第十部分圖像分割

第十部分圖像分割1第1頁，課件共35頁，創(chuàng)作于2023年2月

(3)設(shè)置閾值T如果,待檢測目標(biāo)存在.10.1不連續(xù)性檢測是模板系數(shù)相聯(lián)系的象素灰度值基于邊緣的檢測方法，首先介紹點(diǎn)、線和邊緣的檢測方法最基本的檢測方法是模板匹配模板匹配基本過程:

(1)建立待檢測目標(biāo)的標(biāo)準(zhǔn)模板

(2)模板中心(參考點(diǎn))對準(zhǔn)圖象的待處理點(diǎn),計(jì)算模板與模板覆蓋圖象區(qū)域的相似程度,第2頁，課件共35頁，創(chuàng)作于2023年2月10.1.1點(diǎn)檢測當(dāng)前點(diǎn)是孤立點(diǎn)第3頁，課件共35頁，創(chuàng)作于2023年2月10.1.2線檢測第4頁，課件共35頁，創(chuàng)作于2023年2月10.1.3邊緣檢測基本概念理想邊緣斜坡邊緣第5頁，課件共35頁，創(chuàng)作于2023年2月斜坡邊緣的檢測一階導(dǎo)數(shù)可檢測斜坡邊緣的存在一階導(dǎo)數(shù)二階導(dǎo)數(shù)二階導(dǎo)數(shù)可檢測斜坡邊緣上的點(diǎn)是在暗的一邊，還是在亮的一邊二階導(dǎo)數(shù)的特性：1、雙邊緣（不希望的）2、零交叉點(diǎn)，可表示邊緣的中心點(diǎn)第6頁，課件共35頁，創(chuàng)作于2023年2月噪聲對斜坡邊緣檢測的影響二階導(dǎo)數(shù)對噪聲更加敏感一階導(dǎo)數(shù)對噪聲也較敏感檢測中要判斷一階導(dǎo)數(shù)大于某一閾值才能判斷該點(diǎn)為邊緣點(diǎn)第7頁，課件共35頁，創(chuàng)作于2023年2月梯度算子需要分別計(jì)算x和y方向上的梯度梯度幅值梯度方向第8頁，課件共35頁，創(chuàng)作于2023年2月檢測對角方向的梯度算子第9頁，課件共35頁，創(chuàng)作于2023年2月例：梯度邊緣檢測第10頁，課件共35頁，創(chuàng)作于2023年2月例：例：用梯度檢測模糊圖像的邊緣第11頁，課件共35頁，創(chuàng)作于2023年2月例：對角邊緣檢測模板的檢測結(jié)果第12頁，課件共35頁，創(chuàng)作于2023年2月拉普拉斯算子拉普拉斯模板拉普拉斯擴(kuò)展模板由于二階倒數(shù)對噪聲非常敏感，且會產(chǎn)生雙邊緣，因此實(shí)際中并不直接用拉普拉斯算子來檢測邊緣。第13頁，課件共35頁，創(chuàng)作于2023年2月高斯拉普拉斯算子(LOG,LaplacianofaGaussian)標(biāo)準(zhǔn)差LOG算子第14頁，課件共35頁，創(chuàng)作于2023年2月LOG檢測結(jié)果梯度算子零交叉點(diǎn)結(jié)果比較：零交叉點(diǎn)邊緣更細(xì)但零交叉點(diǎn)的計(jì)算較復(fù)雜。在邊緣檢測中，梯度法更常用第15頁，課件共35頁，創(chuàng)作于2023年2月10.2邊緣連接和邊界檢測1、檢測邊緣點(diǎn)檢測為邊緣點(diǎn)2、邊緣點(diǎn)連接梯度強(qiáng)度梯度方向則

連接第16頁，課件共35頁，創(chuàng)作于2023年2月10.3閾值處理10.3.1基礎(chǔ)利用同一個(gè)區(qū)域中圖像的灰度值具有相似性第17頁，課件共35頁，創(chuàng)作于2023年2月半閾值法閾值法閾值處理中關(guān)鍵是找到合適的閾值第18頁，課件共35頁，創(chuàng)作于2023年2月10.3.2全局閾值計(jì)算全局閾值的迭代方法1、給出初時(shí)閾值T2、用T分割圖像得到G1和G23、計(jì)算兩部分的均值直接選取迭代方法4、計(jì)算新的閾值5、重復(fù)2－4，直到第19頁，課件共35頁，創(chuàng)作于2023年2月10.3.2全局閾值（例）初時(shí)閾值三次迭代第20頁，課件共35頁，創(chuàng)作于2023年2月10.3.3照度的影響成像模型照度不均勻的影響全局閾值分割結(jié)果第21頁，課件共35頁，創(chuàng)作于2023年2月10.3.4自適應(yīng)閾值1、分塊2、塊分類對每個(gè)塊計(jì)算其方差，方差大的為邊緣塊。方差小的為背景或目標(biāo)塊3、對不同塊分別處理邊緣塊進(jìn)行閾值分割。背景和目標(biāo)塊合成一個(gè)子圖象進(jìn)行分割第22頁，課件共35頁，創(chuàng)作于2023年2月對分割不好的塊進(jìn)一步細(xì)化第23頁，課件共35頁，創(chuàng)作于2023年2月設(shè)圖象由物體與背景組成物體象素灰度分布的概率密度函數(shù)-----

