数字图像处理 第七章图像分割

1、第七章第七章 图像分割图像分割本章要点l概述l边缘检测算子l边缘追踪概述l图像分割- 指把图像分成互不重叠、各具特性的区域并提取出感兴趣目标的技术和过程l分割的目的：将图像划分为不同区域l区域-互相连通的、有一致属性的像素的集合。概述l图像分割的基本策略l分割算法基于灰度值的两个基本特性：不连续性和相似性l检测图像像素灰度级的不连续性，找到点、线（宽度为1）、边（不定宽度）。先找边，后确定区域。l基于边缘提取的分割法概述l图像分割的基本策略l检测图像像素的灰度值的相似性，通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边l区域分割，区域增长，分裂-合并分割第七章第七章 图像分割图像分

2、割本章要点l概述l边缘检测算子l边缘追踪边缘检测算子l什么是边缘？l图像中像素灰度有阶跃变化或屋顶变化的像素的集合l一组相连的像素集合，这些像素位于两个区域的边界上l边缘的分类：阶跃状和屋顶状（增减转折处）阶跃变化屋顶变化边缘检测算子l边缘的检测：一阶和二阶导数可用于检测图像中的一个点是否在边缘上。l阶跃式边缘（拐点）：一阶导数到达极值，二阶导数呈现零点。l屋顶式边缘（极值）：二阶导数到达极值，一阶导数呈现零点。l一阶导数使用梯度算子，二阶导数使用拉普拉斯算子边缘检测算子l梯度算子l一阶导数算子，对噪声敏感l梯度模板l利用梯度构建边缘二值图像1( , )g(x,y)=0Grad x yT其他边

3、缘检测算子边缘检测算子l方向算子一组模板l用一组模板对图像像素做卷积，选取最大值作为边缘强度，方向作为边缘方向l八方向Kirsch3*3模板各模板方向夹角为45度-533-503-533-5-5-5303333333303-5-5-533330-53-5-5-5-53-50333333-530-533-53-5-530-5333333-503-5-53边缘检测算子l拉普拉斯算子l二阶算子l优点：对细线和孤立点检测 效果好l缺点：不能检测边缘的方向 产生双像素边缘 噪声双倍加强l检测前预处理：图像平滑边缘检测算子l马尔算子 也称为高斯型的拉普拉斯算子Log 先采用高斯型函数对图像进行平滑，目的是

4、减少噪声的影响。 然后再用拉普拉斯算子检测图像中的边缘信息。l模板为222222x +y-2x +y222-224222h(x,y)=eg(x,y)=h(x,y)*f(x,y)(x +y )h=eg=h*fxyh-式中 是方差（ ， ）称为高斯 拉普拉斯滤波算子边缘检测算子lCanny最优边缘检测算子 二维空间的Canny算子能产生梯度方向和强度两个信息，使得它的边缘检测和定位优于高斯-拉普拉斯算子，后者仅产生边缘强度信息。222x +y-22n1(x,y)=e2cosn(x,y) =(x,y)/ n=n(x,y)n=sin(x,y)/(x,y)=(x,y)/nGGGGGxGGyf(x,y)*

5、G最优二维算子 取高斯函数 一阶 方向导数 式中， 计算使取得最大值的方(x,y)*fxyn=(x,y)*fxy(x,y)*fxy =(x,y)*fxyGGGG（ ， ）向，得到梯度方向为（ ， ） 最大输出响应即梯度强度为 （ ， ）（ ， ） 原图l log边缘l canny边缘第七章第七章 图像分割图像分割本章要点l概述l边缘检测算子l边缘追踪边缘追踪l边缘追踪：将检测的边缘点连接成线，也称为边缘连接l边缘追踪的过程l可构成线特征的边缘提取l将边缘连接成线。l分析图像中每个边缘点的一个邻域内的像素，根据某种准则将相似点进行连接，由满足该准则的像素连接形成边缘边缘追踪原始图像：检测车牌牌照

