数字图像处理_第十章_图像分割讲解.pptVIP

Chapter 10 Image Segmentation 10.5 基于形态学分水岭的分割 10.5 基于形态学分水岭的分割 目前讲了三种分割方法： ①间断检测； ②门限； ③区域处理 本节介绍形态学水岭方法 Chapter 10 Image Segmentation 10.5 基于形态学分水岭的分割 10.5.1 基本概念 参见P501图10.44， 说明水不断淹没的情形，分割算法的目标就是找出分水线 Chapter 10 Image Segmentation 10.5 基于形态学分水岭的分割 10.5.1 基本概念（续） 参见P501图10.44， 说明水不断淹没的情形，分割算法的目标就是找出分水线 Chapter 10 Image Segmentation 10.5 基于形态学分水岭的分割 10.5.2 水坝构造 而构造分水线。 最简单的方法是使用形态学膨胀。 参见P503，图10.45： Chapter 10 Image Segmentation 10.5 基于形态学分水岭的分割 膨胀过程受2个条件限制： ①膨胀受q的约束（结构元素中心中能位于q中） ②在引起集合聚合的那些点不能进行膨胀。 其中q的含义是：2个区域刚聚合时的连通分量。 只有满足上述两个条件时，属于q中的点描绘了分水线（水坝）。 以上只是同个简单的例子说明原理，全面的具体的方法如下： Chapter 10 Image Segmentation 10.5 基于形态学分水岭的分割 10.5.3 分水岭分割算法 设M1、M2…MR为表示图像 的局部最小值点的坐标集合。 C（Mi）为Mi相对应的汇水盆地内的点的坐标的集合。 min和max代表 的最小值、最大值T[n]表示坐标（s,t）的集合 几何上看，T[n]是 中点的坐标集合，集合中的点均位于 平面之下。 随着水位以整数量 到 不断增加，图像中的地形会被水漫过。假设T[n]中坐标在 之下，并被标记为黑色，其他坐标标记为白色，我们府视 平面，将看到二值图像。 Chapter 10 Image Segmentation 10.5 基于形态学分水岭的分割 令 表示汇水盆把中点的坐标集合。在第n阶段且于Mi相对应。 即：如果 且 则在位置（x，y）有 ，否则 令C[n]表示第n阶段汇水盆地被水淹的部分的合集： 令 为所有汇水盒地合集: 可得出 中的每个连通分量都恰好是T[n]的一个连通分量。 10.5.3 分水岭分割算法(续) Chapter 10 Image Segmentation 10.5 基于形态学分水岭的分割 10.5.3 分水岭分割算法(续) 算法开始时，令 →递归调用 构造了C[n－1]→C[n]的过程如下： Q代表T[n]中连通分量的集合，对每个连通分量 ，有三种可能： （a） 为空 （b） 包含 中的一个连通分量 （c） 包含 多于一个的连通分量 当遇到一个新的最小值时，符合条件（a）则将q并入 。当q位于某些局部最小值构成的汇水盆地时，符合条件（b），将q并入 当遇到全部或部分山脊把2个或多个汇水盆地分开时，符合条件（c），再注水就导致合并，此时用3×3结构元素膨胀 并限制在q内。 Chapter 10 Image Segmentation 10.5 基于形态学分水岭的分割 10.5.3 分水岭分割算法 实例见P505例10.18 Chapter 10 Image Segmentation 10.5 基于形态学分水岭的分割 10.5.4 应用标记 分水岭分割算法，通常会由于噪声和其它因素，造成过度分割，如图10.47所示。 过渡分割常使结果毫无用处。 解决的办法是采用标记概念。所谓标记是属于图像的连通分量，与对象相联系→内部标记；背景→外部标