背景象素灰度分布的概率密度函數(shù)-----

物體,背景象素占圖象總象素的比分別為和分割閾值為兩類可能的誤分概率最佳閾值----最小誤分概率的閾值總誤分概率背景誤分為物體的概率物體誤分為背景的概率10.3.5全局最佳閾值全局最佳閾值的估計(jì)方法第24頁，課件共35頁，創(chuàng)作于2023年2月當(dāng)為正態(tài)分布,其均值,方差分別為最優(yōu)閾值滿足即即當(dāng)最優(yōu)閾值為閾值法的優(yōu)缺點(diǎn):較簡單,但不能保證得到連通的區(qū)域第25頁，課件共35頁，創(chuàng)作于2023年2月心臟血管照片分割例預(yù)處理結(jié)果分割結(jié)果預(yù)處理：灰度變換去噪聲第26頁，課件共35頁，創(chuàng)作于2023年2月10.4基于區(qū)域的分割10.4.1區(qū)域分割的基礎(chǔ)區(qū)域生長區(qū)域分裂合并區(qū)域分割：按某種一致性準(zhǔn)則把圖像R分割成一系列子區(qū)域且滿足:是聯(lián)通區(qū)域第27頁，課件共35頁，創(chuàng)作于2023年2月方法和步驟：1）選定區(qū)域的一初始點(diǎn)(種子)。2）按一定的規(guī)則(相似性或區(qū)域均勻度的測試),在其周圍各個(gè)方向進(jìn)行區(qū)域生長(逐步增加區(qū)域的點(diǎn)數(shù)).3）對新的區(qū)域重復(fù)過程2,直到?jīng)]有區(qū)域鄰點(diǎn)可接受時(shí)(不滿足均勻度的測試)生長過程終止10.4.2區(qū)域生長第28頁，課件共35頁，創(chuàng)作于2023年2月1)初始點(diǎn)的選擇---利用先驗(yàn)知識，如直方圖的波峰對應(yīng)的灰度值等.2)區(qū)域一致性準(zhǔn)則---如與種子像素灰度值的絕對差小于某一閾值，與區(qū)域平均灰度值的絕對差小于某個(gè)閾值,區(qū)域灰度的統(tǒng)計(jì)分布的相似性，即合并后，區(qū)域的最大值和最小值得絕對差小與某一閾值等.兩個(gè)關(guān)鍵問題：1)初始點(diǎn)的選擇2)區(qū)域的一致性準(zhǔn)則的確定第29頁，課件共35頁，創(chuàng)作于2023年2月生長示例:

(1)根據(jù)直方圖選取聚類中心的象素為種子 (2)根據(jù)與種子象素灰度差（>T）判斷是否生長 (3)根據(jù)圖象邊緣確定生長何時(shí)終結(jié)原始圖T=3T=2T=7第30頁，課件共35頁，創(chuàng)作于2023年2月10.4.2區(qū)域生長(實(shí)驗(yàn))種子像素點(diǎn)：最大灰度值的點(diǎn)（255）一致性準(zhǔn)則：1、和種子像素的灰度差小于65。2、該象素最少和區(qū)域中的一個(gè)象素8-連接第31頁，課件共35頁，創(chuàng)作于2023年2月10.4.3區(qū)域分裂與合并四叉樹分裂第32頁，課件共35頁，創(chuàng)作于2023年2月區(qū)域分裂與合并方法：1對于任何一個(gè)區(qū)域,若則分裂。2將的兩個(gè)相鄰區(qū)域合并。3直到無法再分裂或無法再合并。關(guān)鍵是一致性準(zhǔn)則第33頁，課件共35頁，創(chuàng)作于2023年2月主要步驟 先把圖象分成任意大小且不重疊的區(qū)域 然后再（根據(jù)準(zhǔn)則）合并或分裂這些區(qū)域 （迭代進(jìn)行直到實(shí)現(xiàn)分割）示例（四叉樹）：