图象分割技术1.ppt

(3) 确定终止生长过程的条件或规则 ① 一般的停止生长准则是生长过程进行到没有满足生长准则的像素时为止； ② 其它与生长区域需要的尺寸、形状等全局特性有关的准则。 实例 原始图像及种子象素点 开始增长阶段的结果 中间结果 最后结果 * * 第6章 6.8* 彩色图象分割 彩色空间 RGB彩色空间 物理意义明确但缺乏直感 线性变换为3个正交特征 HSI彩色空间 接近人眼的视觉生理特性 * * 第6章 6.8* 彩色图象分割 分割策略 3-D空间聚类 由粗到细 将1个3-D转化为3个1-D 先利用 S 来分割 再分别用 H 和 I 分割 最后结合结果 由于二次方程有两个可能的解，所以需要选出其中合理的一个作为图像分割的阈值。 讨论： 如果两个标准偏差相等，即σ12 = σ22= σ2 ，则上式中的A=0，我们得到一个解： 此即为图像分割的最佳阈值T 如果先验概率也相等，那么得到的解中的第二项等于零，最佳分割阈值为图像中两个灰度均值的平均数，即 如果背景与目标的灰度范围有部分重叠，仅取一个固定的阈值会产生较大的误差，为此，可以采用双阈值方法。 迭代阈值选取方法 利用程序自动搜寻出比较合适的阈值。此阈值选取方法首先选取图像灰度范围的中值作为初始值T，把原始图像中全部像素分成前景、背景两大类，然后分别对其进行积分并将结果取平均以获取一新的阈值，并按此阈值将图像分成前景、背景。如此反复迭代下去，当阈值不再发生变化，即迭代已经收敛于某个稳定的阈值时，此刻的阈值即作为最终的结果并用于图像的分割。 数学描述 * * 第6章 6.5* 基于变换直方图选取阈值 直方图变换 利用邻域性质变换原来的直方图 ① 低梯度值象素的直方图 峰之间的谷比原直方图深 ② 高梯度值象素的直方图 峰由原直方图的谷转化而来 灰度直方图 (b) 一段边缘剖面 (c)梯度直方图 (d)剖面梯度曲线 * * 第6章 6.5* 基于变换直方图选取阈值 灰度-梯度散射图 2-D直方图 1个轴是灰度值轴 1个轴是梯度值轴 典型示例 目标，背景聚类 * * 第6章 6.6* 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 象素灰度为特征 灰度-梯度散射图 象素灰度和梯度为特征 分割：象素分类 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） 第6章 6.6* 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 * * 第6章 6.6* 空间聚类 ISODATA聚类 迭代的方法 调整聚类模式的平均值 * * 第6章 6.7 区域生长 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 ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● R1 R5 R4 R3 R2 如图给出已知种子点 区域生长的一个示例。 1 0 4 7 5 1 0 4 7 7 0 1 5 5 5 2 0 5 6 5 2 2 5 6 4 1 1 5 5 5 1 1 5 5 5 1 1 5 5 5 1 1 5 5 5 1 1 5 5 5 1 1 5 7 5 1 1 5 7 7 1 1 5 5 5 2 1 5 5 5 2 2 5 5 5 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 (a) (b) (c) (d) (a)给出需要分割的图像，设已知两个种子象素(