图像分割10章.ppt

第10章 图像分割 第10章 图像分割 （Image Segmentation） 第10章 图像分割 10.1 概述 10.2 边缘检测 10.3 阈值分割 10.4 区域增长法 10.5 分裂-合并区域法 10.1 概 述 图像分割定义 按照一定的规则将一幅图像分成各具特性的区域，并提取出感兴趣目标的技术和过程 其它名称： 目标轮廓技术（object delineation ） 目标检测（target detection） 阈值化技术（thresholding） 图像处理到图像分析的关键步骤 10.1 概 述 形式化定义 令集合R代表整个图像区域，对R的分割可看作将R分成若干个满足以下条件的非空子集（子区域） R1， R2， R3，… Rn: 10.1 概 述 地位 图像处理着重强调图像之间进行变换以改善图像的效果 图像分析则主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息从而建立对图像的描述 图像理解的重点是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互关系，并得出对图像的解释 10.1 概 述 分类—分割依据 相似性分割：将相似灰度级的像素聚集在一起。形成图像中的不同区域。这种基于相似性原理的方法也称为基于区域相关的分割技术 非连续性分割：首先检测局部不连续性，然后将它们连接起来形成边界，这些边界把图像分以不同的区域。这种基于不连续性原理检出物体边缘的方法称为基于点相关的分割技术 两种方法是互补的。有时将它们地结合起来，以求得到更好的分割效果。 问题 不同种类的图像、不同的应用要求所要求提取的区域是不相同的。分割方法也不同，目前没有普遍适用的最优方法。 人的视觉系统对图像分割是相当有效的，但十分复杂，且分割方法原理和模型都未搞清楚。这是一个很值得研究的问题。 研究层次 图像分割算法 图像分割算法的评价和比较 对分割算法的评价方法和评价准则的系统研究 第10章 图像分割 10.1 概述 10.2 边缘检测 10.3 阈值分割 10.4 区域增长法 10.5 分裂-合并区域法 10.2 边缘检测 概述 物体的边缘是以图像局部特性的不连续性的形式出现的，从本质上说，边缘意味着一个区域的终结和另一个区域的开始。 图像边缘信息在图像分析和人的视觉中都是十分重要的，是图像识别中提取图像特征的一个重要属性。 是一种并行边界技术 10.2 边缘检测 10.2 边缘检测 最早的边缘检测方法都是基于像素的数值导数的，在数字图像中应用差分代替导数运算。 由于边缘是图像上灰度变化比较剧烈的地方，在灰度变化突变处进行微分，将产生高值，因此在数学上可用灰度的导数来表示变化。 差分定义： 10.2 边缘检测 梯度算子 梯度是图像处理中最为常用的一次微分方法。 图像函数 在点 的梯度幅值为 其方向为 10.2 边缘检测 对于数字图像，可用一阶差分替代一阶微分： 根据梯度的定义，图像 的梯度幅度为 为了避免平方和、开方运算，可将上式表示为 或 1）Robert梯度算子 梯度采用的是对角方向相邻两像素之差 模板 3）拉普拉斯（ Laplacian ）算子 二阶微分算子 不依赖于边缘方向 旋转不变即各向同性的性质 表示 离散形式 例子11.2 10.2 边缘检测 问题： 在较大噪声的场合，由于微分运算会起到放大噪声的作用，因此，梯度算子和拉普拉斯算子对噪声比较敏感。 二种改进的方法 （1）对图像先进行适当的平滑、以抑制噪声，然后再进行求微分，如Marr边缘检测 （2）先对图像进行局部线性拟合，然后再用拟合所得的光滑函数的导数来替代直接的数值导数，如曲面拟合方法 10.2 边缘检测 滤波运算与卷积运算次序有如下关系： 因此可将先平滑后微分的运算合成一步。 边缘检测的的基本方法： (1)设计平滑滤波器 ； (2)检测 局部最大值或 过零点。 平滑滤波器 应满足： （1）当 为偶函数； （2） ； （3） 一阶、二阶可微。 对于图像信号，Marr提出先用高斯函数进行平滑： 对图像进行线性平滑，在数学上是进行卷积。 令 为平滑前的图像， 为平滑后的图像，则 （2）曲面拟合 第10章 图像分割 10.1 概述 10.2 边缘检测 10.3 阈值分割 10.4 区域增