CH11 基本圖像分割技術(shù)

第11章基本圖像分割技術(shù)

ImageSegmentation張淑軍青島科技大學(xué)信息學(xué)院在對圖像的研究和應(yīng)用中，人們往往僅對圖像中的某些部分感興趣。這些部分常稱為目標(biāo)或前景（其它部分稱為背景），它們一般對應(yīng)圖像中特定的、具有獨特性質(zhì)的區(qū)域。為了辨識和分析目標(biāo)，需要將這些有關(guān)區(qū)域分離提取出來。圖像分割是指把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。特性可以是灰度、顏色、紋理等，目標(biāo)可對應(yīng)單個區(qū)域，也可對應(yīng)多個區(qū)域。第2頁第11章基本圖像分割技術(shù)第11章基本圖像分割技術(shù)第3頁第11章基本圖像分割技術(shù)地位圖像處理著重強(qiáng)調(diào)圖像之間進(jìn)行變換以改善圖像的效果圖像分析則主要是對圖像中感興趣的目標(biāo)進(jìn)行檢測和測量，以獲得它們的客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(jìn)一步研究圖像中各目標(biāo)的性質(zhì)和它們之間的相互關(guān)系，并得出對圖像的解釋第11章基本圖像分割技術(shù)第4頁第11章基本圖像分割技術(shù)圖像分割是從圖像處理到圖像分析的關(guān)鍵步驟其它名稱：目標(biāo)輪廓技術(shù)（objectdelineation）目標(biāo)檢測（targetdetection）閾值化技術(shù)（thresholding）第11章基本圖像分割技術(shù)第11章基本圖像分割技術(shù)本章教學(xué)目標(biāo)（1）理解圖像分割的概念，掌握其分類（2）掌握使用一階導(dǎo)數(shù)算子和二階導(dǎo)數(shù)算子進(jìn)行邊緣檢測的方法（3）理解閾值分割技術(shù)及分割效果（4）理解區(qū)域生長法和分裂合并法，會計算簡單實例第5頁第11章基本圖像分割技術(shù)第6頁第11章基本圖像分割技術(shù)第11章基本圖像分割技術(shù)11.1圖像分割定義和技術(shù)分類11.2并行邊界技術(shù)11.3串行邊界技術(shù)11.4并行區(qū)域技術(shù)11.5串行區(qū)域技術(shù)第7頁第11章基本圖像分割技術(shù)形式化定義令集合R代表整個圖像區(qū)域，對R的分割可看作將R分成若干個滿足以下條件的非空子集（子區(qū)域）R1，

R2，

R3，…Rn:11.1圖像分割定義和技術(shù)分類第8頁第11章基本圖像分割技術(shù)以灰度圖像為例分割依據(jù)：灰度值的不連續(xù)性和相似性區(qū)域內(nèi)部的像素一般具有灰度相似性（即同一個區(qū)域內(nèi)的像素灰度比較接近）區(qū)域之間的邊界上一般具有灰度不連續(xù)性（即相鄰兩區(qū)域交界處的像素灰度有跳躍）分割算法可分為利用區(qū)域間灰度不連續(xù)性的基于邊界的算法和利用區(qū)域內(nèi)灰度相似性的基于區(qū)域的算法11.1圖像分割定義和技術(shù)分類第9頁第11章基本圖像分割技術(shù)根據(jù)分割過程中處理策略的不同，可分為并行算法和串行算法并行：獨立執(zhí)行，不相互依賴串行：前期處理結(jié)果被其后的處理過程利用（計算時間長，但抗噪聲能力較強(qiáng)）四種分割方法：并行邊界類；并行區(qū)域類；串行邊界類；串行區(qū)域類；11.1圖像分割定義和技術(shù)分類第10頁第11章基本圖像分割技術(shù)第11章基本圖像分割技術(shù)11.1圖像分割定義和技術(shù)分類11.2并行邊界技術(shù)11.3串行邊界技術(shù)11.4并行區(qū)域技術(shù)11.5串行區(qū)域技術(shù)第11頁第11章基本圖像分割技術(shù)11.2并行邊界技術(shù)并行邊界技術(shù)指同時對目標(biāo)邊界各像素進(jìn)行檢測和連接的技術(shù)邊緣檢測是所有基于邊界的圖像分割方法的第一步。兩個具有不同灰度值的相鄰區(qū)域之間總存在邊緣。邊緣是灰度值不連續(xù)的結(jié)果，這種不連續(xù)性?？衫们髮?dǎo)數(shù)檢測到。一般常用一階導(dǎo)數(shù)和二階導(dǎo)數(shù)來檢測邊緣。11.2并行邊界技術(shù)給出一個模板和一幅圖像如下:[-101]不難發(fā)現(xiàn)原圖中左邊暗，右邊亮，中間存在著一條明顯的邊界。進(jìn)行模板操作后的結(jié)果如下：第12頁第11章基本圖像分割技術(shù)11.2并行邊界技術(shù)可以看出，第3、4列比其他列的灰度值高很多，人眼觀察時，就能發(fā)現(xiàn)一條很明顯的亮邊，其它區(qū)域都很暗，這樣就是邊緣檢測的作用。所使用的模板稱為梯度算子模板。事實上可以用作邊緣檢測的模板很多，根據(jù)圖像的不同特點可以使用不同的模板。第13頁第11章基本圖像分割技術(shù)第14頁第11章基本圖像分割技術(shù)11.2并行邊界技術(shù)例11.1(a)原圖

