數(shù)字圖像分析

數(shù)字圖像分析第一頁(yè)，共八十七頁(yè)，2022年，8月28日第二節(jié)圖像分割3.2.1圖像分割引言3.2.2邊界分割法3.2.3邊緣連接分割法3.2.4閾值分割法3.2.5面向區(qū)域的分割3.2.6數(shù)學(xué)形態(tài)學(xué)圖像處理第二頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.1圖像分割引言引言圖像分析系統(tǒng)的基本構(gòu)成圖像分割的概念圖像分割的基本思路圖像分割的基本策略第三頁(yè)，共八十七頁(yè)，2022年，8月28日?qǐng)D像分析系統(tǒng)的構(gòu)成知識(shí)庫(kù)表示與描述預(yù)處理分割低級(jí)處理高級(jí)處理中級(jí)處理識(shí)別與解釋結(jié)果圖像獲取問(wèn)題第三章數(shù)字圖像分析第四頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.1圖像分割引言圖像分割的概念把圖像分解成構(gòu)成它的部件和對(duì)象的過(guò)程有選擇性地定位感興趣對(duì)象在圖像中的位置和范圍第五頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.1圖像分割引言圖像分割的基本思路從簡(jiǎn)到難，逐級(jí)分割控制背景環(huán)境，降低分割難度把焦點(diǎn)放在增強(qiáng)感興趣對(duì)象，縮小不相干圖像成分的干擾上第六頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.1圖像分割引言圖像分割的基本思路從簡(jiǎn)到難，逐級(jí)分割分割矩形區(qū)域定位牌照定位文字

第七頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.1圖像分割引言圖像分割的基本思路控制背景環(huán)境，降低分割難度背景環(huán)境:

路面、天空第八頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.1圖像分割引言圖像分割的基本思路把焦點(diǎn)放在增強(qiáng)感興趣對(duì)象，縮小不相干圖像成分的干擾上感興趣的對(duì)象： 汽車(chē)牌照不相干圖像成分： 非矩形區(qū)域第九頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.1圖像分割引言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(gè)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)圖像像素灰度值的不連續(xù)性先找到點(diǎn)、線（寬度為1）、邊（不定寬度）再確定區(qū)域第十頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.1圖像分割引言圖像分割的基本策略根據(jù)圖像像素灰度值的相似性通過(guò)選擇閾值，找到灰度值相似的區(qū)域區(qū)域的外輪廓就是對(duì)象的邊第十一頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.1圖像分割引言不連續(xù)性3.2.2邊界分割法3.2.3邊緣連接分割法相似性3.2.4閾值分割法3.2.5面向區(qū)域的分割3.2.6數(shù)學(xué)形態(tài)學(xué)圖像處理第十二頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法邊界分割法點(diǎn)的檢測(cè)線的檢測(cè)邊的檢測(cè)第十三頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法點(diǎn)的檢測(cè)用空域的高通濾波器來(lái)檢測(cè)孤立點(diǎn)例：

R=(-1*8*8+128*8)/9=(120*8)/9=960/9=106設(shè)：閾值：T=64R>T88881288888圖像-1-1-1-18-1-1-1-1模板第十四頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法點(diǎn)的檢測(cè)——算法描述設(shè)定閾值T，如T=32、64、128等,并計(jì)算高通濾波值R如果R值等于0，說(shuō)明當(dāng)前檢測(cè)點(diǎn)與的灰度值與周?chē)c(diǎn)的相同當(dāng)R的值足夠大時(shí)，說(shuō)明該點(diǎn)的值與周?chē)狞c(diǎn)非常不同，是孤立點(diǎn)。通過(guò)閾值T來(lái)判斷

|R|>

T檢測(cè)到一個(gè)孤立點(diǎn)第十五頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法線的檢測(cè)通過(guò)比較典型模板的計(jì)算值，確定一個(gè)點(diǎn)是否在某個(gè)方向的線上-1-1-1222-1-1-1水平模板-1-12-12-12-1-145度模板-12-1-12-1-12-1垂直模板2-1-1-12-1-1-12135度模板第十六頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法線的檢測(cè)用4種模板分別計(jì)算

