數(shù)字圖像處理第八章

數(shù)字圖像處理第八章1第1頁(yè)，共54頁(yè)，2023年，2月20日，星期五第八章圖像分割2第2頁(yè)，共54頁(yè)，2023年，2月20日，星期五8.1概述3第3頁(yè)，共54頁(yè)，2023年，2月20日，星期五

分割出來(lái)的各區(qū)域?qū)δ撤N性質(zhì)例如灰度，紋理而言具有相似性，區(qū)域內(nèi)部是連通的的且沒(méi)有過(guò)多小孔。

區(qū)域邊界是明確的

相鄰區(qū)域?qū)Ψ指钏罁?jù)的性質(zhì)有明顯的差異圖像分割特征4第4頁(yè)，共54頁(yè)，2023年，2月20日，星期五圖像分割圖像圖像識(shí)別圖像預(yù)處理圖像理解圖8.1圖像分割在整個(gè)圖像處理過(guò)程中的作用

圖像分割作用5第5頁(yè)，共54頁(yè)，2023年，2月20日，星期五邊緣檢測(cè)邊緣跟蹤閾值分割區(qū)域分割運(yùn)動(dòng)分割圖像分割本章要點(diǎn)6第6頁(yè)，共54頁(yè)，2023年，2月20日，星期五8.2邊緣檢測(cè)

7第7頁(yè)，共54頁(yè)，2023年，2月20日，星期五梯度算子梯度算子是一階導(dǎo)數(shù)算子幅值方向角

8第8頁(yè)，共54頁(yè)，2023年，2月20日，星期五梯度算子數(shù)字圖像處理中用差分代替微分近似計(jì)算9第9頁(yè)，共54頁(yè)，2023年，2月20日，星期五梯度算子Roberts算子Z1Z2Z3Z4Z5Z6Z7Z8Z9-10010-11010第10頁(yè)，共54頁(yè)，2023年，2月20日，星期五梯度算子Sobel算子Z1Z2Z3Z4Z5Z6Z7Z8Z9-1-2-1000121-101-202-10111第11頁(yè)，共54頁(yè)，2023年，2月20日，星期五梯度算子Prewitt算子Z1Z2Z3Z4Z5Z6Z7Z8Z9-1-1-1000111-101-101-10112第12頁(yè)，共54頁(yè)，2023年，2月20日，星期五梯度算子原圖Prewitt算子Sobel算子Roberts算子13第13頁(yè)，共54頁(yè)，2023年，2月20日，星期五拉普拉斯算子差分微分二階導(dǎo)數(shù)算子14第14頁(yè)，共54頁(yè)，2023年，2月20日，星期五拉普拉斯算子

圖8.5兩種常用的拉普拉斯算子模板0101-410101111-8111115第15頁(yè)，共54頁(yè)，2023年，2月20日，星期五拉普拉斯算子

16第16頁(yè)，共54頁(yè)，2023年，2月20日，星期五Canny算子

好的檢測(cè)結(jié)果：對(duì)邊緣的錯(cuò)誤檢測(cè)率要盡可能低，在檢測(cè)出圖像真實(shí)的邊緣的同時(shí)要避免檢測(cè)出現(xiàn)虛假的邊緣。好的邊緣定位精度：標(biāo)記出的邊緣位置要和圖像上真正邊緣的位置盡量接近。對(duì)同一邊緣要有低的響應(yīng)次數(shù)：有的算子會(huì)對(duì)一個(gè)邊緣回產(chǎn)生多個(gè)響應(yīng)。也就是說(shuō)圖像上本來(lái)只有一個(gè)邊緣點(diǎn)的，可是檢測(cè)出來(lái)就會(huì)出現(xiàn)多個(gè)邊緣點(diǎn)?？朔肼暤挠绊懟舅枷?7第17頁(yè)，共54頁(yè)，2023年，2月20日，星期五Canny算子

算法步驟用高斯濾波器平滑圖像計(jì)算濾波后圖像梯度的幅值和方向?qū)μ荻确祽?yīng)用非極大值抑制，其過(guò)程為找處圖像梯度中的局部極大值點(diǎn)，把其它非局部極大值點(diǎn)置零以得到得到細(xì)化的邊緣用雙閾值算法檢測(cè)和連接邊緣，使用兩個(gè)閾值T1和T2(T1>T2)，T1用來(lái)找到每條線段，T2用來(lái)在這些線段的兩個(gè)方向上延伸尋找邊緣的斷裂處，并連接這些邊緣。18第18頁(yè)，共54頁(yè)，2023年，2月20日，星期五Canny算子

