第10章图像分割(二)

第10章图像分割10.4基于区域的分割概念：连接（邻接）与连通域(连通分量)四连接（邻接）：当前像素为黑，其四个近邻像素中至少有一个为黑；八连接（邻接）：当前像素为黑，其八个近邻像素中至少有一个为黑。四近邻八近邻10.4基于区域的分割概念：连通域(连通分量)将相互连在一起的黑色像素的集合称为一个连通域。

四接连意义下为6个连通域。

八接连意义下为2个连通域。可以看到，通过统计连通域的个数，即可获得提取的目标物的个数。

从满足检测准则的点开始(或者已知点)在各个方向上生长出区域。例如：检验准则为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。起始方法1:区域生长----分割区域

从满足检测准则的点开始(或者已知点)在各个方向上生长出区域。例如：检验准则为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。第二步区域生长----分割区域

从满足检测准则的点开始(或者已知点)在各个方向上生长出区域。例如：检验准则为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。第三步区域生长----分割区域

基本思想

以一组生长点（可以是单个像素，也可以是某个小区域）开始，搜索其邻域，把图像分割成特征相似的若干区域，比较相邻区域与生长点特征的相似性，若它们足够相似，则作为同一区域合并，形成新的生长点。以此方式将特征相似的区域不断合并、直到不能合并为止，最后形成特征不同的各区域。这种分割方式也称区域扩张法。区域生长----分割区域算法实现：1）根据图像的不同应用选择一个或一组种子，它或者是最亮或最暗的点，或者是位于点簇中心的点2）选择一个描述符（条件,如灰度差小于某个阈值）3）从该种子开始向外扩张，首先把种子像素加入结果集合，然后不断将与集合中各个像素连通、且满足描述符的像素加入集合4）上一过程进行到不再有满足条件的新结点加入集合为止区域生长----分割区域 1）确定区域的数目，也就是选择一组能正确代表所需区域的生长点像素；

2）选择有意义的特征，也就是确定在生长过程中将相邻区域像素包括进来的方式；

3）确定相似性准则，即获取生长过程停止的准则。在实际应用时，要解决三个问题：方法2:区域分裂与合并区域生长过程是从一组生长点开始，通过不断接纳新像素最后得到整个区域。一种替换方法是在开始时将图像分割成一系列任意不相交的区域，然后将他们进行合并或分裂得到各个区域。在这类方法中，最常用的方法是四叉树分解法：区域分裂与合并四叉树方法思想设R表示整个图像区域，P代表逻辑谓词。对R进行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。区域分裂与合并四叉树1）

对任何区域Ri，如果P(Ri)=FALSE，就将每个区域都分裂为4个相连的不重叠区域；2）

对相邻的两个区域Ri和Rj，如果满足P(RiURj)=TRUE则进行合并。合并的两个区域可以大小不同，即不在同一层。当再也没有可以进行合并或分裂的区域，则分割操作停止。区域分裂与合并111112122114113141341423441442434444434区域分裂与合并（a）第一次分裂（b）第二次分裂（c）第三次分裂（d）合并分割结果区域分裂与合并图像分割法图解10.5形态学分水岭分割分水岭（watershed，也称分水线/水线）把图像看成3-D地形的表示，即2-D的地基 （对应图像空间）加上第3维的高度（对应 图象灰度） 建立不同目标间的分水岭谷底孔分水岭基本原理水坝构造所谓的水坝构造是指对分水岭分割方法中所需的水坝或分水线的构造。水坝的构造是以二值图像为基础的，而构造水坝分离二元点集的最简单的方法是使用形态膨胀。水坝构造使用形态膨胀构造水坝(a)在淹没的第个阶段淹没的汇水盆地的两个部分7.6.2水坝构造(b)淹没的第阶段，显示出两个盆地间的水已经溢出(为了显示清楚，水用白色表示而不是黑色)；(c)用于膨胀的结构元素；(d)扩展的结果和水坝的构造算法步骤2. 分水岭计算步骤 待分割图象f(x,y)，其梯度图象为g(x,y) 用M1,M2,…,MR表示g(x,y)中各局部极小值的象素位置，C(Mi)为与Mi对应的区域中的象素坐标集合。 用n表示当前灰度阈值，T[n]代表记为(s,t)的象素集合，g(s,t)<n， 对Mi所在的区域，其中满足条件的坐标集合Cn(Mi)可看作一幅二值图象

算法步骤2. 分水岭计算步骤算法步骤2. 分水岭计算步骤 用C[n]代表在灰度阈值为n时图象中所有满足条件的象素

C[max+1]将是所有区域的并集 C[n–1]是C[n]的子集，C[n]是T[n]的子集，所以C[n–1]又是T[n]的子集

算法步骤2. 分水岭计算步骤 令Q代表T[n]中的连通组元集合，对每个连通组元q

S[n]，有3种可能性：(1) q∩C[n–1]是1个空集(2) q∩C[n–1]里包含C[n–1]中的一个连通组元(3) q∩C[n–1]里包含C[n–1]中一个以上的连通组元 分别处理：(1) C[n]可由把连通组元q加到C[n–1]中得到(2) C[n]可由把连通组元q加到C[n–1]中得到(3) 需要在q中建分水岭算法实例(a)带有斑点的图像(b)梯度图像

(c)分水线(d)叠加于原图中的分水线图10.56形态学分水岭分割法分割实例算法改进和扩展——标记的使用

1. 利用标记控制分割 过分割（over-segmentation） 受图像中噪声和其它不规则结构影响 利用标记（marker）

图像中的一个连通组元 内部标记：对应目标 外部标记：对应背景（分水岭）连接成分的标记

为区分连接成分，求得连接成分个数，连接成分的标记、标号分配操作是不可缺少的。一般在标记的时候把属于同一区域的不同连接成分数标记为不同的标号。也就是说二值图像中的每一个连接成分都有一个属于自己的标记。对属于同一个1像素连接成分的所有像素分配相同的编号，对不同的连接成分分配不同的编号的操作，叫做连接成分的标记。标记通常采用顺序标记的方法。顺序标记法通过对图像从左到右，从上到下作两次扫描来实现标记。标记的例子（a）输入图像（b）标记结果

11......1...11.......11.....111..1......1...11..111...........AA......A...BB.......BB......BBB..C......C....DD..CCC...........算法改进和扩展

2. 分水岭算法的扩展

(1) 选择合适的颜色空间，做出3-D颜色直方图(2) 将3-D颜色直方图进行反转变换(3) 在不同的颜色聚类之间建立分水岭(4) 将聚类结果映射回图像域中(5) 后处理得到最终分割图像运动图像分割随着多媒体技术的发展，视频图像得到广泛应用，由一系列时间上连续的2-D图像组成从空间分割的角度来看，视频图像分割主要是希望把其中独立运动的区域(目标)逐帧检测处理从时间分割的角度来看，主要是把连续的序列分解为时间片断这两种都同时利用时域信息(帧间灰度等的变化)和空域信息(帧内灰度等的变化)运动图像的分割可