R水平

=-6+30=24 R45度

=-14+14=0 R垂直

=-14+14=0

R135度

=-14+14=0111555111111555111111555111例：圖像第十七頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法線的檢測(cè)——算法描述依次計(jì)算4個(gè)方向的典型檢測(cè)模板，得到Rii=1,2,3,4如|Ri|>|Rj|對(duì)于所有的j=i，那么這個(gè)點(diǎn)被稱為在方向上更接近模板i所代表的線設(shè)計(jì)任意方向的檢測(cè)模板可能大于3x3模板系數(shù)和為0趕興趣的方向的系數(shù)大。第十八頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法邊的檢測(cè)邊界的定義： 是兩個(gè)具有相對(duì)不同灰度值特性的區(qū)域的邊界線適用于： 假定問(wèn)題中的區(qū)域是非常類(lèi)似的，兩個(gè)區(qū)域之間的過(guò)渡，僅僅根據(jù)灰度的不連續(xù)性便可確定不適用于： 當(dāng)假定不成立時(shí)，閾值分割技術(shù)一般來(lái)說(shuō)比邊緣檢測(cè)更加實(shí)用第十九頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法邊的檢測(cè)分割對(duì)象區(qū)域分割對(duì)象區(qū)域第二十頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法邊的檢測(cè)基本思想：計(jì)算局部微分算子截面圖邊界圖像第二十一頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法邊的檢測(cè)一階微分：用梯度算子來(lái)計(jì)算特點(diǎn)：對(duì)于亮的邊，邊的變化起點(diǎn)是正的，結(jié)束是負(fù)的。對(duì)于暗邊，結(jié)論相反。常數(shù)部分為零。用途：用于檢測(cè)圖像中邊的存在第二十二頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法邊的檢測(cè)二階微分：通過(guò)拉普拉斯來(lái)計(jì)算特點(diǎn)：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。第二十三頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法邊的檢測(cè)二階微分：通過(guò)拉普拉斯來(lái)計(jì)算用途：1）二次導(dǎo)數(shù)的符號(hào)，用于確定邊上的像素是在亮的一邊，還是暗的一邊。2）0跨越，確定邊的準(zhǔn)確位置第二十四頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法邊的檢測(cè)梯度算子函數(shù)f(x,y)在(x,y)處的梯度為一個(gè)向量： f=[f/x,f/y]計(jì)算這個(gè)向量的大小為：f=mag(f)=[(f/x)2+(f/y)2]1/2近似為:

f|x|+|y|z2z8z5z3z9z6z1z7z4第二十五頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法邊的檢測(cè)梯度算子梯度的方向角為： (x,y)=tan(y/x)Sobel算子為：

x=(z7+2z8+z9)

-(z1+2z2+z3)y=(z3+2z6+z9)

-(z1+2z4+z7)梯度值：f|x|+|y|-220-110-110000-1-1-2112xy第二十六頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法邊的檢測(cè)Sobel梯度算子的使用與分析

1.直接計(jì)算y、x可以檢測(cè)到邊的存在， 以及從暗到亮，從亮到暗的變化

2.僅計(jì)算|x|，產(chǎn)生最強(qiáng)的響應(yīng)是正交 于x軸的邊；|y|則是正交于y軸的邊。

3.Soleb算子具有平滑效果，由于微分增強(qiáng)了 噪音，這一點(diǎn)是特別引人注意的特性第二十七頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法邊的檢測(cè)Sobel梯度算子的使用與分析

2.僅計(jì)算|x|，產(chǎn)生最強(qiáng)的響應(yīng)是正交于x軸的邊；|y|則是正交于y軸的邊。第二十八頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法邊的檢測(cè)Sobel梯度算子的使用與分析

3.Soleb算子具有平滑效果，由于微分增強(qiáng)了 噪音，這一點(diǎn)是特別引人注意的特性第二十九頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法邊的檢測(cè)拉普拉斯二維函數(shù)f(x,y)的拉普拉斯是一個(gè)二階的微分定義為：

2f=[2f/x2,2f/y2]

