第5章 特色分割算法

第5章特色分割算法

5.1 SUSAN檢測(cè)算子

5.2

特色的取閾值技術(shù)

5.3

分水嶺分割算法5.1 SUSAN邊緣檢測(cè)原理 USAN:UnivalueSegmentAssimilatingNucleus核同值區(qū)(USAN)：相對(duì)于模板的核，模板中總有一定的區(qū)域與它有相同的灰度，這部分區(qū)域稱為USAN區(qū)域。5.1.1USAN原理USAN區(qū)域包含了與圖像結(jié)構(gòu)有關(guān)的信息：當(dāng)核像素處在圖像中的灰度一致區(qū)域，USAN的面積最大。當(dāng)核處在直邊緣處面積約為最大值的一半，當(dāng)核處在角點(diǎn)處時(shí)則為最大值的1/4；因此，使用USAN面積的變化作為特征可以起到檢測(cè)邊緣和角點(diǎn)的效果；5.1.2SUSAN邊緣檢測(cè)SUSAN：最?。⊿mallest）核同值區(qū)圓形檢測(cè)模板（各向同性）：37個(gè)像素,半徑為3.4像素

5.1.2SUSAN邊緣檢測(cè)檢測(cè)對(duì)模板中的每個(gè)像素進(jìn)行得到輸出的游程和（runningtotal）實(shí)際使用SUSAN時(shí)，采用S與幾何閾值G（設(shè)為G=3Smax/4）的差進(jìn)行比較：其中Smax是S所能取的最大值；

USAN面積越小，邊緣響應(yīng)就越大。5.1.2SUSAN邊緣檢測(cè)邊緣方向的確定 根據(jù)非零強(qiáng)度的像素確定邊緣的方向 點(diǎn)A和B都是標(biāo)準(zhǔn)的邊緣點(diǎn)，各落在邊緣的一邊 從USAN重心到模板核的矢量與邊緣局部方向垂直

5.1.2SUSAN邊緣檢測(cè)邊緣方向的確定 根據(jù)非零強(qiáng)度的像素確定邊緣的方向 點(diǎn)C落在兩個(gè)邊緣的中間

USAN是沿邊緣方向的細(xì)條，找最長(zhǎng)的對(duì)稱軸

5.1.2SUSAN邊緣檢測(cè)特點(diǎn)

有噪聲時(shí)的性能較好

不需要計(jì)算微分

對(duì)面積計(jì)算中的各個(gè)值求和（積分）

非線性響應(yīng)特點(diǎn)

易自動(dòng)化實(shí)現(xiàn)

控制參數(shù)的選擇簡(jiǎn)單

參數(shù)的任意性較小5.2 特色的取閾值技術(shù)

5.2.1

多分辨率閾值選取在較大尺度下檢測(cè)真正的峰點(diǎn)和谷點(diǎn)，較小尺度下對(duì)這些峰點(diǎn)和谷點(diǎn)精確定位。

5.2.2

借助過渡區(qū)選擇閾值5.2.1多分辨率閾值選取

1. 確定分割區(qū)域的類數(shù) 利用在粗分辨率下的直方圖細(xì)節(jié)信息 尺度函數(shù)f(x)：低通濾波器

圖像直方圖H(x)的低通分量為 直方圖的多分辨率小波分解表示 {S2i[H(x)],W2i[H(x)],1≤i

≤I}

5.2.1多分辨率閾值選取

1. 確定分割區(qū)域的類數(shù) 在分辨率為21時(shí)確定初始的區(qū)域分割類數(shù)

判斷直方圖中獨(dú)立峰的個(gè)數(shù) 獨(dú)立峰應(yīng)滿足三個(gè)條件: (1) 具有一定的灰度范圍 (2) 具有一定的峰下面積 (3) 具有一定的峰谷差5.2.1多分辨率閾值選取

2. 確定最優(yōu)閾值(1) 用從負(fù)值變化到正值的零交叉點(diǎn)確定峰的起點(diǎn)(2) 用從正值變化到負(fù)值的零交叉點(diǎn)確定峰的終點(diǎn)(3) 用起點(diǎn)和終點(diǎn)間的最大值點(diǎn)確定峰的位置(4) 用前一個(gè)峰的終點(diǎn)和后一個(gè)峰的起點(diǎn)間的最小值點(diǎn)確定這兩個(gè)峰之間谷點(diǎn)的位置

5.2.1多分辨率閾值選取

2. 確定最優(yōu)閾值分辨率增加

閾值數(shù)目也增加；設(shè)在兩相鄰尺度2i+1和2i

所對(duì)應(yīng)的閾值分別為和當(dāng)l=k時(shí)取最小值，表明在尺度尺度2i+1的閾值對(duì)應(yīng)在尺度2i的閾值因此，可以對(duì)在最低分辨率一層選取的所有閾值逐層跟蹤，最后選取在最高分辨率一層的對(duì)應(yīng)閾值作為最優(yōu)閾值5.2.2借助過渡區(qū)選擇閾值

討論區(qū)域和邊界算法時(shí)認(rèn)為區(qū)域的并集覆蓋了整個(gè)圖像而邊界本身是沒有寬度的。

實(shí)際數(shù)字圖像中邊界是有寬度的，它也是圖像中的一個(gè)區(qū)域，一方面它將不同的區(qū)域分隔開來，具有邊界的特點(diǎn)，另一方面，它面積不為零，具有區(qū)域的特點(diǎn)，這類特殊區(qū)域稱為過渡區(qū)。

