图像分割技术.ppt

图像处理IMAGEPROCESSING 自动化工程学院电子工程系教研室王汉萍主讲 7图像分割技术 7 1分割定义和方法分类7 2边缘检测7 3轮廓跟踪和图搜索7 4HOUGH变换 前面已讲过 7 5阈值分割7 6基于变换直方图的阈值7 7基于过渡区的阈值7 8空间聚类7 9区域生长 7 1分割定义和方法分类 图像分割是将图像中有意义或有用的特征提取出来 也可以说 将图像分成各具特点的区域并提取出感兴趣目标的技术和过程 图像分割是由图像处理到图像分析的关键步骤 1图像分割的定义令集合R代表整个图像区域 对R的分割可看作将R分成若干个满足以下5个条件的非空子集 子区域 R1 R2 Rn 对所有的i和j i j 有 对i 1 2 n 有P Ri TRUE 对i j 有P Ri Rj FALSE 对i 1 2 n Ri是连通域 其中P Ri 代表所有集合Ri中元素的某种性质 2图像分割算法根据相邻象素在象素值方面的相似性和不连续性可分为区域法和边界法 根据处理策略不同分为串行算法和并行算法 7 2边缘检测 函数的导数反映图像灰度变化的显著程度 一阶导数的局部极大值和二阶导数的过零点都是图像灰度变化极大的地方 因此可以将导数值作为相应点的边界强度 通过设置门限的方法 提取边界点集 7 2边缘检测算子 1 基于一阶导数的边缘检测算子 常用边缘检测算子有 Robberts算子 Sobel算子 Prewitt算子 log算子 Canny算子 2范数梯度 1范数梯度 范数梯度 Roberts算子 Roberts算子是一种利用局部差分算子寻找边缘的算子 对具有陡峭的低噪声的图像效果好 卷积核分别为 采用范数1衡量梯度的幅度 Sobel算子 Roberts算子对灰度渐变和噪声较多的图像处理得较好 卷积核分别为 采用 范数衡量梯度的幅度 Prewitt算子 Prewitt算子对灰度渐变和噪声较多的图像处理得较好 卷积核分别为 采用 范数衡量梯度的幅度 Canny算子 Canny算子的梯度是用高斯滤波器的导数计算的 该方法不容易受噪声的干扰 能够检测到弱边缘 但是检测边缘的连续性不好 算法步骤 用高斯滤波器平滑图像 计算滤波后图像梯度的幅值和方向 对梯度幅值应用非极大值抑制 其过程为找出图像梯度中的局部极大值点 把其他非局部极大值点置零以得到细化的边缘 用双阈值算法检测和连接边缘 使用两个阈值T1和T2 T1 T2 T1用来找到每条线段 T2用来在这些线段的两个方向上延伸寻找边缘的断裂处 并连接这些边缘 2 基于二阶导数的边缘检测算子 二阶导数的过零点对应边缘点 图基于二阶导数的边缘检测 拉普拉斯 Laplacian 算子 拉普拉斯算子对噪声有极高的敏感性 而且对于双边缘带不易检测出边缘的方向 拉普拉斯 高斯算子 LoG LaplacianofGaussian Mar算子 基本思想 先用高斯函数对图像滤波 然后对滤波后的图像进行拉普拉斯运算 算得的值等于零的点认为是边界点 缺点 产生虚假轮廓 定位精度不高 7 2阈值 threshold 分割 取阈值是最常见的并行的直接检测区域的分割方法 假设图像由具有单峰灰度分布的目标和背景组成 在目标或背景内部的相邻像素间的灰度值是高度相关的 但在目标和背景交界处两边的像素在灰度值上有很大的差别 此时图像的直方图应是双峰的 对这类图像常可用取阈值方法来较好地分割 阈值分割的步骤 对一幅灰度取值在 0 L 1 的图像确定一个灰度阈值T 0 T L 1 然后每个像素的灰度值与T比较 根据结果分为两类 像素的灰度值大于阈值T为一类 像素的灰度值小于阈值T为另一类 像素的灰度值等于阈值T可归为两类之一 确定阈值是关键 阈值的选取办法 极小值点阈值 最优阈值 迭代阈值等等 基于变换直方图的阈值 7 3区域生长 区域生长的基本思想 将具有相似性质的像素结合起来构成区域 具体先对每个需要分割的区域找一个种子像素作为生长的起点 然后将种子像素周围邻域中与种子像素有相同或相似性质的像素 根据某种事先确定的生长或相似准则来判定 合并到种子像素所在的区域小 将这些新像素当做新的种子似素继续进行上面的过程 直到再没有满足条件的像素可被包括进来 这样一个区域就长成了 在实际应用区域生长法时需要解决三个问题 选择或确定一组能正确代表所需区域的种子像素 确定在生长过程中能将相邻像素包括进来的准则 制定让生长过程停止的条件或规则 区域生长的主要步骤 对图像进行逐行扫描 找出尚没有归属的像素 以该像素为中心检查它的邻域像素 即将邻域中的像素逐个与它比较 如果灰度值小于预先确定的阈值 将它们合并 以新合并的像素为中心 返回步骤2 检查新像素的邻域 直到区域不能进一步扩张 返回到步骤1 继续扫描到不能发现没有归属的像素 则结束整个生长过程 问题和改进 上述方法对区域生长的起点的选择有较大的依赖性 可以如下改进 设灰度的阈值为零 用上述方法进行区域扩张 合并像素相同的像素 求出所有的邻接区域之间的平均灰度差 合并具有最小灰度差的邻接区域 设定终止规则 反复进行步骤2中的操作 将区域依次合并