第十章-圖像分割課件

第十章圖像分割第十章圖像分割1異常圖像的分割是圖像處理中最困難的任務(wù)之一。精確的分割決定著計(jì)算分析過程的成敗。因此，應(yīng)該對提高穩(wěn)定分割的可能性予以特別關(guān)注。異常圖像的分割是圖像處理中最困難的任務(wù)之一。精確的分割決定著2圖像分割算法主要基于圖像亮度值的兩個(gè)基本特性：1不連續(xù)性（圖像的邊緣）2相似性（預(yù)先定義準(zhǔn)則將圖像分割為相似區(qū)域：門限處理、區(qū)域生長、區(qū)域分離和聚合）圖像分割算法主要基于圖像亮度值的兩個(gè)基本特性：310.1間斷檢測10.2邊緣連接和邊界檢測10.3閾值處理10.4基于區(qū)域的分割10.5使用分水嶺變換的分割10.1間斷檢測410.1間斷檢測數(shù)字圖像中有三種基本類型的灰度級(jí)間斷：點(diǎn)，線和邊緣。10.1.1點(diǎn)檢測模板進(jìn)行檢測-1-1-1|R|>T-18-1-1-1-110.1間斷檢測數(shù)字圖像中有三種基本類型的灰度級(jí)間斷：點(diǎn)，線5點(diǎn)檢測

f=imread('pointdetect.tif');imshow(f);w=[-1-1-1;-18-1;-1-1-1];g=abs(imfilter(double(f),w));T=max(g(:));g=g>=T;figure,imshow(g);點(diǎn)檢測

f=imread('pointdetect.tif'610.1.2線檢測模板-1-1-1-1-12-12-12-1-1222-12-1-12-1-12-1-1-1-12-1-1-12-1-1-12水平+45度垂直-45度10.1.2線檢測模板7f=imread('linedetect.tif');imshow(f);w=[2-1-1;-12-1;-1-12];g=imfilter(double(f),w);figure,imshow(g,[])gtop=g(1:120,1:120);gtop=pixeldup(gtop,4);figure,imshow(gtop,[]);f=imread('linedetect.tif');8gbot=g(end-119:end,end-119:end);gbot=pixeldup(gbot,4);figure,imshow(gbot,[]);g=abs(g);figure,imshow(g,[]);T=max(g(:));g=g>=T;figure,imshow(g);gbot=g(end-119:end,end-119:end910.1.3邊緣檢測邊緣檢測對于灰度級(jí)間斷的檢測是最為普遍的檢測方法。利用微分方法求邊緣注意：導(dǎo)數(shù)受噪聲的影響非常之大。Sobel,Prewitt,RobertsLaplacian,LOG10.1.3邊緣檢測邊緣檢測對于灰度級(jí)間斷的檢測是最為普遍的10使用edge函數(shù)的邊緣檢測邊緣檢測的基本意圖是使用如下兩個(gè)基本準(zhǔn)則之一在圖像中找到亮度快速變化的地方1找到亮度的一階導(dǎo)數(shù)在幅度上比指定的閾值大的地方。2找到亮度的二階導(dǎo)數(shù)有零交叉的地方。使用edge函數(shù)的邊緣檢測邊緣檢測的基本意圖是使用如下兩個(gè)基11[g,t]=edge(f,’method’,parameters)Method:Sobel/Prewitt/Roberts/LaplacianofaGaussian(LOG)/Zerocrossing/CannyParameter:Thresh,direction:’horizontal’/’vertical’/’both’Sigma:標(biāo)準(zhǔn)差g:2值結(jié)果。t：閾值[g,t]=edge(f,’method’,paramete12例：使用Sobel模板提取邊緣f=imread('edgedetect.tif');imshow(f);[gv,t]=edge(f,'sobel','vertical');figure,imshow(gv);t例：使用Sobel模板提取邊緣f=imread('edged13指定一個(gè)較高的閾值將弱邊緣去掉gv=edge(f,'sobel',0.15,'vertical');figure,imshow(gv);產(chǎn)生水平和垂直邊緣gboth=edge(f,'sobel',0.15,'both');figure,imshow(gboth);指定一個(gè)較高的閾值將弱邊緣去掉14函數(shù)edge不能計(jì)算+-45度邊緣，如要計(jì)算這些邊緣，需要制定模板，并使用函數(shù)imfilterw45=[-2-10;-10-1;012];%w45=[012;-10-1;-2-10];g45=imfilter(double(f),w45,'replicate');T=0.03*max(abs(g45(:)));g45=g45>=T;figure,imshow(g45);函數(shù)edge不能計(jì)算+-45度邊緣，如要計(jì)算這些邊緣，需要制15Sobel,LoG,Canny邊緣檢測器比較f=imread('edgedetect.tif');imshow(f);[g_sobel_default,ts]=edge(f,'sobel');figure,imshow(g_sobel_default);[g_log_default,tlog]=edge(f,'log');figure,imshow(g_log_default);[g_canny_default,tc]=edge(f,'canny');figure,imshow(g_canny_default);Sobel,LoG,Canny邊緣檢測器比較f=imread16g_sobel_best=edge(f,'sobel',0.05);figure,imshow(g_sobel_best);g_log_best=edge(f,'log',0.003,2.25);figure,imshow(g_log_best);g_canny_best=edge(f,'canny',[0.04,0.10],1.5);figure,imshow(g_canny_best);g_sobel_best=edge(f,'sobel',0.1710.2邊緣連接和邊界檢測在得到的邊緣上的像素點(diǎn)，由于噪聲，不均勻光照的影響而產(chǎn)生的邊緣間斷，使得一組像素很少能完整地描繪一條邊緣。使用邊緣檢測算法后，緊跟著使用連接過程將邊緣像素組合成有意義的邊緣。10.2邊緣連接和邊界檢測在得到的邊緣上的像素點(diǎn)，由于噪聲，1810.2.1局部處理連接邊緣點(diǎn)的最簡單的方法之一：分析圖像中每個(gè)點(diǎn)(x,y)的一個(gè)小鄰域（3*3，5*5）內(nèi)像素的特點(diǎn)。該點(diǎn)是一個(gè)得到的邊緣點(diǎn)。依據(jù)事先預(yù)定的準(zhǔn)則，將所有被認(rèn)為是相似的點(diǎn)連接起來，形成滿足這些準(zhǔn)則的像素組成的一條邊緣。10.2.1局部處理連接邊緣點(diǎn)的最簡單的方法之一：19邊緣像素相似性的兩個(gè)主要性質(zhì)：1生成的邊緣像素的梯度算子的響應(yīng)強(qiáng)度2梯度向量的方向。如果同時(shí)滿足這兩個(gè)條件，則將邊緣連接起來，在圖像的每個(gè)位置重復(fù)這樣的操作。邊緣像素相似性的兩個(gè)主要性質(zhì)：1生成的邊緣像素的梯度算子的響2010.2.2通過Hough變換進(jìn)行整體處理根據(jù)給定圖像上的一個(gè)點(diǎn)集，如何找到位于直線上的所有點(diǎn)的子集？利用直線的斜截式公式10.2.2通過Hough變換進(jìn)行整體處理根據(jù)給定圖像上的一21在參數(shù)空間中，相交的直線表示在xy平面中兩點(diǎn)共線。為了表示垂直的情況，使用直線標(biāo)準(zhǔn)表達(dá)在參數(shù)空間中，相交的直線表示在xy平面中兩點(diǎn)共線。22Hough變換將參數(shù)空間細(xì)分為了累加器單元。坐標(biāo)為(i,j)的單元，對應(yīng)參數(shù)空間坐標(biāo)相關(guān)的方形。最初這些單元置為0。然后對于平面上的每一個(gè)非背景點(diǎn)變換到參數(shù)空間。將對應(yīng)位置的累加器加1。累加器的值意味著xy平面上有多少個(gè)點(diǎn)共線。Hough變換將參數(shù)空間細(xì)分為了累加器單元23例：Hough變換f=imread('houghtrans.tif');imshow(f);H=hough(f);figure,imshow(H,[]);例：Hough變換f=imread('houghtrans.24給出坐標(biāo)軸顯示參數(shù)空間[H,theta,rho]=hough(f);figure,imshow(theta,rho,H,[],'notruesize');axison,axisnormal;xlabel('\theta'),ylabel('\rho');給出坐標(biāo)軸顯示參數(shù)空間[H,theta,rho]=hough25使用Hough變換作線檢測和連接函數(shù)houghpeaks得到Hough變換的峰值點(diǎn)[r,c,hnew]=houghpeaks(h,numpeaks,threshold,nhood)h：Hough變換矩陣numpeaks:指定要尋找的最大峰threshold:閾值以下的認(rèn)為不是峰nhood:抑制的鄰域大小使用Hough變換作線檢測和連接函數(shù)houghpeaks得到26函數(shù)houghpixels找到圖像中影響到峰值的每一個(gè)非零值點(diǎn)的位置。