第八章圖像分割技術

第一頁，共六十二頁，編輯于2023年，星期五定義(1) (2)對所有的

i和j，，有 (3)對i=1,2,…,n，有P(Ri)=TRUE (4)對，有 (5)對i=1,2,…,n，Ri是連通的區(qū)域

8.1圖像分割定義和方法分類第二頁，共六十二頁，編輯于2023年，星期五圖像分割算法分類不連續(xù)性和相似性并行處理策略和串行處理策略

分類表

①并行邊界類

②串行邊界類

③并行區(qū)域類

④串行區(qū)域類第三頁，共六十二頁，編輯于2023年，星期五

邊緣檢測：

①并行邊界類基于邊界分割方法的第一步

邊緣：灰度值不連續(xù)的結果可利用導數方便地檢測常用一階和二階導數來檢測 8.2邊緣檢測第四頁，共六十二頁，編輯于2023年，星期五邊緣和導數第五頁，共六十二頁，編輯于2023年，星期五

算子計算

對圖像邊緣的檢測可借助空域微分算子通過模板卷積完成。幾種簡單的空域微分算子：（1）梯度算子（大小、方向）（2）拉普拉斯算子（3）馬爾算子（拉普拉斯-高斯）邊緣檢測算子第六頁，共六十二頁，編輯于2023年，星期五（1）梯度算子

一階差分算子矢量

幅度

方向角第七頁，共六十二頁，編輯于2023年，星期五梯度算子（一階導數算子）

利用模板（與圖像進行）卷積模板比較：

①邊緣粗細（與模板大小有關）②方向性：水平模板(左)(垂直邊緣)垂直模板(右)(水平邊緣)第八頁，共六十二頁，編輯于2023年，星期五第九頁，共六十二頁，編輯于2023年，星期五第十頁，共六十二頁，編輯于2023年，星期五（2）拉普拉斯算子

(二階差分算子)在（x，y）處的拉普拉斯值:第十一頁，共六十二頁，編輯于2023年，星期五（3）馬爾算子（二階）用一個2-D的高斯平滑模板與源圖像卷積計算卷積后圖像的拉普拉斯值檢測拉普拉斯圖像中的過零點作為邊緣點高斯函數：馬爾算子：拉普拉斯：第十二頁，共六十二頁，編輯于2023年，星期五第十三頁，共六十二頁，編輯于2023年，星期五串行邊界類基本思路：

先檢測邊緣象素/邊界段 再逐次連接成閉合邊界（輪廓） 互相結合，順序進行

1、輪廓跟蹤

2、圖搜索法8.3輪廓跟蹤和圖搜索第十四頁，共六十二頁，編輯于2023年，星期五

（1）確定搜索起點（2）采取合適的搜索機理確定新的輪廓點（3）在滿足終結條件時結束搜索缺點：不適合于噪聲比較大的圖像1、輪廓跟蹤第十五頁，共六十二頁，編輯于2023年，星期五

將邊緣像素和邊界段用圖表示

圖：G={N,A}

結點集{n1,...}

結點對集{(ni,nj)}

通路代價

父結點

父結點

子結點2、圖搜索--計算量大、復雜度高、但適合噪聲較大的圖像第十六頁，共六十二頁，編輯于2023年，星期五邊緣元素代價函數第十七頁，共六十二頁，編輯于2023年，星期五第十八頁，共六十二頁，編輯于2023年，星期五

閾值分割方法------③并行區(qū)域類圖像模型： 雙峰直方圖（對應目標和背景的2個單 峰直方圖混合而成） 大小接近，均值相距足夠遠，均方差足夠小取閾值分割步驟：并行區(qū)域類

(1)確定閾值（關鍵/難點）

(2)根據閾值對像素分類8.4閾值分割第十九頁，共六十二頁，編輯于2023年，星期五閾值分割方法單閾值分割圖像

第二十頁，共六十二頁，編輯于2023年，星期五閾值選取方法

（1）極小值點閾值第二十一頁，共六十二頁，編輯于2023年，星期五閾值選取方法

（2）最優(yōu)閾值最小誤差閾值目標和背景均高斯分布

第二十二頁，共六十二頁，編輯于2023年，星期五閾值選取方法

第二十三頁，共六十二頁，編輯于2023年，星期五閾值選取方法

（3）迭代閾值閾值處在與重心成反比的位置第二十四頁，共六十二頁，編輯于2023年，星期五第二十五頁，共六十二頁，編輯于2023年，星期五由直方圖凹凸性確定的閾值 直方圖的一個峰淹沒在另一個峰旁的緩坡里

