第八章图像分割2

1、8.3.2 边缘连接边缘连接是将近邻的边缘点连接起来从而产生一条闭合的连通边界的过程。一幅边缘图常用边缘点勾画出各个目标的轮廓，但很少能形成图像分割所需要的闭合且连通的边界。因此，需要对间隙加以填充。1 启发式搜索假定一幅边缘图像的某条边界上有一个缺口，两端点为A、B，作为质量的度量，可以建立一个在连接任意两端点的路径上进行计算的函数，为边缘质量函数。首先要对A的邻域点进行评估，衡量哪一个可作为走向B第一步的候选。通常只考虑位于通向B的大致方向上的邻点。选择哪一个点是以能使A点到该点的边缘质量函数最大为原则的，然后该点成为下一次迭代的起点。当最后连接到B时，将新建路径的边缘质量函数与一个阈值比

2、较，如果新建边缘不满足阈值条件，则被舍弃。2 曲线拟合如果边缘点很稀疏，可能需要用分段线性或高阶样条曲线来拟合这些点，从而形成一条为抽取物体所适用的边界。3 边界跟踪假定从一个梯度图像着手进行处理，这个图像中的目标单一且与背景具有反差。因为灰度值最高的点必然在边界上，所以可以把这一点作为边界跟踪过程的起始点。接着，搜索以边界起始点为中心的3*3邻域，找出具有最大灰度值的邻域点作为第2个边界点。如果有两个邻域点具有相同的最大灰度值，就任选一个。从这一点开始，我们起动了一个在给定当前和前一个边界点的条件下寻找下一个边界点的迭代过程。在以当前边界点为中心的3*3邻域内，我们考察前一个边界点位置相对的

3、邻点和这个邻点两旁的两个点。下一个边界点就是上述三点中具有最高灰度值的那个点。如果所有三个或两个相邻边界点具有同样的最高灰度值，我们就选择中间的那个点。如果两个非邻接点具有同样的最高灰度值，我们可以任选其一 。噪声的影响可能使跟踪暂时或永远偏离边界。可以通过跟踪前对梯度图像进行平滑或采用“跟踪虫”（tracking bug）的方法来降低噪声的影响。在虫的每一个位置，对虫覆盖的区域的平均梯度进行计算。当虫位于最高平均梯度位置时，可以从虫的前部选择一个点作为下一个边界点。显然，跟踪虫是在一个更大的空间执行先前描述过的边界跟踪过程、大尺寸的跟踪虫可以完成梯度图像的平滑，从而降低了它对噪声的敏感化，它

4、也限制了边界方向的急剧改变。虫的大小和形状也可以改变以求达到最佳性能。 8.3.3 梯度图像阈值化如果用适中的阈值对一幅梯度图像进行二值化，那么，我们将发现物体和背景内部的点低于阈值而大多数边缘点高于它。Kirsch的分割法利用了这种现象。这种技术首先用一个中偏低的灰度阈值对梯度图像进行二值化从而检测出物体和背景，物体与背景被处于阈值之上的边界点带分开。随着阈值逐渐提高，就引起物体和背景的同时增长。当它们接触上而又不至于合并时，可用接触点来定义边界。这是分水岭算法在梯度图像中的应用。8.4 区域生长方法实际应用时需要注意3个问题：1选择一组能正确代表区域的种子像素；2 确定生长过程中能将相邻像

5、素包括进来的规则；3制定让生长停止的条件或准则。4邻域相似性准则是种子像素与邻接像素的灰度值的差c1(c1为阈值)则合并R1、R2。2 把R1、R2的共同边界的长度设为B，如果W/Bc2(c2为阈值)，则合并R1、R2。1是为了合并得到一致的理想形状。2 用来合并共同边界中低对比度比较多的区域。8.6 数学形态学方法在遥感图像处理中，数学形态学主要用来从高分辨率图像中提取几何信息，对于二值图像最为有效。形态学的基本思想是使用具有一定形态的结构元素来度量和提取图像中的对应形状，从而达到对图像进行分析和识别的目的。二值形态学中的运算对象是集合，通常给出一个图像集合和一个结构元素集合，利用结构元素对

6、图像进行操作。结构元素是一个仅由0和1组成的矩阵。8.6.1 基本概念反射：集合B的反射定义为：平移：通过点z=(z1,z2)进行集合A的平移，定义为：Bb,|如果bwwBAa,|)(如果zaccAz )B(),(),(),( | ),(和AyxByxorAyxyxBAC其他，都为或，或中为或01B11),(ABAyxCBACDIFFERENCEBANOTAORBAANDBAc逻辑运算集合运算8.6.2 腐蚀和膨胀1 腐蚀腐蚀是消除目标所有边界点的一种过程，其结果是目标沿其周边比原物体小一个像素的面积。腐蚀对从一幅分割后的图像中去除小且无意义的目标来说是很有用的。定义为：)( |ABxBAxB

7、平移x后仍在集合A内部的参考点集合。B经过平移后全部包含在A中的原点组成的集合，即用B对A腐蚀是：如果B的原点顺序平移到A中的点(x,y)，B完全包含在A中，那么原点的集合就是腐蚀的结果。对于腐蚀运算来说，如果原点不包括在结构元素中，那么会有两种可能，一种是另一种是：ABAABA2 膨胀膨胀是将与目标接触的所有背景点合并到该目标中的过程。该过程的结果是使目标的面积增大了相应数量的点。膨胀对于填补分割后目标的空洞很有用。图像集合A用结构元素B来膨胀，定义为：)(|ABxBAx用B对A进行膨胀的过程为：首先对B做关于原点的映射，再将其映像平移x，当A与B映像的交集不为空集时，B的原点就是膨胀集合的

8、像素。如果原点不在结构元素中，那么总有3 膨胀与腐蚀的对偶关系 BABABABAcccc)()(8.6.3 开运算和闭运算1 开运算使用同一个结构元素对图像先进行腐蚀然后进行膨胀的运算称为开运算。它具有消除细小目标、在纤细处分离目标、平滑较大目标的边界时不明显改变其面积的作用。2 闭运算先膨胀后腐蚀的过程称为闭运算。它具有填充目标内细小空洞、连接近邻目标、在不明显改变目标面积的情况下平滑其边界的作用。BBABA)(BBABA)(开运算平滑图像轮廓，去掉长的突起、边缘、毛刺。闭运算平滑图像的轮廓，融合窄的缺口和细长的弯口，填补图像的裂缝及破洞。开运算对圆形地物的分割效果较好，闭运算对封闭矩形地物

9、的分割效果较好。8.6.4 腐蚀和膨胀的变种1 收缩收缩是将区域缩小为单一像素的过程。2 细化细化是指减小物体的截面宽度。可将一个曲线形目标细化为一条单像素宽的线，从而圆形化地显示出其拓扑性质。3 抽骨架也称为中轴变换或焚烧草地技术，是一种用来确定物体骨架的细化技术。是所有与目标在两个或更多非邻接边界点处相切的圆心的轨迹。4 剪枝通常，细化和抽骨架过程会在所生成的图中留下毛刺。可通过一系列的消除端点的33运算除去，然后再重建那些留下的分支，这个过程就叫剪枝。5 粗化一些分割技术通常孤立目标的最佳边界太紧贴而不利于后续测量。粗化可在不合并彼此分离的目标的前提下扩大边界，从而修正了这种不足。8.6.5 距离变换距离变换是一种可用于二值图像的运算，运算结果不是另一幅二值图像，而是一个灰度级图像。每个像素的灰度级是该像素与距其最近的背景像素间的距离。倒角算法只需对图像进行两次扫描就可实现一个距离变换。 分水岭算法(从一个初始