可以用多種方式被表示為數(shù)字形式。對(duì)于一個(gè)3x3的區(qū)域，經(jīng)驗(yàn)上被推薦最多的形式是：

2f

=4z5

–(z2+z4+z6+z8)z2z8z5z3z9z6z1z7z4第三十頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法邊的檢測(cè)拉普拉斯定義數(shù)字形式的拉普拉斯的基本要求是：作用于中心像素的系數(shù)是一個(gè)正數(shù)而且其周?chē)袼氐南禂?shù)為負(fù)數(shù)系數(shù)之和必為0-1-1400-100-1第三十一頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.2圖像分割:邊界分割法邊的檢測(cè)拉普拉斯算子的分析：缺點(diǎn)：對(duì)噪音的敏感；會(huì)產(chǎn)生雙邊效果； 不能檢測(cè)出邊的方向應(yīng)用：拉普拉斯算子不直接用于邊的檢測(cè)， 通常只起輔助的角色；檢測(cè)一個(gè)像素是在邊的亮的一邊還是暗的一邊利用零跨越，確定邊的位置第三十二頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.3圖像分割:邊緣連接法邊緣連接法局部處理法Hough變換第三十三頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.3圖像分割:邊緣連接法邊緣連接法邊緣連接的意義——邊檢測(cè)算法的后處理由于噪音的原因，邊界的特征很少能夠被完整地描述，在亮度不一致的地方會(huì)中斷因此典型的邊檢測(cè)算法后面總要跟隨著連接過(guò)程和其它邊界檢測(cè)過(guò)程，用來(lái)歸整邊像素，成為有意義的邊第三十四頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.3圖像分割:邊緣連接法局部連接處理連接處理的時(shí)機(jī)和目的連接處理的原理局部連接算法描述第三十五頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.3圖像分割:邊緣連接法局部連接處理連接處理的時(shí)機(jī)和目的：

時(shí)機(jī)：對(duì)做過(guò)邊界檢測(cè)的圖像進(jìn)行目的：連接間斷的邊第三十六頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.3圖像分割:邊緣連接法局部連接處理連接處理的原理：對(duì)做過(guò)邊檢測(cè)的圖象的每個(gè)點(diǎn)(x,y)的特性進(jìn)行分析分析在一個(gè)小的鄰域（3x3或5x5）中進(jìn)行所有相似的點(diǎn)被連接，形成一個(gè)享有共同特性象素的邊界用比較梯度算子的響應(yīng)強(qiáng)度和梯度方向確定兩個(gè)點(diǎn)是否同屬一條邊點(diǎn)(x’,y’)點(diǎn)(x,y)第三十七頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.3圖像分割:邊緣連接法局部連接處理連接處理的原理：通過(guò)比較梯度，確定兩個(gè)點(diǎn)的連接性：

對(duì)于點(diǎn)(x’,y’)，判斷其是否與鄰域內(nèi)的點(diǎn)(x,y)相似，當(dāng)：

|f

(x,y)–

f

(x’,y’)|T

其中T是一個(gè)非負(fù)的閾值第三十八頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.3圖像分割:邊緣連接法局部連接處理連接處理的原理：比較梯度向量的方向角

對(duì)于點(diǎn)(x’,y’)，判斷其是否與鄰域內(nèi)的點(diǎn)(x,y)的方向角相似，當(dāng)：

|

(x,y)–

(x’,y’)|<A

其中A是一個(gè)角度閾值第三十九頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.3圖像分割:邊緣連接法局部連接處理連接處理的原理：當(dāng)梯度值和方向角都是相似的，則點(diǎn)(x’,y’)，與邊點(diǎn)界(x,y)是連接的點(diǎn)(x’,y’)點(diǎn)(x,y)第四十頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.3圖像分割:邊緣連接法局部連接處理局部連接算法描述：1）設(shè)定A、T的閾值大小，確定鄰域的大小2）對(duì)圖像上每一個(gè)像素的鄰域點(diǎn)進(jìn)行分析， 判斷是否需要連接。3）記錄像素連接的情況，另開(kāi)一個(gè)空間， 給不同的邊以不同的標(biāo)記。4）最后，刪除孤立線段，連接斷開(kāi)的線段。第四十一頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.3圖像分割:邊緣連接法Hough變換問(wèn)題的提出Hough變換的基本思想算法實(shí)現(xiàn)Hough變換的擴(kuò)展第四十二頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.3圖像分割:邊緣連接法Hough變換問(wèn)題的提出在找出邊界點(diǎn)集之后，需要連接，形成完整的邊界圖形描述第四十三頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.3圖像分割:邊緣連接法Hough變換的基本思想對(duì)于邊界上的n個(gè)點(diǎn)的點(diǎn)集，找出共線的點(diǎn)集和直線方程。對(duì)于任意兩點(diǎn)的直線方程：y=ax+b，構(gòu)造一個(gè)參數(shù)a，b的平面，從而有如下結(jié)論：ab第四十四頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.3圖像分割:邊緣連接法Hough變換的基本思想xy平面上的任意一條直線y=ax+b

