第七章 图象分割技术4

2023/10/1217.8空间聚类

阈值分割概念的推广 特征值对应特征空间点

直方图 像素灰度为特征 灰度-梯度散射图 像素灰度和梯度为特征分割：像素分类 特征空间聚类（取阈值是1-D聚类） 高维空间聚类（分类能力较强）7.8空间聚类1.K-均值聚类——将特征点赋给均值离它最近的类聚类方法将n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。(1)任意选K个初始类均值 (2) 特征点赋类 (3) 更新类均值 (4) 判断算法收敛1.K-均值聚类——将特征点赋给均值离它最近的类2023/10/125

ISODATA聚类

迭代的方法

调整聚类模式的平均值聚类方法2023/10/126区域生长 串行区域类

基本思想： 将相似象素结合起来构成区域

基本步骤： (1)选择区域的种子象素 (2)确定将相邻象素包括进来的准则 (3)制定生长停止的规则7.9区域生长●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●R1R5R4R3R27.9区域生长如图给出已知种子点区域生长的一个示例。1047510477015552056522564115551155511555115551155511575115771155521555225551111111111111111111111111(a)(b)(c)(d)(a)给出需要分割的图像，设已知两个种子象素(标为深浅不同的灰色方块)，现在进行区域生长采用的判断准则是：如果所考虑的象素与种子象素灰度值差的绝对值小于某个门限T，则将该象素包括进种子象素所在的区域(b)给出T=3时区域生长的结果，整幅图被较好的分成2个区域(c)给出T=1时区域生长的结果，有些象素无法判定(d)给出T=6时区域生长的结果，整幅图都被分成1个区域。区域生长法时需要解决三个问题：（1）选择或确定一组能正确代表所需区域的种子象素（2）确定在生长过程中能将相邻象素包括进来的准则（3）制定让生长过程停止的条件或规则7.9区域生长(1)选择和确定一组能正确代表所需区域的种子像素一般原则为：

①接近聚类重心的像素可作为种子像素。例如，图像直方图中像素最多且处在聚类中心的像素；②红外图像目标检测中最亮的像素可作为种子像素；③按位置要求确定种子像素；④根据某种经验确定种子像素。⑤迭代－从大到小逐步收缩7.9区域生长(2)确定在生长过程中能将相邻像素合并进来的相似性准则。主要有：

①当图像是彩色图像时，可以各颜色为准则，并考虑图像的连通性和邻近性；②待检测像素点的灰度值与已合并成的区域中所有像素点的平均灰度值满足某种相似性标准，比如灰度值差小于某个值；③待检测点与已合并成的区域构成的新区域符合某个大小尺寸或形状要求等。7.9区域生长生长准则和过程区域生长的一个关键是选择合适的生长或相似准则，大部分区域生长准则使用图像的局部性质。生长准则可根据不同原则制定，而使用不同的生长准则，将会影响区域生长的过程。主要介绍3种基本的生长准则和方法基于区域灰度差基于区域内灰度分布统计性质基于区域形状基于区域灰度差区域生长方法将图像以象素为基本单位来进行操作基于区域灰度差的方法主要有如下步骤：

（1）对图像进行逐行扫描，找出尚没有归属的象素（2）以该象素为中心检查它的邻域象素，即将邻域中的象素逐个与它比较，如果灰度差小于预先确定的阈值，将它们合并（3）以新合并的象素为中心，返回到步骤2，检查新象素的邻域，直到区域不能进一步扩张（4）返回到步骤1，继续扫描直到不能发现没有归属的象素，则结束整个生长过程步骤采用上述方法得到的结果，对区域生长起点的选择有较大依赖性，为克服这个问题，可采用下面改进方法：这种方法简单，但由于仅考虑了从一个象素到另一个象素的特性是否相似，因此对于有噪声的或复杂的图像，使用这种方法会引起不希望的区域出现。另外，如果区域间边缘的灰度变化很平缓，如图a所示，或者对比度弱的两个相交区域，如图b所示，采用这种方法，区域1和区域2将会合并起来，从而产生错误（1）设灰度差的阈值为0，用上述方法进行区域扩张，使灰度相同象素合并（2）求出所有邻域区域之间的平均灰度差，并合并具有最小灰度差的邻接区域（3）设定终止准则，通过反复进行上述步骤2中的操作将区域依次合并，直到终止准则满足为止区域1区域2(a)

区域2区域1(b)单连接区域增长技术为了克服这个问题，可不用新象素的灰度值去和邻域象素的灰度值比较，而用新象素所在区域的平均灰度值去和各邻域象素的灰度值进行比较对于一个含N个象素的图像区域R，其均值为：m=∑Rf(x,y)/N对象素的比较测试可表示为：max|f(x,y)-m|<T,T为给定的阈值R考虑两种情况：（1）设区域为均匀的，各象素灰度值为均值m与一个0均值高斯噪声的叠加，当用上式测试某个象素时，条件不成立的概率为，这就是误差函数,当T取3倍方差时,误判概率为1-(99.7%)N，这表明，当考虑灰度均值时，区域内的灰度变化应尽量小P(T)=2∫T∞exp[-z2/(2σ2)]dz/√2πσ（2）设区域为非均匀的，且由两部分象素构成。这两部分象素在R中所占的比例分别为q1和q2，灰度值分别为m1和m2，则区域均值为q1m1+q2m2。对灰度值为m1的象素，它与区域均值的差为：Sm=m1-(q1m1+q2m2)根据测试准则，可知正确判决的概率为：P(T)=[P(|T-Sm|)＋P(|T+Sm|)]/2这表明，当考虑灰度均值时，不同部分象素间的灰度差应尽量大混合连接区域增长技术实例设一幅图像，如图(a)所示，检测灰度为9和7，平均灰度均匀测度度量中阈值K取2，分别进行区域增长55864897228533335586489722853333558648972285333355864897228533335586489722853333(a)原图(b)(c)(d）(e)在原图(a)中，以9为起点开始区域增长，第一次区域增长得到3个灰度值为8的邻点，灰度级差值为1，如图(b)所示，此时这4