清华大学数字图像处理学习教案

1、会计学1清华大学清华大学(qn hu d xu)数字图像处理数字图像处理第一页，共47页。图像(t xin)分割的基本思路从简到难，逐级分割控制背景环境，降低分割难度把焦点放在增强感兴趣对象，缩小不相干图像(t xin)成分的干扰上第1页/共47页第二页，共47页。2） 概述概述 数字信号处理按其技术特征可以数字信号处理按其技术特征可以(ky)分为三层结构分为三层结构: 图像处理图像处理; 图像分析图像分析; 图像理解与识别图像理解与识别; 第2页/共47页第三页，共47页。第3页/共47页第四页，共47页。第4页/共47页第五页，共47页。第5页/共47页第六页，共47页。第6页/共47页第

2、七页，共47页。第7页/共47页第八页，共47页。图图9-1 49-1 4连通连通(lintng)(lintng)和和8 8连通连通(lintng) (lintng) (a)(b)第8页/共47页第九页，共47页。 4 4连通指的是从区域上一点连通指的是从区域上一点(y din)(y din)出发，可通过出发，可通过4 4个方向，即上、个方向，即上、 下、左、右移动的组合，在不越出区域的前提下，到达区域内的任意像素；下、左、右移动的组合，在不越出区域的前提下，到达区域内的任意像素； 8 8连通方法指的是从区域上一点连通方法指的是从区域上一点(y din)(y din)出发，可通过左、出发，可通

3、过左、 右、上、下、左上、右上、左下、右下这右、上、下、左上、右上、左下、右下这8 8个方向的移动组合来到达区域内的任意像素。个方向的移动组合来到达区域内的任意像素。 第9页/共47页第十页，共47页。 图像分割有三种不同的途径：图像分割有三种不同的途径： 其一是将各像素划归到相应物体或区域的像素聚类方法其一是将各像素划归到相应物体或区域的像素聚类方法, , 即区域法；即区域法； 其二是通过直接确定区域间的边界来实现分割的边界方法；其二是通过直接确定区域间的边界来实现分割的边界方法； 其三是首先检测边缘像素，再将边缘像素连接起来构成边界形成分割。其三是首先检测边缘像素，再将边缘像素连接起来构成

4、边界形成分割。 在图像分割技术在图像分割技术(jsh)(jsh)中，最常用的是利用阈值化处理进行的图像分割。中，最常用的是利用阈值化处理进行的图像分割。第10页/共47页第十一页，共47页。4 4） 灰度阈值法分割灰度阈值法分割 常用的图像分割方法常用的图像分割方法(fngf)(fngf)是把图像灰度分成不同的等级，是把图像灰度分成不同的等级， 然后用设置灰度门限（阈值）的方法然后用设置灰度门限（阈值）的方法(fngf)(fngf)确定有意义的区域或分割物体的边界。常用的阈值化处理就是图像的二值化处理，即选择一阈值，将图像转换为黑白二值图像，用于图像分割及边缘跟踪等预处理。确定有意义的区域或分

5、割物体的边界。常用的阈值化处理就是图像的二值化处理，即选择一阈值，将图像转换为黑白二值图像，用于图像分割及边缘跟踪等预处理。 图像阈值化处理的变换函数表达式为图像阈值化处理的变换函数表达式为 TyxfTyxfyxg),(255),(0),(9-1) 第11页/共47页第十二页，共47页。图图9-2 9-2 阈值变换阈值变换(binhun)(binhun)曲线曲线 2550T255gf第12页/共47页第十三页，共47页。 图图9-3(a)9-3(a)原始图像的直方图如图原始图像的直方图如图9-49-4所示。所示。 该直方图具有双峰特性，图像中的目标该直方图具有双峰特性，图像中的目标(mbio)

6、(mbio)（细胞）分布在较暗的灰度级上形成一个波峰，图像中的背景分布在较亮的灰度级上形成另一个波峰。（细胞）分布在较暗的灰度级上形成一个波峰，图像中的背景分布在较亮的灰度级上形成另一个波峰。 以双峰之间的谷低处灰度值作为阈值以双峰之间的谷低处灰度值作为阈值T T进行图像的阈值化处理，便可将目标进行图像的阈值化处理，便可将目标(mbio)(mbio)和背景分割开来。和背景分割开来。 第13页/共47页第十四页，共47页。图图9-3 9-3 不同阈值对阈值化结果不同阈值对阈值化结果(ji gu)(ji gu)的影响的影响(a) (a) 原始图像；原始图像； (b) (b) 阈值阈值T=91T=9

7、1； (c) (c) 阈值阈值T=130T=130； (d) (d) 阈值阈值T=43T=43(a)(b)(c)(d)第14页/共47页第十五页，共47页。图图9-4 9-4 直方图直方图 第15页/共47页第十六页，共47页。 在图像的阈值化处理过程中，选用不同的阈值其处理结果差异很大；在图像的阈值化处理过程中，选用不同的阈值其处理结果差异很大； 阈值过大，会提取多余的部分；阈值过大，会提取多余的部分； 阈值过小，又会丢失所需的部分；阈值过小，又会丢失所需的部分； 因此，阈值的选取因此，阈值的选取(xunq)(xunq)非常重要。非常重要。 第16页/共47页第十七页，共47页。5 5） 区