可以先計(jì)算圖像中目標(biāo)和背景間的過渡區(qū)，再進(jìn)一步選取閾值進(jìn)行分割。1. 過渡區(qū)和有效平均梯度5.2.2借助過渡區(qū)選擇閾值有效平均梯度總梯度值非零梯度像素總數(shù)其中5.2.2借助過渡區(qū)選擇閾值為減少干擾，特定義如下特殊的剪切變換：將剪切了的部分定義為剪切值；高端剪切低端剪切其中，L為剪切值；若對(duì)剪切后的圖像求梯度，則梯度函數(shù)必然與剪切值L有關(guān)，由此得到的EAG也成了L的函數(shù)EAG(L)5.2.2借助過渡區(qū)選擇閾值EAG(L)與剪切方式有關(guān)，對(duì)應(yīng)低端和高端剪切的EAG(L)可分別寫成EAGlow(L)和EAGhigh(L)；通過對(duì)TG和TP的分析可知，典型的EAGlow(L)和EAGhigh(L)曲線都是單峰曲線；EAGlow(L)和EAGhigh(L)的極值點(diǎn)分別為L(zhǎng)low和Lhigh，兩極值點(diǎn)對(duì)應(yīng)圖像灰度集合中的兩個(gè)特殊值，由它們可確定過渡區(qū)。有效平均梯度的極值點(diǎn)和過渡區(qū)邊界過渡區(qū)是一個(gè)由兩個(gè)邊界圈定的2D區(qū)域，其中像素灰度由兩個(gè)1D灰度空間的邊界灰度值Llow和Lhigh限定。這兩個(gè)極值點(diǎn)具有如下三個(gè)主要性質(zhì)：對(duì)每個(gè)過渡區(qū)，

Llow和Lhigh總是存在且只存在一個(gè)；Llow和Lhigh對(duì)應(yīng)的灰度值都具有明顯的像素特性區(qū)別能力；對(duì)同一個(gè)過渡區(qū)，

Lhigh不會(huì)比Llow低，實(shí)際圖像中，

Lhigh總大于Llow5.2.2借助過渡區(qū)選擇閾值5.3分水嶺分割算法

分水嶺（watershed，也稱分水線/水線）

把圖像看成3-D地形的表示，即2-D的地基 （對(duì)應(yīng)圖像空間）加上第3維的高度（對(duì)應(yīng) 圖像灰度）

計(jì)算過程是串行的，得到的是目標(biāo)的邊界

5.3.1

基本原理和步驟

5.3.2

算法改進(jìn)和擴(kuò)展5.3.1基本原理和步驟

1. 分水嶺 建立不同目標(biāo)間的分水嶺（漲水法）谷底孔分水嶺對(duì)不同尺寸的接觸圓目標(biāo)的分割5.3.1基本原理和步驟

2. 分水嶺計(jì)算步驟 待分割圖像f(x,y)，其梯度圖像為g(x,y) 用M1,M2,…,MR表示g(x,y)中各局部極小值的像素位置，C(Mi)為與Mi對(duì)應(yīng)的區(qū)域中的像素坐標(biāo)集合。 用n表示當(dāng)前梯度閾值，T[n]代表記為(u,v)的像素集合，g(u,v)<n， 對(duì)Mi所在的區(qū)域，其中滿足條件的坐標(biāo)集合Cn(Mi)可看作一幅二值圖像

5.3.1基本原理和步驟

2. 分水嶺計(jì)算步驟5.3.1基本原理和步驟

2. 分水嶺計(jì)算步驟

用C[n]代表在灰度閾值為n時(shí)圖像中所有滿足梯度值小于n的像素

C[max+1]將是所有區(qū)域的并集(max是圖像灰度范圍的最大值）

C[n–1]是C[n]的子集，C[n]是T[n]的子集，所以C[n–1]又是T[n]的子集，因此每個(gè)C[n–1]中的連通組元都包含在一個(gè)T[n]的連通組元中。5.3.1基本原理和步驟

2. 分水嶺計(jì)算步驟算法初始化C[min+1]=T[min+1]，然后算法逐步迭代。設(shè)步驟n時(shí)已經(jīng)建立了C[n-1]，由C[n-1]得到C[n]的過程如下：令S代表T[n]中的連通組元集合，對(duì)每個(gè)連通組元s

S[n]，有3種可能性：(1) s∩C[n–1]是1個(gè)空集(2) s∩C[n–1]里包含C[n–1]中的一個(gè)連通組元(3) s∩C[n–1]里包含C[n–1]中一個(gè)以上的連通組元分別處理如下：(1) C[n]可由把連通組元s加到C[n–1]中得到(2) C[n]可由把連通組元s加到C[n–1]中得到(3) 需要在s中建分水嶺5.3.1基本原理和步驟

2. 分水嶺計(jì)算步驟原始圖閾值分割分水嶺疊加輪廓5.3.2算法改進(jìn)和擴(kuò)展

1. 利用標(biāo)記控制分割過分割（over-segmentation） 受圖像中噪聲和其它不規(guī)則結(jié)構(gòu)影響利用標(biāo)記（marker）

標(biāo)記本身是圖像中的一個(gè)連通組元內(nèi)部標(biāo)記：對(duì)應(yīng)目標(biāo)，應(yīng)有相同灰度并組成一個(gè)連通的局部極小值區(qū)域；外部標(biāo)記：對(duì)應(yīng)背景，運(yùn)用分水嶺算法，將得到的分水嶺作為外部標(biāo)記。5.3.2算法改進(jìn)和擴(kuò)展

1. 利用標(biāo)記控制分割流程框圖5.3.2算法改進(jìn)和擴(kuò)展

1. 利用標(biāo)記控制分割 示例 (a)表示部分覆蓋的兩個(gè)區(qū)域 (b