《mvchp区域分析》ppt课件

1、区区 域域 分分 析析Chapter 4 Region Analysis第第 4 4 章章 1 区域和边缘区域和边缘Region and Edge 如何准确解释一幅图像？ 区域: 相互连结的具有类似特性的一组像素 边缘：区域边境上的像素(pixel) 2 2 分割的定义分割的定义segmentationsegmentation图像分割最简方式图像分割最简方式: 把灰度图把灰度图(gray image)转换成二值图。转换成二值图。低层视觉低层视觉高层视觉高层视觉中层视觉中层视觉图像分割图像分割v 图像分割是中层视觉中的最根本问题，也是计算视觉和图像了解中的最根本问题之一。它还是该领域国际学术界公

2、认的将会长期存在的最困难的问题之一。v 图像分割之所以困难的一个重要缘由是其并不完全属于图像特征提取问题，它还涉及到各种图像特征的知觉组织。v从普通意义上来说，只需对图像内容的彻底了解，才干产生完美的分割。经过限制图像的类型，可以降低图像分割的难度。讨论：基于区域的分割基于边缘检测的分割实际上，区域分割和边缘检测应该产生一样的结果3 自动阈值化法自动阈值化法auto-threshold 直方图histogram简单阈值化方法的问题 221122(,),(,) 基于场景中的物体、环境和运用域等知识：对应于基于场景中的物体、环境和运用域等知识：对应于物体的图像灰度特性，物体的尺寸，物体在图像中所占

3、比物体的图像灰度特性，物体的尺寸，物体在图像中所占比例，图像中不同类型物体的数量。运用上述知识并在无人例，图像中不同类型物体的数量。运用上述知识并在无人介入的情况下自动选取阈值的方法称为自动阈值化方法介入的情况下自动选取阈值的方法称为自动阈值化方法自动阈值化算法通常运用灰度直方图来分析图像中自动阈值化算法通常运用灰度直方图来分析图像中灰度值的分布，并运用特定运用域知识来选取最适宜的阈灰度值的分布，并运用特定运用域知识来选取最适宜的阈值由于所用的知识具有普遍性，因此大大添加了算法的值由于所用的知识具有普遍性，因此大大添加了算法的运用范围运用范围自动阈值化方法自动阈值化方法(1) 模态方法(mod

4、e) 图像中的物体、背景各具有一灰度值，图像被零均值高斯噪声污染，灰度分布曲线是由两个正态分布函数叠加而成图像直方图将会出现两个分别的峰值，阈值选取波谷最正确。 具有不同灰度均值的多物体图像中背景和物体灰度值正态分布参数为：2220011,.,nn 222112233, (2) 迭代式阈值选择迭代式阈值选择算法算法4.1 迭代式阈值选择算法迭代式阈值选择算法1. 选一初始阈值，如选一初始阈值，如:灰度均值灰度均值2. 利用阈值把图像分割成两组，利用阈值把图像分割成两组，R1和和R23. 计算区域计算区域R1和和R2的均值的均值 、4. 选择新的阈值选择新的阈值 5. 反复反复24步，直到步，直

5、到 和和 的均值不再变化为止的均值不再变化为止阈值的改良战略是这一方法的关键阈值的改良战略是这一方法的关键122112()/2T(3) 自顺应阈值化方法 场景照明不均匀时， 一个阈值？ 把图像分成mm个子图像，求出子图像的阈值。分割的最后结果是一切子图像割的逻辑并。(4) 变量阈值化方法变量阈值化方法在不均匀照明条件下的另一种适用的阈值化方法是运用简单的函数，如平面、二次曲面等，来逼近不均匀照明下的物体图象与背景图象之间的分界面。分界面在很大程度上是由背景灰度值确定的。 (5)双阈值方法双阈值方法在许多运用中，属于物体的某些灰度值是知的然在许多运用中，属于物体的某些灰度值是知的然而，能够还有一

