图像处理-5.pptVIP

图像分割基本概念 图像分割是将图像划分成若干个互不相交的小区域的过程 小区域：是某种意义下具有共同属性的像素的连通集合。如不同目标物体所占的图像区域、 前景所占的图像区域等 连通：指集合中任意两个点之间都存在着完全属于该集合的连通路径。 图像分割的基本思路 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，缩小不相干图像成分的干扰上 图像分割的基本策略 图像分割的基本策略，基于灰度值的两个基本特性： 不连续性——区域之间 相似性——区域内部 阈值分割法的基本思想： 基本思想：把前面的方法扩展到多维空间，则寻找波谷的过程，变为寻找点簇的过程。 算法实现： 各维分量波谷之间进行逻辑与运算，从波谷重合的点，得到实际的阈值T。 应用场合：有多个分量的颜色模型，如RGB模型、 HSI模型、 CMYK模型 面向区域的分割 像素集合的区域生长 对图像中灰度级不同的区域，均分为四个子区域 如果相邻的子区域所有像素的灰度级相同，则将其合并 反复进行上两步操作，直至不再有新的分裂与合并为止 图像检测主要方法 边缘检测与微分运算 高斯－拉普拉斯（LOG）算子 图像检测主要方法 线的检测 线的检测——算法描述 依次计算4个方向的典型检测模板，得到Ri i=1,2,3,4 如 |Ri| |Rj| 对于所有的j ≠ i，那么这个点被称为在方向上更接近模板i 所代表的线 设计任意方向的检测模板 可能大于3×3 模板系数和为0 感兴趣的方向的系数大。 5.4 图 像 匹 配 图像匹配：在机器识别过程中，把不同传感器或同一传感器在不同时间、不同成像条件下对同一景物获取的两幅或多幅图像在空间上对准，或根据已知模式到另一副图中寻找相应的模式。 应用： 地物分类 分析物体变化像点 估算物体深度信息 5.4.1 模板匹配 模板匹配是指用一个较小的图像，即模板与源图像进行比较， 以确定在源图像中是否存在与该模板相同或相似的区域， 若该区域存在， 还可确定其位置并提取该区域。 模板匹配的主要局限性在于它只能进行平行移动，如原图像中要匹配的目标发生旋转或大小变化，该算法无效。另外，如原图像中要匹配的目标只有部分可见，该算法也无法完成匹配。 模板匹配示例 对于离散图像而言，连通有4连通和8连通之分，如图5-1所示。 4连通指的是从区域上一点出发，可通过4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； 8连通方法指的是从区域上一点出发，可通过左、 右、上、下、左上、右上、左下、右下这8个方向的移动组合来到达区域内的任意像素。 从简到难，逐级分割 分割矩形区域 定位牌照 定位文字 控制背景环境，降低分割难度 背景环境: 路面、天空 把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上 感兴趣的对象： 汽车牌照 不相干图像成分： 非矩形区域 图5-8（a）是一种阶跃信号，我们当然认为A点处为边缘点。在实际情况中，物理信号不可能有理想的突变， 而是如图5-8（b）所示的逐渐增大的信号，对图5-8（b）中所示A、B、C三点， 一般称B点为边缘点。在图5-8（c）和5-8（d）中，如果台阶比较窄，即可以认为B点为边缘点，也可以认为该信号有两个边缘点A与C。 通过比较典型模板的计算值，确定一个点是否在某个方向的线上 -1 -1 -1 2 2 2 -1 -1 -1 水平模板 -1 -1 2 -1 2 -1 2 -1 -1 45度模板 -1 2 -1 -1 2 -1 -1 2 -1 垂直模板 2 -1 -1 -1 2 -1 -1 -1 2 135度模板 1 1 1 5 5 5 1 1 1 1 1 1 5 5 5 1 1 1 1 1 1 5 5 5 1 1 1 例： 图像 用4种模板分别计算 R水平 = -6 + 30 = 24 R45度 = -14 + 14 = 0 R垂直 = -14 + 14 = 0 R135度 = -14 + 14 = 0 边的检测 边界的定义：两个具有相对不同灰度值特性的区域的边界线 适用于： 假定问题中的区域是非常类似的，两个区域之间的过渡，仅仅根据灰度的不连续性便可确定 不适用于： 当假定不成立时，阈值分割技术一般来说比边缘检测更加实用 图像边缘 ◆图像边缘有两个特征：方向和幅度 沿边缘走向，像素值变化比较平缓； 沿垂直于边缘的走向，像素值则变化比较剧烈。 ◆一般常用一阶和二阶导数来描述和检测边缘。 基本思想：计算局部微分算子 截面图 边界图像 一阶微分：用梯度算