第五章 图像分割.ppt

第五章图像分割，图像分割示例：虹膜定位，主要内容5.1不连续检测5.2边缘连接和边界检测5.3阈值处理5.4基于区域的分割5.5基于形态学分水岭的分割(自学)。概念1，图像分割指的是将图像分成子区域或对象的过程。2.在图像中选择性地定位感兴趣对象的位置和范围。虹膜定位，原则1，基于灰度的不连续性。(地区间)2。基于灰度的相似性。(内部区域)3。使用灰度不连续性和灰度相似性。5.1不连续检测1点检测(1)该原理使用空间高通滤波器来检测孤立点。与我们以前学过的过滤器有什么不同？(2)示例，(3)MATLAB实现，点检测模板w:检测方法：g=防抱死制动系统(imfilter (double (f)，w)=TexSample f=imread( moon . TIF )；w=-1-1-1；-18-1；-1-1-1；g=abs(imfilter(双(f)，w)；t=最大(g(:)；T=T * 0.9g=g=T；imshow(f)；图，imshow(g)；双线检查(1)原则模板检查。(2)实例，(3)MATLAB实现，水平模板，45度模板，垂直模板，-45度模板。示例f=imread( wire bond _ mask . TIF )；imshow(f)；w=2-1-1；-12-1；-1-12；g=abs(imfilter(双(f)，w)；图，imshow(g)；3边缘检测(1)基本A，两个边缘模型，B，一阶导数和二阶导数，特征1，一阶导数：在斜率上，导数值为正，在平坦区域上为零。2.二阶导数：在转换点，一个是正的，一个是负的，另一个是零。(过零点)，c，噪声对一阶导数和二阶导数的影响，以及噪声对一阶导数和二阶导数的影响，尤其是对二阶导数的影响，因此在边缘检测之前应考虑平滑。(2)梯度算子a，梯度算子b，各种梯度模板，c，例子，问题：为什么图像的梯度只需要计算x和y方向的梯度？图5-10，用Prewitt算子进行边缘检测的结果和用Sobel算子进行边缘检测的结果，(3)拉普拉斯算子a，拉普拉斯算子b，LoG算子，为什么LoG算子是在拉普拉斯算子的基础上引入的？(4)MATLAB实现，语法：G，T=EDGE (F，“方法”，参数)描述：G是一个逻辑数组，其值为：F中检测到的边缘位置为1，其他位置为零；t是用于边缘的阈值；方法是一种边缘监测方法，可选择为：“索贝尔”、“普雷维特”、“罗伯茨”、“对数”、“零科斯”、“精明”等。参数由两部分组成：t是指定的阈值，第二部分是dir(边缘检测的首选方向：“水平”、“垂直”、“两者”)或sigma(标准方差)或h(指定的滤波函数)。示例：f=imread( rice . TIF )；imshow(f)；g Sobel，t=edge(f，“Sobel”)；图，im show(gsobel)；glog，t=edge(f，“log”)；图，imshow(glog)；格查尼。图，im show(gcan ny)；5.2边缘连接和边界检测1基于边缘点连接的局部处理，分析图像中每个点(x，y)的小邻域(例如，3*3或5*5)中的像素的特征，并且连接满足相似性标准的点以形成边缘。霍夫变换用于处理整个问题(1)在找到边界点集后，需要连接形成一个完整的边界图描述。(2)霍夫变换是检测直线的基本思想。对于边界上n个点的点集，找到共线点集和直线方程。让任意两点的线性方程为y=ax b，并构造一个带有参数a和b的平面。a和xy平面上的任意直线y=ax b对应于参数ab平面上的一个点。所有通过xy平面上的点(x，y)的直线在参数ab平面上形成一条直线。如果点(x1，y1)和(x2，y2)共线，则参数ab平面上这两点的直线将相交。