6、些灰度值或者属于物体，或者属于背而，能够还有一些灰度值或者属于物体，或者属于背景在这种情况下，人们能够运用一个保守一点的阈值景在这种情况下，人们能够运用一个保守一点的阈值T1T1来分别物体图像，称之为物体图像核，然后，运用有关算来分别物体图像，称之为物体图像核，然后，运用有关算法来增长物体图像法来增长物体图像增长物体图像的方法取决于特定的运用，通常运用增长物体图像的方法取决于特定的运用，通常运用另一个阈值来吸收那些图像核像素的邻接像素，或用图像另一个阈值来吸收那些图像核像素的邻接像素，或用图像强度特性如直方图来决议属于物体区域上的那些点，强度特性如直方图来决议属于物体区域上的那些点，一种简单的

7、方法是吸收低于第二个阈值一种简单的方法是吸收低于第二个阈值T2T2并且与原先物体并且与原先物体图像点相连结的一切点图像点相连结的一切点 算法4.2 区域增长的双阈值算法1、选择两个阈值T1和T22、把图像分割成三个区域：R1，包含一切灰度值低于阈值T1的像素；R2，包含一切灰度值位于阈值T1和T2之间的像素；R3，包含一切灰度值高于阈值T2的像素3、查看分配给区域R2中的每一个像素假设某一像素邻接区域R1，那么把这一像素重新分配给R14、反复步骤3直到没有像素被重新分配5、把区域R2剩下的一切像素重新分配给R36 直方图方法的局限性直方图方法的局限性恒定灰度值恒定灰度值.在物体图像具有恒定灰度

8、值的情况下特在物体图像具有恒定灰度值的情况下特别有用假设场景中不同部分具有不同的照明，那别有用假设场景中不同部分具有不同的照明，那么，即使图像中仅包含有一个物体，也无法用一个么，即使图像中仅包含有一个物体，也无法用一个阈值来分割图像阈值来分割图像 没有利用图像强度的空间信息没有利用图像强度的空间信息.基于直方图的图像分基于直方图的图像分割方法没有利用图像强度的空间信息，因此，在本割方法没有利用图像强度的空间信息，因此，在本质上存在着局限性直方图仅描画了图像强度分布，质上存在着局限性直方图仅描画了图像强度分布，因此具有不同灰度空间分布的图像能够具有类似的因此具有不同灰度空间分布的图像能够具有类似

9、的直方图例如，用直方图无法区分随机分布的黑白直方图例如，用直方图无法区分随机分布的黑白点图像、黑白棋格图像和黑白各半的图像点图像、黑白棋格图像和黑白各半的图像 4 区域表示区域表示region representation 三类型：阵列表示； 层级表示； 基于特征的区域表示。区域有许多运用，也有许多种表示方法不同的表区域有许多运用，也有许多种表示方法不同的表示方法有着不同的运用一些运用只需计算单个区示方法有着不同的运用一些运用只需计算单个区域，而另一些那么需求计算图像各区域的关系本域，而另一些那么需求计算图像各区域的关系本节将讨论几种区域表示方法并研讨它们的特性需节将讨论几种区域表示方法并研讨

10、它们的特性需求指出，区域完全可以表示成封锁轮廓，求指出，区域完全可以表示成封锁轮廓， 4.1 阵列表示阵列表示 区域表示的根本方式是一个与原始图像一样大小的阵列，阵列元素表示像素所属区域这样，假设阵列元i,j具有标志a，那么对应的图像像素就属于区域a这种表示的最简单例子是二值图像，其中每个像素属于区域0或属于区域1另一种表示方法是运用模板(mask)或比特位图(bitmap)每一个区域对应一个二值图像，称之为模板，表示图像中哪些像素属于该区域把模板重叠在原始图像上，可以求得对应区域的强度特性。4.2 层级表示层级表示 图像可以用多种不同的分辨率来表示显然，降图像可以用多种不同的分辨率来表示显然