(b)(c)(d)11.2并行邊界技術(shù)第15頁第11章基本圖像分割技術(shù)對Gx和Gy各用一個模板，用兩個模板組合起來以構(gòu)成一個梯度算子三種常用的一階梯度算子：Roberts交叉算子、Prewitt算子、Sobel算子用模板卷積方式實現(xiàn)11.2并行邊界技術(shù)舉例：原圖像；Prewitt水平算子運算得到的圖像（水平邊緣，對應(yīng)垂直梯度）第16頁第11章基本圖像分割技術(shù)11.2并行邊界技術(shù)舉例：原圖像；Prewitt垂直算子運算得到的圖像（垂直邊緣，對應(yīng)水平梯度）第17頁第11章基本圖像分割技術(shù)第26頁第11章基本圖像分割技術(shù)二階導(dǎo)數(shù)算子：拉普拉斯（Laplacian）算子不能提供邊緣方向信息；對噪聲敏感表示離散形式

0-10-14-10-10-1-1-1-18-1-1-1-111.2并行邊界技術(shù)改進(jìn)第35頁第11章基本圖像分割技術(shù)11.2并行邊界技術(shù)MatLab函數(shù)J=edge(I,type)Type取‘roberts’,‘prewitt’,‘sobel’,‘log’等例子：

>>I=imread('rice.tif');>>J1=edge(I,'roberts');>>J2=edge(I,'sobel');>>J3=edge(I,'log'); >>subplot(2,2,1),imshow(I); >>subplot(2,2,2),imshow(J1); >>subplot(2,2,3),imshow(J2); >>subplot(2,2,4),imshow(J3);第36頁第11章基本圖像分割技術(shù)11.2并行邊界技術(shù)Canny算子*比較新的邊緣檢測算子，具有良好的邊緣檢測性能將邊緣檢測問題轉(zhuǎn)換為檢測單位函數(shù)極大值的問題例：

>>I=imread('rice.tif');>>J4=edge(I,'canny');>>imshow(J4);第37頁第11章基本圖像分割技術(shù)第11章基本圖像分割技術(shù)11.1圖像分割定義和技術(shù)分類11.2并行邊界技術(shù)11.3串行邊界技術(shù)11.4并行區(qū)域技術(shù)11.5串行區(qū)域技術(shù)第38頁第11章基本圖像分割技術(shù)11.4并行區(qū)域技術(shù)許多情況下，圖像是由具有不同灰度級的兩類區(qū)域組成。如文字與紙張、地物與云層（航空）。其特點:直方圖具有兩個峰，分別與兩個灰度級范圍相對應(yīng)。故可選擇一個閾值(門限)，將兩個峰分開。利用圖像中要提取的目標(biāo)物與其背景在灰度特性上的差異，把圖像視為具有不同灰度級的兩類區(qū)域(目標(biāo)和背景)的組合，選取一個合適的閾值，以確定圖像中每一個像素點應(yīng)該屬于目標(biāo)還是背景區(qū)域，從而產(chǎn)生相應(yīng)的二值圖像。要從復(fù)雜的景物中分辨出目標(biāo)，并將其形狀完整地提取出來，閾值的選取是閾值分割技術(shù)的關(guān)鍵。第39頁第11章基本圖像分割技術(shù)

以一定的準(zhǔn)則在原始圖像中找出一合適的灰度值作為閾值，則分割后的圖像如：一般表示為：11.4并行區(qū)域技術(shù)第40頁第11章基本圖像分割技術(shù)11.4并行區(qū)域技術(shù)(a)簡單直方圖分割法

60年代中期，Prewitt提出了直方圖雙峰法，即如果灰度級直方圖呈明顯的雙峰狀，則選取兩峰之間的谷底所對應(yīng)的灰度級作為閾值。

（1）直方圖閾值分割第41頁第11章基本圖像分割技術(shù)11.4并行區(qū)域技術(shù)例11.3：第47頁第11章基本圖像分割技術(shù)