，對(duì)應(yīng)在參數(shù)ab平面上都有一個(gè)點(diǎn)過(guò)xy平面一個(gè)點(diǎn)(x,y)的所有直線，構(gòu)成參數(shù)ab平面上的一條直線。abab第四十五頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.3圖像分割:邊緣連接法Hough變換的基本思想如果點(diǎn)(x1,y1)與點(diǎn)(x2,y2)共線，那么這兩點(diǎn)在參數(shù)ab平面上的直線將有一個(gè)交點(diǎn)在參數(shù)ab平面上相交直線最多的點(diǎn)，對(duì)應(yīng)的xy平面上的直線就是我們的解abyx(x1,y1)(x2,y2)a’b’第四十六頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.3圖像分割:邊緣連接法Hough變換的基本思想abA第四十七頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.3圖像分割:邊緣連接法Hough變換算法實(shí)現(xiàn)由于垂直直線a,為無(wú)窮大，我們改用極坐標(biāo)形式：

xcos

+ysin=參數(shù)平面為,

，對(duì)應(yīng)不是直線而是正弦曲線使用交點(diǎn)累加器，或交點(diǎn)統(tǒng)計(jì)直方圖，找出相交線段最多的參數(shù)空間的點(diǎn)然后找出該點(diǎn)對(duì)應(yīng)的xy平面的直線線段第四十八頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.3圖像分割:邊緣連接法Hough變換的擴(kuò)展Hough變換不只對(duì)直線，也可以用于圓：（x–c1）2+(y-c2)2=c32

這時(shí)需要三個(gè)參數(shù)的參數(shù)空間。第四十九頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.4圖像分割:閾值分割法閾值分割法通過(guò)交互方式得到閾值通過(guò)直方圖得到閾值通過(guò)邊界特性選擇閾值簡(jiǎn)單全局閾值分割分割連通區(qū)域基于多個(gè)變量的閾值第五十頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.4圖像分割:閾值分割法閾值分割法閾值分割法的基本思想：確定一個(gè)合適的閾值T（閾值選定的好壞是此方法成敗的關(guān)鍵）。將大于等于閾值的像素作為物體或背景，生成一個(gè)二值圖像。Iff(x,y)Tset255Elseset0在四鄰域中有背景的像素，既是邊界像素。025525502550255255255第五十一頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.4圖像分割:閾值分割法閾值分割法閾值分割法的特點(diǎn)：適用于物體與背景有較強(qiáng)對(duì)比的情況，重要的是背景或物體的灰度比較單一。（可通過(guò)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?；叶戎礷(x0,y0)T第五十二頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.4圖像分割:閾值分割法通過(guò)交互方式得到閾值基本思想：在通過(guò)交互方式下，得到對(duì)象（或背景）的灰度值，比得到閾值T容易得多。假設(shè)：對(duì)象的灰度值(也稱樣點(diǎn)值)為f(x0,y0),且：

T=f(x0,y0)–R有：

f(x,y)T f(x,y)f(x0,y0)–R |f(x,y)–f(x0,y0)|R其中R是容忍度，可通過(guò)試探獲得。第五十三頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.4圖像分割:閾值分割法通過(guò)交互方式得到閾值實(shí)施方法：（1）通過(guò)光標(biāo)獲得樣點(diǎn)值f(x0,y0)（2）選取容忍度R（3）if|f(x,y)–f(x0,y0)|Rset255 elseset0第五十四頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.4圖像分割:閾值分割法通過(guò)直方圖得到閾值基本思想邊界上的點(diǎn)的灰度值出現(xiàn)次數(shù)較少T第五十五頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.4圖像分割:閾值分割法通過(guò)直方圖得到閾值取值的方法：取直方圖谷底(最小值)的灰度值為閾值T缺點(diǎn)：會(huì)受到噪音的干擾，最小值不是預(yù) 期的閾值，而偏離期望的值；改進(jìn)：

1）取兩個(gè)峰值之間某個(gè)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，一般情況下，比選谷底更可靠，可排除噪音的干擾第五十六頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.4圖像分割:閾值分割法通過(guò)直方圖得到閾值T第五十七頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.4圖像分割:閾值分割法通過(guò)直方圖得到閾值