11、，降低图像的分辨率可以降低阵列的尺寸，但要丧失一些信低图像的分辨率可以降低阵列的尺寸，但要丧失一些信息，使得信息恢复任务比较困难然而，降低分辨率可息，使得信息恢复任务比较困难然而，降低分辨率可以降低对存储器容量和计算速度的要求以降低对存储器容量和计算速度的要求图像的层级表示可以是多分辨率表示在许多运图像的层级表示可以是多分辨率表示在许多运用中，首先在低分辨率下进展图像特性计算，然后在高用中，首先在低分辨率下进展图像特性计算，然后在高分辨率上对图像某一选定区域再进展精细计算多级图分辨率上对图像某一选定区域再进展精细计算多级图像表示也在图像阅读中得到了广泛地运用像表示也在图像阅读中得到了广泛地运用

12、 (1) 金字塔型金字塔型2X2阵列图像的金字塔型pyramid表示包含了原图像和原图像的k个递减图像，在图像的金字塔型表示中，L层的像素是经过对L+1层的假设干像素组合得到的在顶层或0层，图像表示为单一像素；而底层那么是原始图像或未被递减的图像某一层的一个像素表示下一层的几个像素的合成信息 图45 图像多分辨率表示表示图。(a) 递减分辨率的图像是经过求四个像素的平均值得到的；(b) 原图像为512 512的多分辨率表示；三种节点：白、黑和灰度三种节点：白、黑和灰度一个区域可以分裂成大小一样的四个子区域。对于每一个子一个区域可以分裂成大小一样的四个子区域。对于每一个子区域，假设其一切点或者是

13、黑的，或者是白的，那么该区域区域，假设其一切点或者是黑的，或者是白的，那么该区域不再进展分裂；但假好像时包含有黑白两种点，那么以为该不再进展分裂；但假好像时包含有黑白两种点，那么以为该区域是灰度区域，可以进一步分裂成四个子区域经过这种区域是灰度区域，可以进一步分裂成四个子区域经过这种不断分裂得到的图像就可用树型构造表示分裂过程不断进不断分裂得到的图像就可用树型构造表示分裂过程不断进展，直到树中没有灰度区域树构造中的每一个节点或者是展，直到树中没有灰度区域树构造中的每一个节点或者是一个树叶，或者包含有四个子节点，故称为四叉树一个树叶，或者包含有四个子节点，故称为四叉树 (2) 四叉树型(quar

14、ter-tree) 建立四叉树原始图像；把原始图像分裂成为四个子区域；分裂图像(b)中的灰度区域成为四个子区域； 分裂最后一个灰度区域，得到最后的四叉树区域可用特征表示。常用特征：最小外接区域可用特征表示。常用特征：最小外接矩形、中心矩、欧拉数、灰度均值、方差等相矩形、中心矩、欧拉数、灰度均值、方差等相邻区域的相互位置关系也可作为特征。邻区域的相互位置关系也可作为特征。区域用边缘表示，另外讨论。4.3 基于特征的区域表示基于特征的区域表示(feature-based)4.4 图像分割数据构造图像分割数据构造为了实现用于图像分割的区域合并和分裂算为了实现用于图像分割的区域合并和分裂算法，所生成的

15、区域必需以某种数据构造保管合法，所生成的区域必需以某种数据构造保管合并和分裂运算要运用区域之间的边境信息以及区并和分裂运算要运用区域之间的边境信息以及区域的总体特性，因此，为了更容易地处置区域特域的总体特性，因此，为了更容易地处置区域特征，人们提出许多相应的数据构造在本节，我征，人们提出许多相应的数据构造在本节，我们将讨论几种用于区域合并和分裂的数据构造们将讨论几种用于区域合并和分裂的数据构造 区域邻接图区域邻接图region adjacency graphs, RAG表示图像中表示图像中区域与区域之间的关系，区域的不同特性可以存贮在不同区域与区域之间的关系，区域的不同特性可以存贮在不同的节点