實(shí)例

19第19頁(yè)，共54頁(yè)，2023年，2月20日，星期五算子比較

Roberts算子：Roberts算子利用局部差分算子尋找邊緣，邊緣定位精度較高，但容易丟失一部分邊緣，同時(shí)由于圖像沒(méi)經(jīng)過(guò)平滑處理，因此不具備能抑制噪聲能力。該算子對(duì)具有陡峭邊緣且含噪聲少的圖像效果較好。

Sobel算子和Prewitt算子：都是對(duì)圖像先做加權(quán)平滑處理，然后再做微分運(yùn)算，所不同的是平滑部分的權(quán)值有些差異，因此對(duì)噪聲具有一定的抑制能力，但不能完全排除檢測(cè)結(jié)果中出現(xiàn)的虛假邊緣。雖然這兩個(gè)算子邊緣定位效果不錯(cuò)，但檢測(cè)出的邊緣容易出現(xiàn)多像素寬度。20第20頁(yè)，共54頁(yè)，2023年，2月20日，星期五算子比較

Laplacian算子：是不依賴(lài)于邊緣方向的二階微分算子算子，對(duì)圖像中的階躍型邊緣點(diǎn)定位準(zhǔn)確，該算子對(duì)噪聲非常敏感，它使噪聲成分得到加強(qiáng)，這兩個(gè)特性使得該算子容易丟失一部分邊緣的方向信息，造成一些不連續(xù)的檢測(cè)邊緣，同時(shí)抗噪聲能力比較差。21第21頁(yè)，共54頁(yè)，2023年，2月20日，星期五算子比較

LOG算子：該算子首先用高斯函數(shù)對(duì)圖像作平滑濾波處理，然后才使用Laplacian算子檢測(cè)邊緣，因此克服了Laplacian算子抗噪聲能力比較差的缺點(diǎn)，但是在抑制噪聲的同時(shí)也可能將原有的比較尖銳的邊緣也平滑掉了，造成這些尖銳邊緣無(wú)法檢被測(cè)到。應(yīng)用LOG算子，高斯函數(shù)中方差參數(shù)的選擇很關(guān)鍵，對(duì)圖像邊緣檢測(cè)效果有很大的影響。高斯濾波器為低通濾波器，越大，通頻帶越窄，對(duì)較高頻率的噪聲的抑制作用越大，避免了虛假邊緣的檢出，同時(shí)信號(hào)的邊緣也被平滑了，造成某些邊緣點(diǎn)的丟失。反之，越小，通頻帶越寬，可以檢測(cè)到的圖像更高頻率的細(xì)節(jié)，但對(duì)噪聲的抑制能力相對(duì)下降，容易出現(xiàn)虛假邊緣。因此，應(yīng)用LOG算子，為取得更佳的效果，對(duì)于不同圖像應(yīng)選擇不同參數(shù)。22第22頁(yè)，共54頁(yè)，2023年，2月20日，星期五算子比較

Canny算子：Canny算子雖然是基于最優(yōu)化思想推導(dǎo)出的邊緣檢測(cè)算子，實(shí)際效果并不一定最優(yōu)，原因在于理論和實(shí)際有許多不一致的地方。該算子同樣采用高斯函數(shù)對(duì)圖像作平滑處理，因此具有較強(qiáng)的抑制噪聲能力，同樣該算子也會(huì)將一些高頻邊緣平滑掉，造成邊緣丟失。Canny算子其后所采用用雙閾值算法檢測(cè)和連接邊緣，采用的多尺度檢測(cè)和方向性搜索較LOG算子要好。23第23頁(yè)，共54頁(yè)，2023年，2月20日，星期五8.3邊緣跟蹤

24第24頁(yè)，共54頁(yè)，2023年，2月20日，星期五基本步驟從圖像中一個(gè)邊緣點(diǎn)出發(fā)，然后根據(jù)某種判別準(zhǔn)則搜索下一個(gè)邊緣點(diǎn)以此跟蹤出目標(biāo)邊界。

確定邊界的起始搜索點(diǎn)，起始點(diǎn)的選擇很關(guān)鍵，對(duì)某些圖像，選擇不同的起始點(diǎn)會(huì)導(dǎo)致不同的結(jié)果。確定合適邊界判別準(zhǔn)則和搜索準(zhǔn)則，判別準(zhǔn)則用于判斷一個(gè)點(diǎn)是不是邊界點(diǎn)，搜索準(zhǔn)則則指導(dǎo)如何搜索下一個(gè)邊緣點(diǎn)。確定搜索的終止條件。25第25頁(yè)，共54頁(yè)，2023年，2月20日，星期五二值圖像邊界跟蹤