2）對(duì)噪音的處理 對(duì)直方圖進(jìn)行平滑處理，如最小二乘法，等不過(guò)點(diǎn)插值。第五十八頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.4圖像分割:閾值分割法通過(guò)邊界特性選擇閾值基本思想：如果直方圖的各個(gè)波峰很高、很窄、對(duì)稱，且被很深的波谷分開(kāi)時(shí)，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。第五十九頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.4圖像分割:閾值分割法通過(guò)邊界特性選擇閾值基本思想：這種方法有以下優(yōu)點(diǎn)：1)在前景和背景所占區(qū)域面積差別很大時(shí)，不會(huì)造一個(gè)灰度級(jí)的波峰過(guò)高，而另一個(gè)過(guò)低2)邊緣上的點(diǎn)在區(qū)域內(nèi)還是區(qū)域外的概率是相等的，因此可以增加波峰的對(duì)稱性3)基于梯度和拉普拉斯算子選擇的像素，可以增加波峰的高度第六十頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.4圖像分割:閾值分割法通過(guò)邊界特性選擇閾值算法的實(shí)現(xiàn)：1）對(duì)圖像進(jìn)行梯度計(jì)算，得到梯度圖像。2）得到梯度值最大的那一部分（比如10%）的像素直方圖3）通過(guò)直方圖的谷底，得到閾值T如果用拉普拉斯算子，不通過(guò)直方圖，直接得到閾值，方法是使用拉普拉斯算子過(guò)濾圖像，將0跨越點(diǎn)對(duì)應(yīng)的灰度值為閾值T第六十一頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.4圖像分割:閾值分割法簡(jiǎn)單全局閾值分割基本思想：用前述方法獲得閾值T，并產(chǎn)生一個(gè)二值圖，區(qū)分出前景對(duì)象和背景算法實(shí)現(xiàn)：規(guī)定一個(gè)閾值T，逐行掃描圖像。凡灰度級(jí)大于T的，顏色置為255；凡灰度級(jí)小于T的，顏色置為0 適用場(chǎng)合：明度圖像是可以控制的情況，例如用于工業(yè)監(jiān)測(cè)系統(tǒng)中第六十二頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.4圖像分割:閾值分割法分割連通區(qū)域基本思想：用前述方法獲得閾值T，并產(chǎn)生一個(gè)二值圖，區(qū)分出單獨(dú)的連通前景對(duì)象和背景區(qū)域算法實(shí)現(xiàn)：規(guī)定一個(gè)閾值T，上下左右4個(gè)方向進(jìn)行逐行掃描圖像凡灰度級(jí)大于T的，顏色置為255；凡灰度級(jí)小于T的，顏色置為0第六十三頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.4圖像分割:閾值分割法分割連通區(qū)域適用場(chǎng)合：印前等。先左后右，先上半部分、后下半部分第六十四頁(yè)，共八十七頁(yè)，2022年，8月28日3.2.4圖像分割:閾值分割法基于多個(gè)變量的閾值基本思想：把前面的方法擴(kuò)展到多維空間，則尋找波谷的過(guò)程，變?yōu)閷ふ尹c(diǎn)簇的過(guò)程。算法實(shí)現(xiàn)：各維分量波谷之間進(jìn)行邏輯與運(yùn)算，從波谷重合的點(diǎn)，得到實(shí)際的閾值T。應(yīng)用場(chǎng)合：有多個(gè)分量的顏色模型，如RGB模型、CMYK模型、HSI模型第六十五頁(yè)，共八十七頁(yè)，2022年，8月28日

圖像分割:面向區(qū)域的分割面向區(qū)域的分割基本概念像素集合的區(qū)域增長(zhǎng)區(qū)域分裂與合并第六十六頁(yè)，共八十七頁(yè)，2022年，8月28日

圖像分割:面向區(qū)域的分割基本概念目標(biāo)：將區(qū)域R劃分為若干個(gè)子區(qū)域R1,R2,…,Rn，這些子區(qū)域滿足5個(gè)條件：1)完備性：2)連通性：每個(gè)Ri都是一個(gè)連通區(qū)域3)獨(dú)立性：對(duì)于任意i≠j，Ri∩Rj=Ф第六十七頁(yè)，共八十七頁(yè)，2022年，8月28日

圖像分割:面向區(qū)域的分割基本概念4)單一性：每個(gè)區(qū)域內(nèi)的灰度級(jí)相等，

P（Ri）=TRUE，i=1,2,…,n5)互斥性：任兩個(gè)區(qū)域的灰度級(jí)不等，

P（Ri∪Rj）=FALSE，i≠j第六十八頁(yè)，共八十七頁(yè)，2022年，8月28日

圖像分割:面向區(qū)域的分割像素集合的區(qū)域增長(zhǎng)算法實(shí)現(xiàn)：1）根據(jù)圖像的不同應(yīng)用選擇一個(gè)或一組種子，它或者是最亮或最暗的點(diǎn)，或者是位于點(diǎn)簇中心的點(diǎn)2）選擇一個(gè)描述符（條件）3）從該種子開(kāi)始向外擴(kuò)張，首先把種子像素加入結(jié)果集合，然后不斷將與集合中各個(gè)像素連通、且滿足描述符的像素加入集合4）上一過(guò)程進(jìn)行到不再有滿足條件的新結(jié)點(diǎn)加入集合為止第六十九頁(yè)，共八十七頁(yè)，2022年，8月28日