16、数据构造中的节点数据构造中RAG中的节点表示区域，节点之间的中的节点表示区域，节点之间的弧线表示区域的公共边境弧线表示区域的公共边境1区域邻接图区域邻接图算法算法43 区域邻接图生成算法区域邻接图生成算法1、扫描阵列、扫描阵列A并在每一个像素角标并在每一个像素角标i,j完成以下各步完成以下各步;2、让、让 r1=Ai,j即把即把Ai,j的区域节点号赋值给的区域节点号赋值给r1;3、查看像素在、查看像素在i,j的邻接像素的邻接像素k,l对每一个临近像对每一个临近像 素，进展下一步素，进展下一步;4、让、让r2=Ak,l, 假设假设r1r2，在区域邻接图的节点，在区域邻接图的节点r1 和和r2之间

17、添加一条弧线之间添加一条弧线 。2超级网格超级网格在某些运用中，希望把分割信息存贮在图像阵列中在这种情况下表示边境会遇到一些问题直观地看，边境应位于两个邻接区域的像素之间然而，在图像阵列表示中，边境只能用实践的像素来表示处理这一问题的方法是引进超级网格假设原始图像是nn，那么超级网格就是2n12n1阵列每一个像素被八个位于超级网格上的非像素点包围非像素点用来表示两个像素之间的边境，以及边境的方向图48 超级网格区域表示左：图像网格；中：传统的边境表示；右：超级网格表示5 分裂与合并分裂与合并(split and merge) 具有恒定灰度的区域，阈值化算法的输出也经常包含有许多额外的区域呵斥这

18、一问题的主要缘由是高频噪声和不同区域灰度值的缓变 在基于灰度特征进展区域的初始分割后，所得到的区域能够需求进一步细化分割或修正处置 运用分裂和合并的组合算法可以实现自动细化分割运算分裂和合并运算是经过合并属于同一物体的邻接区域来消除错误的边境和虚伪的区域，同时可以经过分裂属于不同物体的区域来增添丧失的边境合并运算就是把类似的邻接区域组合起来算法算法4.4 区域合并算法区域合并算法1、运用阈值法或其它简单的方法进展图像的初始、运用阈值法或其它简单的方法进展图像的初始 区域分割，然后进展连通域标志；区域分割，然后进展连通域标志；2、 建立图像的建立图像的RAG ；3、 对于图像中的每一个区域，完成

19、以下步骤：对于图像中的每一个区域，完成以下步骤： a查看能否与邻接区域类似查看能否与邻接区域类似, b合并类似的区域，并修正合并类似的区域，并修正RAG；4、 反复步骤反复步骤3，直到没有区域可以合并，直到没有区域可以合并5.1 区域合并区域合并 邻接区域类似性的两种评价方法邻接区域类似性的两种评价方法1、几何代数法：比较它们的灰度均值。假设灰度、几何代数法：比较它们的灰度均值。假设灰度均值无法用预先设置的灰度值来区分，那么可以均值无法用预先设置的灰度值来区分，那么可以以为它们类似，并确定为合并的候选区域以为它们类似，并确定为合并的候选区域 这这一方法的改良方式是运用曲面拟合方法，以便确一方法

20、的改良方式是运用曲面拟合方法，以便确定能否存在一个曲面来逼近区域定能否存在一个曲面来逼近区域2、统计法：、统计法： 用假设检验方法来评判邻接区域的用假设检验方法来评判邻接区域的类似性。类似性。假设灰度值服从概率分布，根据相邻区域能否具假设灰度值服从概率分布，根据相邻区域能否具有一样的概率分布函数思索能否合并它们有一样的概率分布函数思索能否合并它们 当区域包含有n个像素，每个像素灰度值为 , 服从正态分布： (44)普通情况下，上面所述参数是未知的，但可以运用样本来估计这些参数的最大似然估计方程为： (45) nigi,.,2 , 1, .21)(222)(igiegpniign11niign1