函數(shù)houghlines采用一些策略，將位置相關(guān)的像素組合成線段。函數(shù)houghpixels找到圖像中影響到峰值的每一個(gè)非零值2710.3閾值處理10.3.1全局閾值處理步驟：1）為T選一個(gè)初始估計(jì)值2）使用T分割圖像，產(chǎn)生兩組像素G1,G210.3閾值處理10.3.1全局閾值處理283)計(jì)算G1和G2范圍內(nèi)的像素的平均亮度值u1，u2，4）計(jì)算新閾值T=(u1+u2)/2;5)重復(fù)步驟2-4，直到迭代中的T的差比預(yù)先指定的參數(shù)T0小為止。3)計(jì)算G1和G2范圍內(nèi)的像素的平均亮度值u1，u2，29函數(shù)graythresh實(shí)現(xiàn)全局閾值，使用Otsu方法T=graythresh(f);f=imread('globalthreshold.tif');imshow(f);T=graythresh(f);g=f<=T*255;figure,imshow(g);函數(shù)graythresh實(shí)現(xiàn)全局閾值，使用Otsu方法T=g3010.3.2局部閾值處理針對背景照明不均勻時(shí)，全局閾值處理可能無效。針對照明問題作預(yù)處理進(jìn)行補(bǔ)償，同時(shí)使用形態(tài)學(xué)變換對圖像進(jìn)行處理。使用局部變化的閾值函數(shù)對圖像進(jìn)行閾值處理。10.3.2局部閾值處理針對背景照明不均勻時(shí)，全局閾值處理可3110.4基于區(qū)域的分割分割的目的是把圖象分成區(qū)域。區(qū)域內(nèi)部像素具有相似性10.4.1基礎(chǔ)公式用R表示整個(gè)圖象區(qū)域，將R分成n個(gè)子區(qū)域，滿足：10.4基于區(qū)域的分割分割的目的是把圖象分成區(qū)域。區(qū)域內(nèi)部像32第十章-圖像分割課件3310.4.2區(qū)域生長預(yù)先定義生長的準(zhǔn)則，將像素或子區(qū)域合成較大的區(qū)域。由一個(gè)或多個(gè)開始點(diǎn)組成的集合的選擇通常要基于問題的性質(zhì)。當(dāng)沒有先驗(yàn)信息可用時(shí)，一種處理方法是在每個(gè)像素上計(jì)算同一組屬性，在生長過程中，這些屬性將像素分配到不同區(qū)域。10.4.2區(qū)域生長預(yù)先定義生長的準(zhǔn)則，將像素或子區(qū)域合成較34相似性準(zhǔn)則的選擇不但依賴于所考慮的問題，而且依賴于可用的圖象數(shù)據(jù)類型。但圖象為單色圖像時(shí)，圖像分析應(yīng)該用一組基于灰度級(jí)和空間性質(zhì)的描述符來執(zhí)行。若在區(qū)域生長中沒有使用連通信息，則會(huì)產(chǎn)生錯(cuò)誤結(jié)果。相似性準(zhǔn)則的選擇不但依賴于所考慮的問題，而且依賴于可用的圖象35區(qū)域生長的另一個(gè)問題是停止規(guī)則的表達(dá)。一般來說，當(dāng)不再有像素滿足該區(qū)域所包含的準(zhǔn)則時(shí)，生長區(qū)域就會(huì)停止。函數(shù)regiongrow實(shí)現(xiàn)區(qū)域生長。[g,NR,SI,TI]=regiongrow(f,S,T)S，T:是一個(gè)數(shù)組（與f大小相同）或一個(gè)標(biāo)量。g:分割后的圖象NR:不同區(qū)域的數(shù)目，SI：一幅包含有種子點(diǎn)的圖像，TI:一幅包含在進(jìn)行連通性處理之前通過閾值測試的像素的圖象。區(qū)域生長的另一個(gè)問題是停止規(guī)則的表達(dá)。一般來說，當(dāng)不再有像素36例：區(qū)域生長對焊接孔隙檢測的應(yīng)用f=imread('regiongrowimage.tif');imshow(f);imhist(f);[g,NR,SI,TI]=regiongrow(f,255,65);figure,imshow(g);figure,imshow(SI);figure,imshow(TI);例：區(qū)域生長對焊接孔隙檢測的應(yīng)用f=imread('regi3710.5使用分水嶺變換的分割在地理學(xué)中，分水嶺是指一個(gè)山脊，在該山脊兩邊的區(qū)域中有著不同流向的水系。