第8章 圖象分割基礎(chǔ)課件

第8章圖象分割基礎(chǔ)第8章圖象分割基礎(chǔ)

8.1 圖象分割定義和技術(shù)分類

8.2 并行邊界技術(shù)

8.3 串行邊界技術(shù)

8.8 并行區(qū)域技術(shù)

8.5 串行區(qū)域技術(shù)

第8章圖象分割基礎(chǔ)8.1 圖象分割定義和技術(shù)分類圖象分割嚴(yán)格定義(1) (2)對(duì)所有的

i和j，，有 (3)對(duì)i=1,2,…,n，有P(Ri)=TRUE (8)對(duì)，有 (5)對(duì)i=1,2,…,n，Ri是連通的區(qū)域

第8章圖象分割基礎(chǔ)8.1 圖象分割定義和技術(shù)分類圖象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8章圖象分割基礎(chǔ)8.2 并行邊界技術(shù) 8.2.1 邊緣及檢測(cè)原理 8.2.2 正交梯度算子

8.2.3 方向微分算子

8.2.8 二階導(dǎo)數(shù)算子

8.2.5 邊界閉合

8.2.6 邊界細(xì)化第8章圖象分割基礎(chǔ)8.2.2正交梯度算子1、梯度算子

一階差分算子矢量

幅度

方向角第8章圖象分割基礎(chǔ)8.2.2正交梯度算子1、梯度算子

利用模板（與圖象進(jìn)行）卷積 模板比較

①邊緣粗細(xì)；②方向性第8章圖象分割基礎(chǔ)8.2.2正交梯度算子2、綜合正交算子

灰度不連續(xù)：+點(diǎn)、直線段（特例）第8章圖象分割基礎(chǔ)8.2.3方向微分算子基于特定方向上的微分來(lái)檢測(cè)邊緣八方向Kirsch（3

3）模板

第8章圖象分割基礎(chǔ)8.2.3方向微分算子邊緣強(qiáng)度：卷積值的最大值的絕對(duì)值邊緣方向：卷積值的最大值的符號(hào) 模板的對(duì)稱性

模板數(shù)減半 可將各系數(shù)值線性變換到整數(shù)值，其中絕對(duì)值最小的系數(shù)變換為單位值

第8章圖象分割基礎(chǔ)8.2.8二階導(dǎo)數(shù)算子1、拉普拉斯算子 二階差分算子第8章圖象分割基礎(chǔ)8.2.8二階導(dǎo)數(shù)算子1、拉普拉斯算子 對(duì)圖象中的噪聲相當(dāng)敏感 產(chǎn)生雙象素寬的邊緣 不能提供邊緣方向的信息第8章圖象分割基礎(chǔ)8.2.8二階導(dǎo)數(shù)算子2、馬爾算子(1) 用一個(gè)2-D的高斯平滑模板與源圖象卷積(2) 計(jì)算卷積后圖象的拉普拉斯值(3) 檢測(cè)拉普拉斯圖象中的過(guò)零點(diǎn)作為邊緣點(diǎn)第8章圖象分割基礎(chǔ)8.2.8二階導(dǎo)數(shù)算子3、坎尼算子 好的邊緣檢測(cè)算子應(yīng)具有的三個(gè)指標(biāo)(1) 低失誤概率 既要少將真正的邊緣丟失也要少將非邊緣判為邊緣

(2) 高位置精度 檢測(cè)出的邊緣應(yīng)在真正的邊界上

(3) 對(duì)每個(gè)邊緣有唯一的響應(yīng) 得到的邊界為單象素寬

第8章圖象分割基礎(chǔ)8.2.5邊界閉合 有噪聲時(shí)：邊緣象素常孤立/分小段連續(xù)

封閉邊界（輪廓）：連接邊緣象素 一種具體方法

利用象素梯度的幅度和方向： 象素(s,t)在象素(x,y)的鄰域第8章圖象分割基礎(chǔ)8.2.6邊界細(xì)化 利用非最大消除模板實(shí)現(xiàn)邊界細(xì)化(1) 計(jì)算當(dāng)前象素的梯度方向(2) 選取與梯度方向正交的模板(3) 考察所覆蓋兩個(gè)象素的梯度方向(8) 比較當(dāng)前象素與所覆蓋象素的梯度值第8章圖象分割基礎(chǔ)8.3 串行邊界技術(shù)基本思路： 先檢測(cè)邊緣象素/邊界段 再逐次連接成閉合邊界（輪廓） 互相結(jié)合，順序進(jìn)行

②串行邊界類

8.3.1 圖搜索

8.3.2 動(dòng)態(tài)規(guī)劃第8章圖象分割基礎(chǔ)8.3.1圖搜索

將邊緣象素和邊界段用圖表示

圖：G={N,A}

結(jié)點(diǎn)集{n1,...}

結(jié)點(diǎn)對(duì)集{(ni,nj)}

通路代價(jià)

父結(jié)點(diǎn)

父結(jié)點(diǎn)

子結(jié)點(diǎn)第8章圖象分割基礎(chǔ)8.3.1圖搜索邊緣元素代價(jià)函數(shù)第8章圖象分割基礎(chǔ)8.4 并行區(qū)域技術(shù)