直方圖的包絡區(qū)域凸包最大凸殘差分割閾值

8.5基于變換直方圖選取閾值第二十六頁，共六十二頁，編輯于2023年，星期五依賴區(qū)域的閾值選取

直方圖變換僅利用象素灰度可能出現的問題： 灰度直方圖的谷被填充借助鄰域性質變換原來的直方圖 ①獲得低梯度值象素的直方圖

峰之間的谷比原直方圖深 ②獲得高梯度值象素的直方圖

峰由原直方圖的谷轉化而來第二十七頁，共六十二頁，編輯于2023年，星期五直方圖變換

①低梯度值像素的直方圖圖像模型：雙峰直方圖內部的像素具有較低梯度值邊界上像素具有較高梯度值第二十八頁，共六十二頁，編輯于2023年，星期五

直方圖變換

①低梯度值像素的直方圖峰之間的谷比原直方圖更深加權：1/（1+g）2

梯度小權重大梯度大權重小第二十九頁，共六十二頁，編輯于2023年，星期五

直方圖變換②高梯度值像素的直方圖峰由原直方圖的谷轉化而來加權：g

梯度小權重小梯度大權重大第三十頁，共六十二頁，編輯于2023年，星期五灰度-梯度散射圖2-D直方圖

2-D圖象 1個軸是灰度值軸 1個軸是梯度值軸

示例 目標，背景聚類 第三十一頁，共六十二頁，編輯于2023年，星期五

閾值分割的推廣

全局的方法特征值對應特征空間點灰度直方圖像素灰度為特征灰度-梯度散射圖像素灰度和梯度為特征8.6空間聚類第三十二頁，共六十二頁，編輯于2023年，星期五分割：像素分類 特征空間聚類（取閾值是1-D聚類） 多特征空間聚類的優(yōu)點（分類能力較強）第三十三頁，共六十二頁，編輯于2023年，星期五K-均值聚類

優(yōu)化的方法（最小化）將特征點賦給均值離它最近的類第三十四頁，共六十二頁，編輯于2023年，星期五K-均值聚類 (1) 任意選K個初始類均值 (2) 特征點賦類 (3) 更新類均值 (4) 判斷算法收斂第三十五頁，共六十二頁，編輯于2023年，星期五K-均值聚類類數目：類數目不同結果不同

聚類品質：類內接近而類間區(qū)別大

根據聚類品質確定類數目第三十六頁，共六十二頁，編輯于2023年，星期五

從區(qū)域著手順序進行 ④串行區(qū)域類

串行策略

特點：當前處理借助早期結果 優(yōu)點：抗噪聲，抗干擾 缺點：較復雜，費時間8.7區(qū)域生長第三十七頁，共六十二頁，編輯于2023年，星期五區(qū)域生長基本思想： 將相似像素結合起來構成區(qū)域基本步驟： (1)選擇區(qū)域的種子像素 (2)確定將相鄰像素包括進來的準則 (3)制定生長停止的規(guī)則

關鍵： (1)種子像素的選取

(2)生長準則依賴應用第三十八頁，共六十二頁，編輯于2023年，星期五生長準則

基于區(qū)域灰度差關鍵是灰度差閾值基于區(qū)域間平均灰度差利用平均灰度注意連通性第三十九頁，共六十二頁，編輯于2023年，星期五生長示例第四十頁，共六十二頁，編輯于2023年，星期五改進生長準則

（1）直接用新像素值：逐步合并而產生錯誤（2）用新像素所在區(qū)域平均值第四十一頁，共六十二頁，編輯于2023年，星期五第9章目標表達技術

9.1 輪廓的鏈碼表達

9.2 輪廓線段的近似表達9.3 目標的層次表達

9.4*目標的骨架表達第四十二頁，共六十二頁，編輯于2023年，星期五

目標表達在圖像分割的基礎上（1）內部表達關心的是區(qū)域的反射性質（2）外部表達關心的是區(qū)域的形狀9.1輪廓的鏈碼表達第四十三頁，共六十二頁，編輯于2023年，星期五鏈碼表達--外部表達對輪廓點的一種編碼表示方法特點： 一系列有向直線段4-連接

8-連接①特定長度（固定）②方向數目有限（連接情況） 第四十四頁，共六十二頁，編輯于2023年，星期五緊湊的表達方式起點需用（絕對）坐標表示其余點只用接續(xù)方向來代表偏移量 常用：①4-方向鏈碼②8-方向鏈碼第四十五頁，共六十二頁，編輯于2023年，星期五鏈碼歸一化

①起點歸一化 將鏈碼看作由方向數構成的自然數選取值最小的自然數順序第四十六頁，共六十二頁，編輯于2023年，星期五鏈碼歸一化 ②旋轉歸一化

利用鏈碼的一階差分差分碼不隨輪廓旋轉而變化第四十七頁，共六十二頁，編輯于2023年，星期五形狀數 輪廓差分碼中其值最小的1個序列

4方向鏈碼為：10103322

差分碼為：33133030

形狀數為：03033133第四十八頁，共六十二頁，編輯于2023年，星期五

多邊形近似逼近輪廓

--（2）外部表達鏈碼是多邊形表達的特例多邊形表達的目的：

用盡可能少的線段來代表輪廓，并保持輪廓的基本形狀。多邊形表達的特點：（1）抗干擾（2）省數據量9.2輪廓線段的近似表達第四十九頁，共六十二頁，編輯于2023年，星期五

常用多邊形方法

（1）基于收縮的最小周長多邊形第五十頁，共六十二頁，編輯于2023年，星期五

常用多邊形方法

（2）基于聚合的最小均方誤差線段逼近第五十一頁，共六十二頁，編輯于2023年，星期五

常用多邊形方法

（3）基于分裂的最小均方誤差線段逼近第五十二頁，共六十二頁，編輯于2023年，星期五多邊形輪廓表達示例

第五十三頁，共六十二頁，編輯于2023年，星期五

基本思路