6、Sobel算子的Gy分量Sobel算子的Gx分量边缘连接的结果梯度值15，梯度方向差检测阈值?是，作为跟踪的初始点（可能有多个），并作为对象点l寻找可能的边缘点寻找可能的边缘点 （1）扫描跟踪邻域（下一行/下n行），检测像素值差跟踪阈值？是，作为与上行检测出来的对象点相邻接的像素，作为对象点； （2）继续扫描下个跟踪邻域，直至跟踪领域中没有一个像素被接受为对象点，本曲线跟踪结束。（3）如果同时有多个相邻接的像素对象点，说明曲线发生分支，每个分支同时进行跟踪。若多个分支发生合并，继续对合并曲线进行跟踪，直至以第一行的对象点出发的所有曲线跟踪完毕。l扫描第2m行未被接受为对象点的所有像素，执行前述

7、步骤，直到所有行扫描完毕，结束跟踪。95845366428155657236187465355266641742111111111111111111111111111图a 输入图像图b 边缘曲线初始点检测，检测阈值=7图c 跟踪后的图像，跟踪阈值=4边缘追踪边缘追踪l全向跟踪法l光栅跟踪法依赖于扫描方向，且会遗漏平行于扫描方向的边缘点l全向跟踪法改变了邻域定义和跟踪准则，跟踪方向可以任意，并且有足够大的跟踪距离，克服了以上缺点。l跟踪邻域：为全向型（如8邻域）l跟踪准则：灰度、对比度、两点距离等习题lP155 4、8附：数学形态学l基本概念l膨胀与腐蚀l开运算与闭运算 基本概念基本概念l数学形

8、态学图像处理数学形态学图像处理 结构元素与结构元素与二值图像二值图像进行进行逻辑运算逻辑运算，产生新的图像的，产生新的图像的图像处理方法。图像处理方法。l结构元素结构元素S是集合概念上的二值图像是集合概念上的二值图像l为简单起见，结构元素为为简单起见，结构元素为3 3，且全都为，且全都为1。l当结构元素的原点（为中心点）移到点当结构元素的原点（为中心点）移到点(x,y)时，记为时，记为Sxy 。111111111 101101111011011101结构元素结构元素S S0000图像图像B B111111111结构元素结构元素S 基本概念基本概念l腐蚀与膨胀腐蚀与膨胀腐蚀与膨胀腐蚀与膨胀(Er

9、osion and Dilation)1 腐蚀腐蚀l定义：定义：E = B S = x,y | Sxy Bl结果：使二值图像减小一圈。结果：使二值图像减小一圈。l算法：算法：l结构元素中心移动到图像中一个像素；结构元素中心移动到图像中一个像素；l如果结构元素覆盖的二值图像结果都为如果结构元素覆盖的二值图像结果都为1，则，则结果该像素为结果该像素为1；否则为；否则为0；l扫描整个图像。扫描整个图像。腐蚀与膨胀腐蚀与膨胀(Erosion and Dilation)l腐蚀腐蚀 111111111结构元素结构元素S S腐蚀与膨胀腐蚀与膨胀(Erosion and Dilation)1111001110

10、110111110011100110111101101010000000000011000000000101000000l腐蚀作用l使物体边界减少像素l去掉小于结构元素的物体l分开有细小连通的两物体腐蚀与膨胀腐蚀与膨胀(Erosion and Dilation)2 膨胀膨胀l定义：定义：E = B S = x,y | SxyB l结果：使二值图像扩大一圈。结果：使二值图像扩大一圈。l算法：算法：l用用3 3的结构元素，扫描图像的每一个像素的结构元素，扫描图像的每一个像素l用结构元素覆盖的二值图像都为用结构元素覆盖的二值图像都为0，结果图，结果图像该像素为像该像素为0；否则为；否则为1l扫描整个

11、图像。扫描整个图像。腐蚀与膨胀腐蚀与膨胀(Erosion and Dilation)l膨胀膨胀 111111111结构元素结构元素S腐蚀与膨胀腐蚀与膨胀(Erosion and Dilation)1101110110111011100111001110111101111111111111111111111111111111111111l膨胀作用l使物体边界增加像素l连通距离较近的两物体l填补图像分割后物体中的空洞腐蚀与膨胀腐蚀与膨胀(Erosion and Dilation)1 开运算开运算l思路：先腐蚀，再膨胀思路：先腐蚀，再膨胀l定义：定义：B S = （B S） Sl结果：结果：1）消除细小对象。）消除细小对象。2）在细小粘连处分离对象。）在细小粘连处分离对象。3）在不改变形状和不明显改变面积的前提下，平）在不改变形状和不明显改变面积的前提下，平滑对象的边缘。滑对象的边缘。开开- -闭运算闭运算(Opening-Closing)2 闭