8、域生长区域生长 分割的目的是把一幅图像划分成分割的目的是把一幅图像划分成(fn chn)(fn chn)一些区域，最直接的方法就是把一幅图像分成一些区域，最直接的方法就是把一幅图像分成(fn chn)(fn chn)满足某种判据的区域，即将点组成区域。为了实现分组，首先要确定区域的数目，其次要确定一个区域与其他区域相区别的特征，最后还要产生有意义分割的相似性判据。满足某种判据的区域，即将点组成区域。为了实现分组，首先要确定区域的数目，其次要确定一个区域与其他区域相区别的特征，最后还要产生有意义分割的相似性判据。 第17页/共47页第十八页，共47页。 分割区域(qy)的一种方法叫区域(qy)生

9、长或区域(qy)生成。假定区域(qy)的数目以及在每个区域(qy)中单个点的位置已知，则从一个已知点开始，加上与已知点相似的邻近点形成一个区域(qy)。 相似性准则可以是灰度级、彩色、组织、梯度或其他特性，相似性的测度可以由所确定的阈值来判定。 从满足检测准则的点开始，在各个方向上生长区域(qy)，当其邻近点满足检测准则就并入小块区域(qy)中。当新的点被合并后再用新的区域(qy)重复这一过程，直到没有可接受的邻近点时生成过程终止。 第18页/共47页第十九页，共47页。 图9-5给出一个简单的例子(l zi)。此例的相似性准则是邻近点的灰度级与物体的平均灰度级的差小于2。 图中被接受的点和起

10、始点均用下划线标出，其中： （a）图是输入图像； （b）图是第一步接受的邻近点； （c）图是第二步接受的邻近点； （d）图是从6开始生成的结果。 第19页/共47页第二十页，共47页。图图9-5 9-5 区域区域(qy)(qy)生长示例生长示例 第20页/共47页第二十一页，共47页。 从满足检测准则的点开始(kish)(或者已知点)在各个方向上生长出区域。 例如：每一步所接受的邻近点的灰度级与先前物体的平均灰度级相差小于2。 起始：3333382279846855第21页/共47页第二十二页，共47页。 第二步3333382279846855第22页/共47页第二十三页，共47页。33333

11、82279846855 第三步第23页/共47页第二十四页，共47页。2. 2. 边边 缘缘 检检 测测 在视觉计算理论框架中，抽取二维图像上的边缘、角点、纹理等基本特征，是整在视觉计算理论框架中，抽取二维图像上的边缘、角点、纹理等基本特征，是整个系统框架中的第一步。这些特征所组成的图称为基元图。个系统框架中的第一步。这些特征所组成的图称为基元图。 在不同在不同“尺度尺度”意义意义(yy)(yy)下的边缘点，在一定条件下包含了原图像的全部信息下的边缘点，在一定条件下包含了原图像的全部信息。 图图9-79-7是一幅图像中典型的边缘点，仅仅根据这些边缘点，就能识别出三维物体是一幅图像中典型的边缘点

12、，仅仅根据这些边缘点，就能识别出三维物体，可见边缘点确实包含了图像中的大量信息。，可见边缘点确实包含了图像中的大量信息。 第24页/共47页第二十五页，共47页。图9-7 物体边缘(binyun)的作用 第25页/共47页第二十六页，共47页。还处于善之中。第26页/共47页第二十七页，共47页。第27页/共47页第二十八页，共47页。第28页/共47页第二十九页，共47页。第29页/共47页第三十页，共47页。图9-8 图像(t xin)中的边缘点 ACCACBDCC第30页/共47页第三十一页，共47页。第31页/共47页第三十二页，共47页。 典型边缘典型边缘(binyun)(binyu

13、n)信号信号 第32页/共47页第三十三页，共47页。图像中不同类型的边界（a） 边界； （b） 线； （c） 折线(zhxin)变化； （d） 缓慢的平滑变化 (a)(b)(d)(c)第33页/共47页第三十四页，共47页。3. 3. 边边 缘缘 检检 测测 算算 子子 第34页/共47页第三十五页，共47页。) 1,(), 1(),() 1, 1(),(),(yxfyxfyxfyxfyxfyxfyx第35页/共47页第三十六页，共47页。第36页/共47页第三十七页，共47页。)1, 1(), 1(2) 1, 1()1, 1(), 1(2) 1, 1(),()1, 1() 1,(2) 1,

14、 1()1, 1() 1,(2) 1, 1(),(yxfyxfyxfyxfyxfyxfyxfyxfyxfyxfyxfyxfyxfyxfyx第37页/共47页第三十八页，共47页。第38页/共47页第三十九页，共47页。)1, 1(), 1() 1, 1()1, 1(), 1() 1, 1(),()1, 1() 1,() 1, 1()1, 1() 1,() 1, 1(),(yxfyxfyxfyxfyxfyxfyxfyxfyxfyxfyxfyxfyxfyxfyx第39页/共47页第四十页，共47页。第40页/共47页第四十一页，共47页。),(8) 1, 1() 1,() 1, 1(), 1(), 1() 1, 1() 1,() 1, 1(),(),(4) 1,() 1,(), 1(), 1(),(22yxfyxfyxfyxfyxfyxfyxfyxfyxfyxfyxfyxfyxfyxfyxfyxf第41页/共47页第四十二页，共47页。第42页/共47页第四十三页，共47页。第43页/共47页第四十四页，共47页。第44页/共47页第四十五页，共47页。 6. 6.高斯高斯- -拉普拉斯拉普拉斯(LOG)(LOG)算子算子 噪声点对边缘检测有较大的影响，噪声点对边缘检测有较大的影响， 效果更好的边缘检测器是高斯效果更好的边缘检测器是高斯- -拉普拉斯拉