應(yīng)用灰度直方圖雙峰法來分割圖像，需要有一定的圖像先驗知識，因為同一直方圖可以對應(yīng)若干種不同的圖像，直方圖表明圖像中各個灰度級上有多少個像素，并不描述這些像素的任何位置信息。只根據(jù)直方圖選擇閾值不—定合適．還要結(jié)合圖像內(nèi)容和分割結(jié)果來確定。 該方法不適用于直方圖中雙峰差別很大或雙峰間的谷比較寬廣而平坦的圖像，以及單蜂直方圖的情況。11.4并行區(qū)域技術(shù)第48頁第11章基本圖像分割技術(shù)最佳閾值:是指使圖像中目標(biāo)物和背景分割錯誤最小的閾值。設(shè)一幅圖像只由目標(biāo)物和背景組成，已知灰度分布概率密度分別為和，目標(biāo)物像素占全圖像像素比是。假定選用的灰度級閾值為，總的錯誤概率為求導(dǎo)，并令其等于零，得解(2)最佳閾值11.4并行區(qū)域技術(shù)第49頁第11章基本圖像分割技術(shù)11.4并行區(qū)域技術(shù)假設(shè)錯誤概率呈正態(tài)分布：最優(yōu)閾值第50頁第11章基本圖像分割技術(shù)11.4并行區(qū)域技術(shù)（3）迭代閾值分割 通過迭代的方法產(chǎn)生閾值。具體方法如下：

<1>用圖像的平均灰度值作為初始閾值T<2>通過初始閾值，把圖像的像素按灰度分成兩組R1和R2<3>計算兩組像素的平均灰度值，記為1和2<4>重新計算閾值T=（1+2）/2

<5>重復(fù)<2>，直到1和2不發(fā)生變化第51頁第11章基本圖像分割技術(shù)11.4并行區(qū)域技術(shù)實例第52頁第11章基本圖像分割技術(shù)第11章基本圖像分割技術(shù)11.1圖像分割定義和技術(shù)分類11.2并行邊界技術(shù)11.3串行邊界技術(shù)11.4并行區(qū)域技術(shù)11.5串行區(qū)域技術(shù)第53頁第11章基本圖像分割技術(shù)區(qū)域生長法和分裂合并法11.5.1區(qū)域生長法基本思想將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域步驟對每個需要分割的區(qū)域找一個種子像素作為生長的起點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)域內(nèi)把新加入的像素作為新的種子繼續(xù)上述過程，直到?jīng)]有滿足條件的像素加入?yún)^(qū)域11.5串行區(qū)域技術(shù)第54頁第11章基本圖像分割技術(shù)例11.5.1區(qū)域生長示例：判斷準(zhǔn)則——像素與種子像素灰度差的絕對值小于閾值T（a）給出像素值為‘1’和‘5’的種子（b）T=3，恰好分成兩個區(qū)域（c）T=7，整個圖被分成一個區(qū)域11.5.1區(qū)域生長第55頁第11章基本圖像分割技術(shù)應(yīng)用時需解決3個問題1.選擇或確定一組能正確代表所需區(qū)域的種子像素具體問題具體分析有先驗知識（如：軍用紅外圖像中檢測目標(biāo)時，選最亮的像素作為種子）無先驗知識（可根據(jù)直方圖選取灰度中像素個數(shù)多的像素作為種子）2.確定在生長過程中能將相鄰像素合并的準(zhǔn)則具體問題相關(guān)（目標(biāo)和背景的像素分布特點）圖像數(shù)據(jù)種類（單色、灰度還是彩色）像素間的連通性和鄰近性11.5.1區(qū)域生長第56頁第11章基本圖像分割技術(shù)應(yīng)用時需解決3個問題3.制定讓生長過程停止的條件或規(guī)則一般選取當(dāng)沒有滿足生長準(zhǔn)則的像素時停止應(yīng)考慮圖像的局部性質(zhì)（灰度、紋理和彩色）目標(biāo)的全局性質(zhì)（尺寸、形狀等）11.5.1區(qū)域生長第57頁第11章基本圖像分割技術(shù)11.5.2分裂合并法想法：從整幅圖像開始通過不斷分裂得到各個區(qū)域做法：將圖像分成任意大小且不重疊的區(qū)域，然后再合并或分裂這些區(qū)域以滿足分割的要求

可以從圖像的四叉樹數(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(zhǔn)則進(jìn)行分裂和合并這些區(qū)域，逐步改善區(qū)域劃分的性能，直到最后將圖像分成數(shù)量最少的均勻區(qū)域為止。11.5.2分裂合并第58頁第11章基本圖像分割技術(shù)11.5.2分裂合并區(qū)域分裂合并算法的步驟：（1）確定均勻性測試準(zhǔn)則P（同為前景或背景時，為true）；（2）對任一區(qū)域Ri，如果P(Ri)=fals