d、直线在参数ab平面上相交最多的点，以及相应xy平面上的直线是我们的解决方案、y、x、(x1、y1)、(x2、y2)、a、b、a、a、(3)示例，3MATLAB实现，基于霍夫变换的直线检测器的设计和实现。(作业)，5.3阈值处理1基础(1)单阈值分割，思考问题：如何找到阈值？(2)多阈值分割，(3)阈值处理的分类，a .全局阈值处理t仅取决于f(x，y)，即仅取决于灰度值。局部阈值处理t取决于f(x，y)和p(x，y)。动态(自适应)阈值处理t取决于空间坐标x和y，f(x，y)是点(x，y)的灰度级，p(x，y)表示点(x，y)的局部性质。2、光照不均匀的影响，光照条件差的图像，用单一阈值难以分割。常用的改进措施：3基本全局阈值处理，4基本自适应阈值处理，亮度不均匀等成像因素都会导致单一全局阈值无法有效分割。另一个改进措施是将图像进一步细分成子图像，并使用不同的阈值来分割不同的子图像。你还有其他什么改进吗？5、最佳全局和自适应阈值(自学)，6、利用边界特征改进直方图和局部阈值处理，(1)基本思想如果直方图的峰值很高、很窄、对称且被深谷切割，则阈值处理有很好的效果。一种改进直方图形状的方法是只考虑边缘附近的像素，这样直方图对目标和背景大小的依赖性就变小了。此外，使用一些简单度量的像素往往会加深直方图峰值之间的谷值，例如拉普拉斯算子。(2)对图像分别进行基本方法a、梯度运算和拉普拉斯运算；(局部操作)B、从梯度图计算阈值T；c、生成三级图像：d、扫描和标记目标和物体。()(-、)(0，或)(、-)()，7基于不同变量的阈值(自学)8MATLAB实现，全局阈值处理语法：t=灰色阈值(f)描述：t是阈值，标准化为0和1之间的值。局部阈值处理由形态封顶算子计算，灰度阈值用于获得结果。示例：f=imread( cell . TIF )；imshow(f)；t=灰色阈值(f)。g=f=T；图，imshow(g)；补充材料：快速和鲁棒的指纹图像分割方法，1，33均值滤波效果，2，Sobel算子锐化增强和自适应阈值，非锐化增强和全局阈值锐化增强和自适应阈值，3，消除边界效应，4形态学操作。该方法运行速度快，鲁棒性好，具有很好的使用价值。5.4基于区域划分1区域划分的集合描述，区域R被划分为几个子区域R1、R2、RN，满足五个条件：1)完整性：2)连通性：每个Ri是一个连通区域3)独立性：对于任何ij，RiRj=，4)单一性：每个区域中的灰度级相等，P(Ri)=TRUE，I=1，2，N5)互斥：任意两个区域的灰度不相等，P(RiRj)=FALSE，I J，两个区域增长。算法实现：1)根据图像的不同应用，选择一个或一组种子，即最亮或最暗的点或位于点簇中心的点。2)选择相似性标准。(灰度、颜色、纹理、梯度等的特征。相似)3)开始从种子向外扩展，并连续添加与集合中的每个像素相连且满足集合相似性标准的像素。4)前一过程继续进行，直到不再有满足条件的新节点加入集合。(终止条件)，区域A，种子像素，种子选择条件：最亮点。相似性准则：新增加的像素值和生长区域的平均值小于2，并且是4连通的。终止标准：不添加像素。课堂练习：(区域增长)，3个区域的分离和合并，算法实现：1)将图像中不同灰度的区域分成4个子区域，2)如果相邻子区域中所有像素的灰度相同，则进行合并。(3)重复前两个步骤，直到不再有新的拆分和合并。，课堂练习：(区域拆分-合并)，4MATLAB实施，设计和实施基于区域增长的细分计划。(job)，分割后处理语法：BW2=bwfill(BW1，c，r，n)描述：填充二进制图像的背景颜色。(形态学处理)，语法：b区域开放描述：二进制图像区域开放以