26第26頁(yè)，共54頁(yè)，2023年，2月20日，星期五灰度圖像邊界跟蹤

27第27頁(yè)，共54頁(yè)，2023年，2月20日，星期五Hough變換

Hough變換可以用于將邊緣像素連接起來(lái)得到邊界曲線優(yōu)點(diǎn)在于受噪聲和曲線間斷的影響較小在已知曲線形狀的條件下，Hough變換實(shí)際上是利用分散的邊緣點(diǎn)進(jìn)行曲線逼近，它也可看成是一種聚類(lèi)分析技術(shù)

28第28頁(yè)，共54頁(yè)，2023年，2月20日，星期五Hough變換

原始圖像二值化圖像細(xì)化圖像Hough變換檢測(cè)出的直線直線檢測(cè)29第29頁(yè)，共54頁(yè)，2023年，2月20日，星期五8.4閾值分割30第30頁(yè)，共54頁(yè)，2023年，2月20日，星期五基本原理原始圖像——f(x,y)灰度閾值——T閾值運(yùn)算得二值圖像——g(x,y)閾值選擇直接影響分割效果，通?？梢酝ㄟ^(guò)對(duì)灰度直方圖的分析來(lái)確定它的值。31第31頁(yè)，共54頁(yè)，2023年，2月20日，星期五閾值選擇利用灰度直方圖求雙峰或多峰選擇兩峰之間的谷底作為閾值

32第32頁(yè)，共54頁(yè)，2023年，2月20日，星期五人工閾值人工選擇法是通過(guò)人眼的觀察，應(yīng)用人對(duì)圖像的知識(shí)，在分析圖像直方圖的基礎(chǔ)上，人工選出合適的閾值。也可以在人工選出閾值后，根據(jù)分割效果，不斷的交互操作，從而選擇出最佳的閾值。

33第33頁(yè)，共54頁(yè)，2023年，2月20日，星期五

T=155的二值化圖像T=210的二值化圖像原始圖像圖像直方圖人工閾值34第34頁(yè)，共54頁(yè)，2023年，2月20日，星期五自動(dòng)閾值迭代法

基本思想：開(kāi)始時(shí)選擇一個(gè)閾值作為初始估計(jì)值，然后按某種策略不斷地改進(jìn)這一估計(jì)值，直到滿(mǎn)足給定的準(zhǔn)則為止。在迭代過(guò)程中，關(guān)鍵之處在于選擇什么樣的閾值改進(jìn)策略，好的閾值的改進(jìn)策略應(yīng)該具備兩個(gè)特征，一是能夠快速收斂，二是在每一個(gè)迭代過(guò)程中，新產(chǎn)生閾值優(yōu)于上一次的閾值。

35第35頁(yè)，共54頁(yè)，2023年，2月20日，星期五自動(dòng)閾值迭代法

(1)

選擇圖像灰度的中值作為初始閾值Ti=T0。(2)

利用閾值Ti把圖像分割成兩部分區(qū)域，R1和R2，并計(jì)算其灰度均值(3)計(jì)算新的閾值Ti+1(4)重復(fù)步驟2、3，直到Ti+1和Ti的值差別小于某個(gè)給定值36第36頁(yè)，共54頁(yè)，2023年，2月20日，星期五自動(dòng)閾值迭代法

原始圖像迭代閾值二值化圖象圖8.20迭代式閾值二值化圖像37第37頁(yè)，共54頁(yè)，2023年，2月20日，星期五自動(dòng)閾值Ostu法

Ostu方法是使類(lèi)間方差最大而推導(dǎo)出的一種能自動(dòng)確定閾值的方法具有簡(jiǎn)單，處理速度快的特點(diǎn)Matlab工具箱提供的graythresh函數(shù)求取閾值采用的正是Ostu法38第38頁(yè)，共54頁(yè)，2023年，2月20日，星期五自動(dòng)閾值Ostu法

