图像处理和分析技术 -章毓晋-41127TIPA-3-05

图像处理和分析技术,章毓晋清华大学电子工程系100084北京,第5章图像编码技术,5.1分割定义和方法分类5.2微分边缘检测5.3积分角点检测5.4主动轮廓模型5.5取阈值分割5.6基于过渡区选取阈值5.7特征空间聚类5.8区域生长5.9分水岭算法,5.1分割定义和方法分类,图像分割把图像分成各具特性的区域并提取出感兴趣目标的技术和过程图像中感兴趣部分常称为目标或前景（其他部分称为背景）,5.1分割定义和方法分类,图像分割定义(1)(2)对所有的i和j，ij，有RiRj=(3)对i=1,2,n，有P(Ri)=TRUE(4)对ij，有P(RiURj)=FALSE(5)对i=1,2,n，Ri是连通的区域,5.1分割定义和方法分类,图像分割算法分类两个准则：(1)像素灰度值特性(2)处理策略,5.2微分边缘检测,微分边缘检测原理边缘是灰度值不连续的结果利用求导数检测不连续一般常用一阶和二阶导数3种边缘剖面：阶梯状；脉冲状；屋顶状,5.2微分边缘检测,梯度算子矢量,5.2微分边缘检测,拉普拉斯算子二阶导数算子对应中心像素的系数应是正的，而对应中心像素之邻近像素的系数应是负的，且所有这些系数的和应该是零,5.2微分边缘检测,马尔算子将图像与如下2-D高斯函数的拉普拉斯相卷积以消除噪声令r2=x2+y2，以对r求二阶导数来计算拉普拉斯值,轴对称函数,5.3积分角点检测,USAN原理核同值区：相对于模板的核，模板中有一定的区域与它有相同的灰度模板放在图中6个不同位置,5.3积分角点检测,SUSAN算子角点检测最小核同值区检测模板：共37个象素，半径为3.4个象素输出响应,5.3积分角点检测,检测：对模板中的每个象素进行得到输出的游程和边缘响应几何阈值G=3Smax/4，其中Smax是S所能取的最大值,5.3积分角点检测,SUSAN算子的特点有噪声时的性能较好不需要计算微分对面积计算中的各个值求和（积分）非线性响应特点易自动化实现控制参数的选择简单参数的任意性较小（与模板尺寸无关）,5.4主动轮廓模型,主动轮廓图象上一组排序点的集合处在轮廓上的点可通过解一个最小能量问题来迭代地逼近目标的边界Eint(vi)是依赖于轮廓形状的（内部）能量函数Eext(vi)是依赖于图象性质的（外部）能量函数,5.4主动轮廓模型,主动轮廓能量函数,当前根据能量项所能确定的最小能量位置,当前主动轮廓上的一个点,5.4主动轮廓模型,内部能量推动主动轮廓形状的改变并保持轮廓上点间的距离(1)连续能量(5.4.5)迫使不封闭的曲线变成直线而封闭的曲线变成圆环(2)膨胀力(5.4.8)强制轮廓在没有外来影响的情况下扩展或收缩,5.4主动轮廓模型,外部能量将变形模板向感兴趣的特征（如边缘）吸引构建能量函数：考虑目标的尺寸和形状(1)图象灰度能量(5.4.11)将轮廓推向高或低的灰度区域（避免局部极值）(2)图像梯度能量(5.4.12)将轮廓推向边缘（找寻目标边界）,5.5取阈值分割,原理步骤取单个阈值分割后的图像可定义为,5.5取阈值分割,阈值选取假设图像由具有单峰灰度分布的目标和背景组成，对双峰直方图可选择谷为阈值将直方图的包络看作1条曲线，则选取直方图的谷可借助求曲线极小值来进行受到噪声等影响时对谷的直接检测很困难,5.5取阈值分割,直方图变换具有低梯度值像素的直方图，其中峰之间的谷比原直方图深；具有高梯度值像素的直方图，其中的峰是由原直方图的谷转化而来,5.5取阈值分割,灰度-梯度散射图2-D直方图，其中1个轴是灰度值轴，1个轴是梯度值轴，统计值是同时具有某个灰度值和梯度值的像素个数,5.6基于过渡区选取阈值,过渡区和有效平均梯度有效平均梯度剪切变换对应高端剪切EAGhigh(L)对应低端剪切EAGlow(L),5.6基于过渡区选取阈值,有效平均梯度的极值点和过渡区边界典型的EAGhigh(L)和EAGlow(L)曲线都是单峰曲线，即它们都各有一个极值以EAGlow(L)曲线为例TGlow(L)和TPlow(L)曲线变化趋势不同,5.6基于过渡区选取阈值,有效平均梯度的极值点和过渡区边界设EAGhigh(L)和EAGlow(L)曲线的极值点分别为Lhigh和Llow，可用来确定过渡区,两个极值点的三个性质,5.6基于过渡区选取阈值,阈值选取可借助过渡区（包括多个时）来是帮助选取阈值,5.7特征空间聚类,对阈值分割概念的推广K-均值聚类将一个特征空间分成K个聚类最小化每个特征点与其对应类均值的距离和具体的K-均值法步骤,5.7特征空间聚类,ISODATA聚类(1)设定N个聚类中心位置的初始值(2)对每个特征点求取离其最近的聚类中心位置，通过赋值把特征空间分成N个区域(3)分别计算属于各聚类模式的平均值(4)将最初的聚类中心位置与步骤(3)得到的新平均值进行比较，如果相同则停止，如果不同则返回步骤(2)继续进行,5.8区域生长,基本方法一种从单个像素出发，逐渐合并以形成所需分割区域的基于区域的串行分割技术三个问题(1)选择或确定一组能正确代表所需区域的种子像素(2)确定在生长过程中能将相邻像素包括进来的准则(3)制定让生长过程停止的条件或规则,5.8区域生长,区域生长示例选取种子像素根据准则判断生长与否准则中门限的选择很重要,5.9分水岭算法,分水岭将图像看成3-D地形，即2-D的地基（对应图像空间）加上第3维的高度（对应图像灰度）分水线为两个山峰上流下来的水汇聚的地方,5.9分水岭算法,分水岭建立不同目标间的分水岭（涨水法）,5.9分水岭算法,分水岭计算步骤逐渐增加一个灰度阈值，借助前后二值图像的逻辑异或操作并确定出灰度局部极大值的位置,本章要点,5.1节图像分割的定义和方法分类5.2节用微分检测边缘的原理和方法5.3节SUSAN算子检测角点的原理和方法5.4节主动轮廓模型及其能量函数5.5节取阈值分割和利用直方图变换选取阈值的方法5.6节过渡区的概念和基于过渡区的阈值选取5.7节在特征空间聚类分割的原理和方法5.8节区域生长的