第10章 图像分割.ppt

1、第10章 图像分割,10.1 间断检测 10.2 边缘连接和边界检测 10.3 门限处理 10.4 基于区域的分割 10.5 基于形态学分水岭的分割,10.1 间断检测,对整幅图像使用一个模板进行检测。,1. 点检测,基本思想：如果一个孤立的点与它周围的点很不相同，则易被检测到。,T是一个非负门限,(a)X射线图 (b)点检测结果 (c),2. 线检测,令R1,R2,R3和R4为上述模板的响应，如果RiRj，ji，则此点被认为与在模板i方向上的线更相关。 设置门限可以提取所需的线,(a)二值图像 (b)使用-45模板检测结果 (c)设置门限得到的结果,3. 边缘检测,(a)理想边缘 (b)斜坡

2、边缘,灰度剖面图,灰度剖面图 一阶导数 二阶导数,有噪声的边缘附近的一阶和二阶导数,(a)无噪声 (b)均值0，标准差0.1的高斯噪声污染 (c)均值0，标准差1.0的高斯噪声污染 (d)均值0，标准差10的高斯噪声污染,梯度算子,(a)原图 (b) |Gx| (c) |Gy| (d) |Gx|+ |Gy|,对角边缘检测,拉普拉斯算子,高斯型拉普拉斯算子(LoG),(a)三维曲线 (b)图像 (c)零交叉的横截面 (d)55模板,(a)原图 (b)Sobel梯度 (c)空间高斯型平滑函数 (d)模板 (e)LoG (f)设置门限 (g)零交点,10.2 边缘连接和边界检测,10.2.1 边缘连

3、接的局部处理,确定边缘像素相似性的两个主要性质是： (1)边缘像素的梯度算子的响应强度满足： (2)梯度向量的方向满足：,这里E是一个非负门限,如果满足(1)(2)，则连接(x，y)和(x0,y0)的像素起来。,(a)原图 (b)Gy分量 (c)Gx分量 (d)边缘连接的结果,10.2.2 通过霍夫变换进行整体处理,霍夫变换（Hough,1962提出） xy平面，一个点(xi,yi)，一条直线yi=axi+b，过点(xi,yi)的直线有无数条，且对不同的a和b值，它满足这个等式yi=axi+b ab平面，b=-axi+yi，对于定点(xi,yi)的惟一直线方程。点(xj,yj)也有与之相关的一

4、条直线，且这条直线与(xi,yi)相关的直线相交于(a,b)点,若图像xy平面有一条n个点的直线，则ab平面上有n条线相交于(a,b)，根据a,b值，可得到直线方程。,(amax,amin)和(bmax,bmin)分别为斜率和截距值期望的范围。累加值A(i,j) 对应于与参数空间坐标(ai,bj)相关的矩形。,将参数空间为累加器单元。开始被置为零。然后，对图像平面中的每个点(xk,yk)，令参数a=ai，求bi，A(i,j)=A(i,j)+1。,b=-axi+yi,当直线接近垂直时，直线的斜率b接近无限大。 一般，直线用极坐标表示,与直线不同，其轨迹是平面上的正弦曲线。与以前一样，在xcosj

5、+ysinj=j上的共线点集Q生成参量空间中交于点(j,j)的Q的正弦曲线。,霍夫变换的说明,基于霍夫变换的方法： 1.计算图像的梯度并对其设置门限得到一幅二值图像。 2.在平面内确定再细分。 3.对像素高度集中的地方检验其累加器单元的数目。 4.检验选择的单元中像素之间的关系(主要针对连续性)。,霍夫变换可用于检测圆,(a)红外线图像 (b)梯度图像 (c)霍夫变换 (d)连接的像素,10.2.3 通过图论技术进行全局处理,由像素p和q定义的边缘元素相应的开销，定义为：,这里H是图像中最高的灰度值，f(p)和f(q)分别是p和q的灰度值。按惯例,点p位于沿边缘元素追踪方向的右手一边。,(a)

6、 33图像区域 (b)边缘线段及开销 (c)最小开销路径的边缘,图搜索的算法： 1.标记开始节点为“开(OPEN)”并置g(s)=0。 2。如果不存在标记为“开”的节点，则失败；否则继续。 3.标记最接近“开”节点的节点n为“关(CLOSED)”，用r(n)=g(n)+c(n)计算得出的此节点的估计值r(n)最小。 4.如果n是一个目标节点，通过使用指针进行反向追踪得到解决路径则退出；否则继续。 5.扩展节点n，得到它的所有后继节点(如果没有后继节点则转到步骤2)。 6.如果一个后继节点n未被标记，则设置:r(ni)=g(n)+c(n，ni) 并将它标记为“开”，并直接将指针反向指向n。 7.

7、如果一个后继节点ni被标记为“关”或“开”，通过下式更新此节点的值： g(ni)=ming(ni)，g(n)+c(n，ni) 将这些标记为“关”的后继节点标记为“开”，其g值被降低，并且从所有那些g值被降低的节点指针重新指向n。转到步骤2。,通过图搜索寻找边缘,10.3 门限处理,门限处理可看做下列形式函数T的一种操作。,10.3.1.基本全局门限,求门限T的算法: 1选择一个T的初始估计值。 2用T分割图像。这样做会生成两组像素：G1由所有灰度值大于T的像素组成，而G2由所有灰度值小于或等于T的像素组成。 3对区域G1和G2中的所有像素计算平均灰度值1和2。 4计算新的门限值：T=(1+2)

8、/2 5重复步骤2到4，直到逐次迭代所得的T值之差小于事先定义的参数T0。,(a)原图 (b)图像的直方图 (c)使用全局门限T处理图像的结果,(a)原图 (b)图像的直方图 (c)使用迭代估计的门限处理图像的结果,2.基本自适应门限,(a)原图 (b)使用全局门限处理后的结果 (c)图像分块 (d)经自适应门限处理后的结果,适当分割的子图 不适当分割的子图 对不适当分割的子图进行自适应分割的结果,10.4 基于区域的分割,10.4.1.区域生长,第一步：决定初始的种子点。 第二步：确定区域生长选定准则。 (1)任何像素和种子之间的灰度级绝对差必须小于某个值 (2)与此区域中至少一个像素是8连

9、通的。,(a)原图 (b)种子点 (c)区域生长的结果 (d)得到的边界（黑色）,10.4.2 区域分离与合并,四叉树方法： l.对于任何区域Ri，如果P(Ri)=FALSE，就将每个区域都拆分为4个相连的象限区域。 2.将P(RjRk)=TRUE的任意两个相邻区域Rj和Rk进行聚合。 3.当再无法进行聚合或拆分时操作停止。,(a)被分割的图像 (b)对应的四叉树,(a)原图 (b)进行拆分和聚合后的结果(c)对(a)进行门限处理后的结果,10.5 基于形态学分水岭的分割,1.基本概念,对图像进行三维可视化处理：其中两个是坐标，另一个是灰度级。 基本思想：假设在每个区域最小值的位置上打一个洞并且让水以均匀的上升速率从洞中涌出，从低到高淹没整个地形。当处在不同的汇聚盆地中的水将要聚合在一起时，修建的大坝将阻止聚合。水将只能到达大坝的顶部处于水线之上的程度。这些大坝的边界对应于分水岭的分割线。所以，它们是由分水岭算法提取出来的(连续的)边界线。,(a)原图像 (b)地形俯视图 (c)被水淹没 (d)被水淹没,(e)进一步