原始圖像Otsu法二值化圖象圖8.21Otsu法二值化圖像39第39頁(yè)，共54頁(yè)，2023年，2月20日，星期五自動(dòng)閾值分水嶺算法

分水嶺算法(watershed)是一種借鑒了形態(tài)學(xué)理論的分割方法，它將一幅圖象看成為一個(gè)拓?fù)涞匦螆D，其中灰度值被認(rèn)為是地形高度值。高灰度值對(duì)應(yīng)著山峰，低灰度值處對(duì)應(yīng)著山谷。將水從任一處流下，它會(huì)朝地勢(shì)底的地方流動(dòng)，直到某一局部低洼處才停下來(lái)，這個(gè)低洼處被稱(chēng)為吸水盆地，最終所有的水會(huì)分聚在不同的吸水盆地,吸水盆地之間的山脊被稱(chēng)為分水嶺，水從分水嶺流下時(shí)，它朝不同的吸水盆地流去的可能性是相等的。將這種想法應(yīng)用于圖像分割，就是要在灰度圖像中找出不同的吸水盆地和分水嶺，由這些不同的吸引盆地和分水嶺組成的區(qū)域即為我們要分割的目標(biāo)。40第40頁(yè)，共54頁(yè)，2023年，2月20日，星期五自動(dòng)閾值分水嶺算法

(a)原始圖像

(b)圖像對(duì)應(yīng)的拓?fù)涞匦螆D圖8.23圖像對(duì)應(yīng)的拓?fù)浔砻鎴D

41第41頁(yè)，共54頁(yè)，2023年，2月20日，星期五自動(dòng)閾值分水嶺算法

分水嶺閾值選擇算法可以看成是一種自適應(yīng)的多閾值分割算法圖8.24分水嶺形成示意圖分水嶺對(duì)應(yīng)于原始圖像中的邊緣42第42頁(yè)，共54頁(yè)，2023年，2月20日，星期五自動(dòng)閾值分水嶺算法

L=watershed(f)MATLAB函數(shù)圖8.25不準(zhǔn)確標(biāo)記分水嶺算法導(dǎo)致過(guò)分割

原始圖像分水嶺分割結(jié)果局部極小值43第43頁(yè)，共54頁(yè)，2023年，2月20日，星期五自動(dòng)閾值改進(jìn)的分水嶺算法

圖8.26準(zhǔn)確標(biāo)記的分水嶺算法分割過(guò)程

原始圖像原圖像的距離變換標(biāo)記外部約束標(biāo)記內(nèi)部約束由標(biāo)記內(nèi)外部約束重構(gòu)的梯度圖分割結(jié)果44第44頁(yè)，共54頁(yè)，2023年，2月20日，星期五8.5區(qū)域分割45第45頁(yè)，共54頁(yè)，2023年，2月20日，星期五基本思想閾值分割法由于沒(méi)有或很少考慮空間關(guān)系，使多閾值選擇受到限制于區(qū)域的分割方法可以彌補(bǔ)這點(diǎn)不足，它利用的是圖像的空間性質(zhì)，該方法認(rèn)為分割出來(lái)的屬于同一區(qū)域的像素應(yīng)具有相似的性質(zhì)，其概念是相當(dāng)直觀的。傳統(tǒng)的區(qū)域分割算法有區(qū)域增長(zhǎng)法和區(qū)域分裂合并法。該類(lèi)方法在沒(méi)有先驗(yàn)知識(shí)可以利用時(shí)，對(duì)含有復(fù)雜場(chǎng)景或自然景物等先驗(yàn)知識(shí)不足的圖像進(jìn)行分割,也可以取得較好的性能。但是，空間和時(shí)間開(kāi)銷(xiāo)都比較大。

46第46頁(yè)，共54頁(yè)，2023年，2月20日，星期五區(qū)域生長(zhǎng)區(qū)域生長(zhǎng)法主要考慮象素及其空間鄰域象素之間的關(guān)系開(kāi)始時(shí)確定一個(gè)或多個(gè)象素點(diǎn)作為種子，然后按某種相似性準(zhǔn)則增長(zhǎng)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(zhǎng)區(qū)域，直至沒(méi)有可以歸并的點(diǎn)或其它小區(qū)域?yàn)橹?。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。

47第47頁(yè)，共54頁(yè)，2023年，2月20日，星期五區(qū)域生長(zhǎng)選擇合適的種子點(diǎn)確定相似性準(zhǔn)則(生長(zhǎng)準(zhǔn)則)確定生長(zhǎng)停止條件步驟

48第48頁(yè)，共54頁(yè)，2023年，2月20日，星期五區(qū)域生長(zhǎng)實(shí)例

圖8.29區(qū)域生長(zhǎng)

原始圖像及種子點(diǎn)位置三個(gè)種子點(diǎn)區(qū)域生長(zhǎng)結(jié)果原始圖像及種子點(diǎn)位置四個(gè)種子點(diǎn)區(qū)域生長(zhǎng)結(jié)果49第49頁(yè)，共54頁(yè)，2023年，2月20日，星期五區(qū)域分裂

條件：如果區(qū)域的某些特性