圖像分割:面向區(qū)域的分割通過(guò)像素集合的區(qū)域增長(zhǎng)算法實(shí)現(xiàn)：區(qū)域A區(qū)域B

種子像素

種子像素第七十頁(yè)，共八十七頁(yè)，2022年，8月28日

圖像分割:面向區(qū)域的分割區(qū)域分裂與合并算法實(shí)現(xiàn)：1）對(duì)圖像中灰度級(jí)不同的區(qū)域，均分為四個(gè)子區(qū)域第七十一頁(yè)，共八十七頁(yè)，2022年，8月28日

圖像分割:面向區(qū)域的分割區(qū)域分裂與合并算法實(shí)現(xiàn)：2）如果相鄰的子區(qū)域所有像素的灰度級(jí)相同，則將其合并3）反復(fù)進(jìn)行上兩步操作，直至不再有新的分裂與合并為止第七十二頁(yè)，共八十七頁(yè)，2022年，8月28日

圖像分割:面向區(qū)域的分割區(qū)域分裂與合并算法實(shí)現(xiàn)：第七十三頁(yè)，共八十七頁(yè)，2022年，8月28日

圖像分割:面向區(qū)域的分割區(qū)域分裂與合并算法實(shí)現(xiàn)：實(shí)際應(yīng)用中還可作以下修改：P(Ri)的定義為：1）區(qū)域內(nèi)多于80%的像素滿足不等式

|zj-mi|<=2σi， 其中：zj是區(qū)域Ri中第j個(gè)點(diǎn)的灰度級(jí)，

mi是該區(qū)域的平均灰度級(jí)，

σi是區(qū)域的灰度級(jí)的標(biāo)準(zhǔn)方差。2）當(dāng)P(Ri)=TRUE時(shí)，將區(qū)域內(nèi)所有像素的灰度級(jí)置為mi。第七十四頁(yè)，共八十七頁(yè)，2022年，8月28日

圖像分割:數(shù)學(xué)形態(tài)學(xué)圖像處理數(shù)學(xué)形態(tài)學(xué)圖像處理基本概念腐蝕與膨脹開(kāi)-閉運(yùn)算變體第七十五頁(yè)，共八十七頁(yè)，2022年，8月28日

圖像分割:數(shù)學(xué)形態(tài)學(xué)圖像處理基本概念數(shù)學(xué)形態(tài)學(xué)圖像處理

結(jié)構(gòu)元素與二值圖像進(jìn)行邏輯運(yùn)算，產(chǎn)生新的圖像的圖像處理方法集合概念上的二值圖像B

二值圖像B是定義在笛卡兒網(wǎng)格上的集合，網(wǎng)格中值為1的點(diǎn)是集合的元素結(jié)構(gòu)元素S——是集合概念上的二值圖像為簡(jiǎn)單起見(jiàn)，結(jié)構(gòu)元素為3x3，且全都為1當(dāng)結(jié)構(gòu)元素的原點(diǎn)移到點(diǎn)(x,y)時(shí)，記為Sxy第七十六頁(yè)，共八十七頁(yè)，2022年，8月28日基本概念 結(jié)構(gòu)元素S

圖像分割:數(shù)學(xué)形態(tài)學(xué)圖像處理111111111111111111101101111011011101結(jié)構(gòu)元素Sxy圖像B第七十七頁(yè)，共八十七頁(yè)，2022年，8月28日腐蝕與膨脹

圖像分割:數(shù)學(xué)形態(tài)學(xué)圖像處理腐蝕后膨脹后原圖第七十八頁(yè)，共八十七頁(yè)，2022年，8月28日腐蝕與膨脹1)腐蝕定義：E=BS={x,y|SxyB}結(jié)果：使二值圖像減小一圈算法：用3x3的結(jié)構(gòu)元素，掃描圖像的每一個(gè)像素用結(jié)構(gòu)元素與其覆蓋的二值圖像做“與”操作如果都為1，結(jié)果圖像該像素為1。否則為0

圖像分割:數(shù)學(xué)形態(tài)學(xué)圖像處理第七十