第十一讲图像分割ppt课件

1、第十讲第十讲 图像分割图像分割图像分割图像分割图象分割就是指把图象分成各具特性的区域并提取出图象分割就是指把图象分成各具特性的区域并提取出感兴趣目的的技术和过程。这里特性可以是灰度、颜感兴趣目的的技术和过程。这里特性可以是灰度、颜色、纹理等，目的可以对应单个区域，也可以对应多色、纹理等，目的可以对应单个区域，也可以对应多个区域。个区域。 图象分割是由图象处置进到图象分析的关键步骤，图象分割是由图象处置进到图象分析的关键步骤，也是一种根本的计算机视觉技术。这是由于图象的分也是一种根本的计算机视觉技术。这是由于图象的分割、目的的分别、特征的提取和参数的丈量将原始图割、目的的分别、特征的提取和参数的

2、丈量将原始图象转化为更笼统更紧凑的方式，使得更高层的分析和象转化为更笼统更紧凑的方式，使得更高层的分析和了解成为能够。了解成为能够。 图象分割的定义图象分割的定义分割方法分类分割方法分类PB：并行边境类；SB：串行边境类；PR：并行区域类；SR：串行区域类。 本讲主要内容：本讲主要内容： 点检测 线检测 基于梯度的边缘检测 域值分割全局域值、部分域值，自顺应域值分割 区域合并与区域分裂分水岭分割1.孤立点检测孤立点检测其根本思想：假设一个孤立点此点的灰度级别和其背景的差别相当大，并且其所在的区域是一个均匀的或近似均匀的区域与周围的点不同，那么可以用指定模板检测。可以指定模板为为：1234567

3、89wwwwwwwww其模板呼应记为：91|iiiRw z根据检测图像的情况，设定RT的输出呼应对应孤立点。孤立点检测孤立点检测2.线检测线检测 线检测比点检测略微复杂一点，其根本思想根本一致。 表如今：运用模板留意确定模板的条件或者根本假设对输出呼应决策，需求适宜的决策方法。线检测模板线检测模板线检测决策线检测决策将四模板分别对图像进展检测，假设在某个点的输出呼应， 那么以为此点在与i模板代表线类似。 另外我能够只对某一检测方向上的线感兴趣。我们只运用特定模板给出输出呼应，经过域值法将呼应最剧烈的点提取出来。| |,ijRRji线检测线检测3.边缘检测的梯度方法边缘检测的梯度方法1根本阐明边

4、缘是一个相对部分的概念，而边境是一个更具有整体性的一个概念。边缘理想数字模型和模糊边缘模糊的边缘使两个区域过渡的范围变宽，因此边境较宽；反之，明晰的图像使其边缘变细。边缘模型图例边缘模型图例一阶导数、二阶导数呼应的特点一阶导数、二阶导数呼应的特点梯度算子梯度算子延续图像f (x,y)在位置(x,y)的梯度定义的以下向量：,xTyGfffGxy Roberts算子算子Priwitt算子、算子、sobel算子算子拉普拉斯算子拉普拉斯算子二维函数f(x,y)的拉普拉斯算子是如下定义的二阶导数的函数：22222fffxy 由于二阶导数是导数的导数，同样可用差分的差分表示二阶差分。例如，对于一个点的二阶

5、微分差分等于右差分与左差分的差分表示。Laplacian 算子模板算子模板高斯拉普拉斯算子：高斯拉普拉斯算子： 梯度模板求边缘总结梯度模板求边缘总结首先，从延续函数表示的数字图像入手，分析导数、二阶导数的跟图像边缘的关系。根据离散图像和工程运用的特点，根据数学原理，进展简化，这些简化只需遵守原理，可以根据实践运用作出多种变化。模板与图像的运算的过程，实践上是离散函数的卷积过程。LapLacian of Guassian函数进一步解释函数进一步解释 由于二阶导数是线性运算， 卷积图像，实践上其过程与先用高斯函数卷积，然后再求Laplacian是一样的。 高斯型函数起到平滑作用，减轻噪声的影响，拉

6、普拉斯那么是求过零点。 2hA原图；B.SobelC.高斯函数D.拉普拉斯模板E.LogF.对log设门限G.过零点4.门限处置门限处置直方图与门限处置【演示】这里的f(x,y)是是点(x,y)点的灰度值,p(x,y)表示(x,y)为中心的部分性质 对于门限对于门限T数学的方式表示数学的方式表示 ： , , ( , ),( , )TT x y p x yf x y1( , )( , )0( , )f x yTg x yf x yT域值法分类域值法分类根据对域值T的不同的运用方法,可分为多种域值分割方法.全局门限:T仅取决于f(x,y).局域门限:T取决于f(x,y)和p(x,y).动态自顺应门

7、限:T还取决于空间坐标(x,y)4.2根本全局域值根本全局域值 全局域值是一种最简单的域值处置技术,经过判别图像每一个象素的灰度值,实现目的与背景的区分.这种方法能否胜利完全取决于图像直方图能否能较好的分割.全局域值自动分割全局域值自动分割对于有明显双峰得得直方图可以经过程序,然计算机自动实现.算法:选择一个初始化得估计域值T.用T分割图像,生成两组数据,G1,G2;求两组数据的平均灰度值u1,u2计算新门限值:T=(u1+u2)/2反复2到4,直到迭代所得到的T值之差小于指点的参数T0.解释初始值T和T0的选择.4.3根本自顺应域值根本自顺应域值4.4全局最正确门限和自顺应门全局最正确门限和

8、自顺应门限限4.4基于区域的分割基于区域的分割4.4.2区域分别与合并区域分别与合并令R表示整副图像区域并选择一个谓词P.对R进展分割的一种方法是反复将分割得到的结果图像再次分为四个区域,直到对任何区域Ri,有P(Ri)=True.从整副图像开场,假设P(R)=False,就将图像分为四个区域.假设任何子区域的P值是False,就将4个区域的每个区域再次分为4个区域,如此不断进展下去.这种特使的分割方式用谓词的四叉树表示最为方便. 4.5分水岭分割分水岭分割灰度图像的分水岭算法，就是就灰度值模拟为山的高度。从低到高，分别代表山岭从盆地到分水岭的高度。基于这些概念的分割算法的主要目的是找出分水线。根本思想是：假设在每一区域的最小值的位置上打一个小洞并让水均匀上升速率从洞中涌出，从低到高掩模真个地形。当处在不同汇水盆地的水要聚合在一同时，建筑大坝将阻值聚合。当水继续上升，当水面淹没说有分水岭