qū)，循環(huán)取得各點像素值的標號，搜索出一個發(fā)點，利用7.3.2節(jié)介紹的邊界跟蹤法，采用Lunkuogenzong()函數(shù)，找到出發(fā)點后，記錄其坐標，再跟蹤下一像素。保留循環(huán)得到的邊界點，其余都置255（白點）。實現(xiàn)步驟3)根據(jù)不同的像素值,即不同的連通區(qū)，依次執(zhí)行第2步。4)把緩沖區(qū)的數(shù)據(jù)返回到原數(shù)據(jù)區(qū)。5)調(diào)整連通邊界區(qū)，計算每個連通邊界區(qū)的周長（像素個數(shù)）。6)彈出對話框，輸出各個邊界連通區(qū)域的像素個數(shù)。實現(xiàn)步驟周長計算效果圖

（a）原圖

（b）對不同區(qū)域體標識圖（c）區(qū)域面積測量圖（d）區(qū)域周長測量圖效果圖7.4.4二值圖像的小區(qū)域消除在二值圖像區(qū)域標記的基礎上，通過對圖像f內(nèi)每個標記的區(qū)域進行計算，求得總區(qū)域的數(shù)目。并求得每個區(qū)域的像素個數(shù)。當二值圖像f的某區(qū)域面積(像素數(shù))在閾值以下時,則消去該區(qū)域，全部置為255(白)，由此得到新圖形。1)調(diào)用標記統(tǒng)計函數(shù)，對圖像進行標記,劃分成不同的連通區(qū)域。2)循環(huán)取得各點像素值。3)根據(jù)不同的像素值，依此標記，加到對應的數(shù)組。4)依次判斷每個連通區(qū)的像素個數(shù)，即對應的數(shù)組，若大于閾值則該區(qū)域保留，否則該區(qū)域全部消除（置白）。實現(xiàn)步驟第7章圖像分割及測量（第四講）7.4圖像的測量7.4.5投影量的計算1.水平投影實現(xiàn)步驟：①圖像二值化，物體為黑，背景為白。②循環(huán)各行，依次判斷每一列的像素值是否為黑，統(tǒng)計該行所有黑像素的個數(shù)。設該行共有M個黑像素，則把該行從第一列到第M列置為黑。實現(xiàn)步驟：①圖像二值化，物體為黑，背景為白。②循環(huán)各列，依次判斷每一行的像素值是否為黑，統(tǒng)計該列所有黑像素的個數(shù)。設該列共有M個黑像素，則把該列從第一行到第M行置為黑。垂直投影（a）原圖（b）水平投影（c）垂直投影效果圖7.4.6紋理分析紋理就是指在圖像中反復出現(xiàn)的局部模式和它們的排列規(guī)則。紋理特征反映了物體本身的屬性，有助于將兩種不同的物體區(qū)別開來。希望通過對圖像的紋理分析獲得關于景物紋理特征和結(jié)構(gòu)的定量分析描述和解釋，這就是圖像紋理分析的任務。

是圖像像素灰度級或顏色的某種變化，反復出現(xiàn)紋理基元和它的排列規(guī)則，而且這種變化是空間統(tǒng)計相關的。構(gòu)成紋理特征的兩個要素：

①紋理基元：由一定的形狀和大小多種圖像基元的組合叫紋理基元。②紋理是由紋理基元排列組合而成的?；帕械氖杳?，周期性，方向性等的不同，能使圖像的外觀產(chǎn)生極大地改變。紋理指通過一定的圖像處理技術抽取出紋理特征，獲得紋理的定量或定性描述的處理過程。它首先從像素出發(fā)，檢測出紋理基元，并找出紋理基元排列的信息，建立紋理基元模型。紋理分析：檢測出紋理基元；獲得有關紋理基元排列分布方式的信息。紋理分析①統(tǒng)計方法：(a)空間域：基于統(tǒng)計圖像像素灰度級的分布狀況，如利用直方圖。(b)頻域：首先將圖像變換到傅里葉變換的頻域中然后抽取相應的象征量。②結(jié)構(gòu)方法：用于印刷或磚花樣等一類紋理基元及其排列較規(guī)則的圖像。紋理分析方法選擇合適的鄰域大小；對每一個像素，計算出其鄰域中的灰度直方圖；比較求出的直方圖與已知的各種紋理基元或含由紋理基元的鄰域的直方圖間的相似性;若相似，說明存在已知的紋理基元。直方圖統(tǒng)計特征分析法設h1(z)和h2(z)為兩個區(qū)域的灰度直方圖直方圖的均值

直方圖的方差衡量直方圖間的相似性Kolmogorov—Smi