21、22.) (12)(02)(012)(1002121212021120212120202121)2(1.)2(121),(),(mmmmgmmmmigmmiimmeeeHgpHgggpmmiii ),(200uN2221112122112111)2(1)2(1)|,(mmmmmmmmeeHgggggp ),(211uN),(222uN2121210021121.)| ,()| ,(mmmmHggpHggpL 似然比低于某一阈值，阐明这两个区域可以合并为一个区域5.2 区域分裂区域分裂假设区域的某些特性不是恒定的，那么假设区域的某些特性不是恒定的，那么区域应该分裂基于分裂方法的图像分割过程区域应

22、该分裂基于分裂方法的图像分割过程是从最大的区域开场，多数情况下常把整个图是从最大的区域开场，多数情况下常把整个图像作为起始分裂的图像。像作为起始分裂的图像。在某些运用场所，灰度方差常作为评价在某些运用场所，灰度方差常作为评价灰度图像与等值灰度图像接近程度的测度在灰度图像与等值灰度图像接近程度的测度在其它的一些运用中，可用拟合函数来逼近灰度其它的一些运用中，可用拟合函数来逼近灰度值，拟合函数与实践的灰度值之差可作为区域值，拟合函数与实践的灰度值之差可作为区域类似度的度量类似度的度量 算法算法4.5 区域分裂算法区域分裂算法 1. 构成初始区域；构成初始区域； 2. 对图像的每一个区域，延续执行下

23、面两步：对图像的每一个区域，延续执行下面两步： a计算区域灰度值方差计算区域灰度值方差 b假设方差值大于某一阈值，那么沿着某假设方差值大于某一阈值，那么沿着某 一适宜的一适宜的边边 界分裂区域界分裂区域5.3 分裂和合并分裂和合并分裂和合并运算可以同时进展，也就是说，用阈值分裂和合并运算可以同时进展，也就是说，用阈值化方法预分割后，延续进展分裂和合并，最后得到化方法预分割后，延续进展分裂和合并，最后得到图像的准确分割分裂和合并组合算法对分割复杂图像的准确分割分裂和合并组合算法对分割复杂的场景图像非常有用引入运用域知识，可提高分的场景图像非常有用引入运用域知识，可提高分裂和合并算法的有效性。裂和

24、合并算法的有效性。 算法算法46 区域分割的分裂与并合算法：区域分割的分裂与并合算法：1、设整幅图像为初始区域；、设整幅图像为初始区域；2、选一个区域、选一个区域R，假设，假设P(R) 错误，那么把该区域分裂成错误，那么把该区域分裂成四个四个 子区域；子区域；3、思索图像中恣意两个或更多的邻接子区域、思索图像中恣意两个或更多的邻接子区域R1,R2,Rn;4、假设、假设P(R1R2Rn)正确，那么把这正确，那么把这n个区域合并个区域合并成成 一个区域；一个区域；5、反复以上各步，直到不能再进展区域分裂和合并、反复以上各步，直到不能再进展区域分裂和合并 6 区域增长区域增长根本思绪：根本思绪：图像可以划分成区域，而区域可以用简单函数模型化图像可以划分成区域，而区域可以用简单函数模型化寻觅初始区域核，并从区域核开场，逐渐增长核区域，构寻觅初始区域核，并从区域核开场，逐渐增长核区域，构成满足一定约束的较大的区域成满足一定约束的较大的区域 一致性谓词一致性谓词: 基于区域灰度平面或二次曲面函数拟合基于区域灰度平面或二次曲面函数拟合.通常通常,一致性谓词是基于图像区域的特征一致性谓词是基于图像区域的特征: 平均强度、方差、纹理平均强度、方差、纹理和颜色等和颜色等.平面和二次曲面模型是一些基函数的线性组合，其中基函数包含了各阶双变量多项式模型可以表示为：