第5章图像分割与边缘检测技术报告.ppt

目 录 第一章 概 论 第二章 数字图像处理基础 第三章 VC＋＋图像编程基础 第四章 图像增强与平滑 第五章 图像分割与边缘检测 第六章 图像的几何变换 第七章 频域处理 第八章 数学形态学及其应用 第九章 图像特征与理解 第十章 图像编码 第十一章 图像复原 第5章 图像分割与边缘检测 图像分割与特征提取 RS Application in Monitoring the Changes of Landuse(1) RS Application in Monitoring the Changes of Landuse(2) 第5章 图像分割与边缘检测 阈值化处理的变换函数表达式: 　有多个目标且灰度差别较大时， 可以设置多个阈值 注意： 阈值的选取不能过大或过小： 阈值过大， 会过多地把背景像素错分为目标； 阈值过小，又会过多地把目标像素错分为背景。 确定阈值的方法 当图像目标与背景之间具有高对比度时，利用全局阈值可以成功地分割图像。 图5-2 直方图具有双峰性质的阈值分割 极小点阈值法迭代阈值法最优阈值法Otsu阈值法最大熵法 p参数法等  1． 极小点阈值法基本思想： 将直方图的包络线看做一条曲线，求曲线的极小值，找 到直方图的谷底点，将其作为分割阈值。 设 p(z) 代表直方图，极小点应满足：  p′(z)=0 且 p″(z)0  2． 迭代阈值法 1）基本思想： 开始时选择一个阈值作为初始估计值，然后按某种策略不断地改进这一估计值，直到满足给定的准则为止。 注意：在迭代过程中，关键之处在于选择什么样的阈值改进策略，好的阈值的改进策略应该具备两个特征，一是能够快速收敛，二是在每一个迭代过程中，新产生阈值优于上一次的阈值。 2）迭代阈值算法： 　 (1) 选择一个初始阈值T1（通常取中间值）。　　(2) 根据阈值T1将图像分割为G1和G2两部分。分别求出G1和G2的平均灰度值μ1和μ2。　　(3) 计算新的阈值 T2=(μ1+μ2)/2。　　(4) 如果|T2-T1|≤T0(T0为预先指定的很小的正数)，即迭代过程中前后两次阈值很接近时，终止迭代，否则T1= T2，重复(2)和(3)。最后的T2就是所求的阈值。 ? 设定常数T0的目的是为了加快迭代速度，如果不关心迭代速度，则可以设置T0 ＝0。 ? 当目标与背景的面积相当时，可以将初始阈值T1置为整幅图像的平均灰度。 ? 当目标与背景的面积相差较大时，更好的选择是将初始阈值T1置为最大灰度值与最小灰度值的中间值。　　 3． 最优阈值法　　 当目标与背景的灰度值有部分相同时，用一个全局阈值会出现分割误差。一部分目标像素被错分为背景，一部分背景像素被错分为目标。 基本思想： 选择一个阈值，使总的分类误差概率最小。 方法：假定图像中仅包含两类主要的灰度区域(目标和背景)，z：灰度值， p(z) ：混合概率密度P1：背景像素出现的概率，P2：目标像素出现的概率(P1+P2=1)。 p1(z)：背景的概率密度函数p2(z) ：目标的概率密度函数，混合概率密度函数p(z)： 把目标像素分割为背景的误差概率E1(T)为 总的误差概率E(T)为 　　事实上，目标与背景像素的出现概率P1和P2，和两者的概率密度函数p1(z)与p2(z)，往往未知，需要估计，但是很难估计。 所以，一般假设目标与背景的灰度均服从高斯分布，可以简化估计。 Otsu法 确定最佳阈值的准则： 使阈值分割后各个像素类的类内方差最小，或类间方差最大。 类内方差最小=类间方差最大，因为类间方差与类内方差之和即整幅图像的方差，是一个常数。分割的目的就是要使类别之间的差别最大，类内之间的差别最小。 　　设图像总像素数为N，灰度级总数为L，灰度值为i的像素数为Ni。令ω(k)和μ(k)分别表示从灰度级0到灰度级k的像素的出现概率和平均灰度，分别表示为 　　设有M-1个阈值(0≤t1＜t2＜…＜tM-1≤L-1)，将图像分成M个像素类Cj(Cj∈［tj-1+1，…，tj］； j=1，2，…，M； t0=0，tM=L-1)，则Cj的出现概率ωj、平均灰度μj和方差σj2为: 由此可得类内方差为 适用范围： 1. 图像含有噪声时，直方图双峰之间的波谷被填充或者双峰相距很近，用全局阈值法无