8.4.1 原理和分類

8.4.2 依賴象素的閾值選取

8.4.3 依賴區(qū)域的閾值選取

8.4.8 依賴坐標(biāo)的閾值選取

8.4.5 空間聚類第8章圖象分割基礎(chǔ)8.4.1原理和分類

取閾值進(jìn)行分割

圖象模型： 雙峰直方圖（對(duì)應(yīng)目標(biāo)和背景的2個(gè)單 峰直方圖混合而成） 大小接近，均值相距足夠遠(yuǎn)，均方差足夠小取閾值分割步驟：

③并行區(qū)域類 (1)確定閾值（關(guān)鍵/難點(diǎn)） (2)根據(jù)閾值對(duì)象素分類第8章圖象分割基礎(chǔ)8.4.1原理和分類

單閾值分割圖象 對(duì)灰度圖（取值在gmin和gmax之間）確定一個(gè) 灰度閾值T（gmin<T<gmax）第8章圖象分割基礎(chǔ)8.4.1原理和分類

多閾值分割圖象 確定一系列分割閾值第8章圖象分割基礎(chǔ)8.4.1原理和分類

閾值分割方法分類

(1)依賴象素的（全局）閾值方法： 僅根據(jù)f(x,y)來(lái)選取閾值 (2)依賴區(qū)域的（局部）閾值方法： 根據(jù)f(x,y)和p(x,y)來(lái)選取閾值 (3)依賴坐標(biāo)的（動(dòng)態(tài)）閾值方法： 除根據(jù)f(x,y)和p(x,y)來(lái)選取，還與x,y有關(guān)

將前兩種閾值也稱為固定閾值第8章圖象分割基礎(chǔ)8.4.2依賴象素的閾值選取

3. 由直方圖凹凸性確定的閾值 直方圖的一個(gè)峰淹沒(méi)在另一個(gè)峰旁的緩坡里

直方圖的包絡(luò)

區(qū)域凸包

最大凸殘差

分割閾值

第8章圖象分割基礎(chǔ)8.4.3依賴區(qū)域的閾值選取

1. 直方圖變換 僅利用象素灰度可能出現(xiàn)的問(wèn)題： 灰度直方圖的谷被填充 借助鄰域性質(zhì)變換原來(lái)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(zhuǎn)化而來(lái)第8章圖象分割基礎(chǔ)8.4.3依賴區(qū)域的閾值選取

2、灰度-梯度散射圖2-D直方圖

2-D圖象 1個(gè)軸是灰度值軸 1個(gè)軸是梯度值軸

示例 目標(biāo)，背景聚類 第8章圖象分割基礎(chǔ)8.4.8依賴坐標(biāo)的閾值選取

全局閾值不能兼顧圖象各處的情況 用與坐標(biāo)相關(guān)的一系列閾值來(lái)對(duì)圖象分割基本思想/思路： 將圖象分解成一系列子圖象 對(duì)每個(gè)子圖象計(jì)算一個(gè)閾值 對(duì)這些子圖象閾值進(jìn)行插值 用插值結(jié)果（閾值曲面）進(jìn)行分割第8章圖象分割基礎(chǔ)8.4.5空間聚類

分割：象素分類 特征空間聚類（取閾值是1-D聚類） 高維空間聚類（分類能力較強(qiáng)）第8章圖象分割基礎(chǔ)8.4.5空間聚類

K-均值聚類 (1) 任意選K個(gè)初始類均值 (2) 特征點(diǎn)賦類 (3) 更新類均值 (8) 判斷算法收斂第8章圖象分割基礎(chǔ)8.5 串行區(qū)域技術(shù) 從區(qū)域著手順序進(jìn)行 ④串行區(qū)域類 串行策略特點(diǎn)： 當(dāng)前處理借助早期結(jié)果 優(yōu)點(diǎn)：抗噪聲，抗干擾 缺點(diǎn)：較復(fù)雜，費(fèi)時(shí)間

8.5.1 區(qū)域生長(zhǎng)

8.5.2 分裂合并第8章圖象分割基礎(chǔ)8.5.1區(qū)域生長(zhǎng)

基本思想： 將相似象素結(jié)合起來(lái)構(gòu)成區(qū)域基本步驟： (1)選擇區(qū)域的種子象素 (2)確定將相鄰象素包括進(jìn)來(lái)的準(zhǔn)則 (3)制定生長(zhǎng)停止的規(guī)則

討論： (1)種子象素的選取 (2)生長(zhǎng)準(zhǔn)則依賴應(yīng)用第8章圖象分割基礎(chǔ)8.5.1區(qū)域生長(zhǎng)

生長(zhǎng)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(zhǎng) (3)根據(jù)圖象邊緣確定生長(zhǎng)何時(shí)終結(jié)原始圖

T=3T=2T=7第8章圖象分割基礎(chǔ)8.5.2分裂合并

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(shù)）：分裂分裂合并

第8章圖象分割基礎(chǔ)8.5.2分裂合并

令R代表整個(gè)圖象區(qū)域，P代表邏輯謂詞

把R連續(xù)地分裂成越來(lái)越小的1/8的正方形子 區(qū)域Ri，并且始終使P(Ri)=TRUE(1)對(duì)任一個(gè)區(qū)域Ri，如果P(Ri)=FALSE，就將 其分裂成不重疊的四等分(2)對(duì)相鄰的兩個(gè)區(qū)域Ri和Rj，如果P(Ri∪Rj)= T