分水嶺變換將在圖象中找到匯水盆地和脊線。在求解時(shí)，關(guān)鍵概念是將初始圖象變換成另一幅圖象，在變換后，匯水盆地就是我們想要識(shí)別的對象或區(qū)域。10.5使用分水嶺變換的分割在地理學(xué)中，分水嶺是指一個(gè)山脊，3810.5.1使用距離變換的分水嶺分割二值圖像的距離變換是一個(gè)相對簡單的概念：它是每一個(gè)像素到最近非零值像素的距離。D=bwdist(f)值為1的像素的距離變換為010.5.1使用距離變換的分水嶺分割二值圖像的距離變換是一個(gè)391100011000000000012300123111.421100040例：距離變換的分水嶺變換分割圖像f=imread('anding.tif');imshow(f);T=graythresh(uint8(f));g=im2bw(f,T);figure,imshow(g);gc=~g;figure,imshow(gc);例：距離變換的分水嶺變換分割圖像f=imread('andi41D=bwdist(gc);figure,imshow(D,[]);L=watershed(-D);w=L==0;figure,imshow(w);g2=g&~w;figure,imshow(g2);D=bwdist(gc);4210.5.2使用梯度的分水嶺分割在分水嶺變換之前，通常要使用梯度幅度來與處理圖像。梯度圖象在沿對象的邊緣處有較高的像素值，而在其他地方則有較低的像素值。理想情況下，分水嶺變換會(huì)沿著對象邊緣處產(chǎn)生分水嶺脊線。10.5.2使用梯度的分水嶺分割在分水嶺變換之前，通常要使用43例：使用梯度和分水嶺變換分割圖像f=imread('blackbubble.tif');imshow(f);h=fspecial('sobel');fd=double(f);g=sqrt(imfilter(fd,h,'replicate').^2+imfilter(fd,h','replicate').^2);figure,imshow(g,[]);L=watershed(g);wr=L==0;figure,imshow(wr);例：使用梯度和分水嶺變換分割圖像f=imread('blac44%解決過分割,在計(jì)算分水嶺變換之前，先平滑梯度圖象。g2=imclose(imopen(g,ones(3,3)),ones(3,3));L2=watershed(g2);wr2=L2==0;f2=f;f2(wr2)=255;figure,imshow(f2);%解決過分割,在計(jì)算分水嶺變換之前，先平滑梯度圖象。4510.5.3控制標(biāo)記符的分水嶺分割由于噪聲和梯度局部的不規(guī)則性導(dǎo)致國分割的產(chǎn)生。解決該問題的一種實(shí)際方法是加入一個(gè)預(yù)處理階段，以將一些先驗(yàn)知識(shí)帶到分割過程中，從而限制所允許的區(qū)域的數(shù)目，避免過分割。10.5.3控制標(biāo)記符的分水嶺分割由于噪聲和梯度局部的不規(guī)則46用于控制過分割的一種方法基于標(biāo)記符的概念。標(biāo)記符是一個(gè)屬于一幅圖像的連通分量。我們希望有一個(gè)內(nèi)部標(biāo)記符集合（處于每個(gè)感興趣對象的內(nèi)部）和一個(gè)外部標(biāo)記符集合（包含在背景中）。這些標(biāo)記符可以如下的修改梯度圖象。用于控制過分割的一種方法基于標(biāo)記符的概念。47例：標(biāo)記符控制的分水嶺分割圖像f=imread('labelwatershed.tif');imshow(f);h=fspecial('sobel');fd=double(f);g=sqrt(imfilter(fd,h,'replicate').^2+imfilter(fd,h','replicate').^2);figure,imshow(g,[]);L=watershed(g);wr=L==0;figure,imshow(wr);例：標(biāo)記符控制的分水嶺分割圖像f=imread('label48%解決過分割,用imregionalmin計(jì)算圖像中大量局部最小區(qū)域的位置rm=imregionalmin(g);figure,imshow(rm);%解決過分割,用imregionalmin計(jì)算圖像中大量局部49%發(fā)現(xiàn)顯示的多數(shù)局部最小區(qū)域位置非常淺，表示了與我們的分割問題