数字图像处理-第07章 图像分割070428.pptVIP

7.1 概 述 图像处理的重要任务就是对图像中的对象进行分析和理解。 在图像分析中，输出的结果是对图像的描述、分类或其他的某种结论 。 图像分析主要包括以下几部分内容： （1）把图像分割成不同的区域，或把不同的目标分开（分割）。即把图像分成互不重叠的区域并提取出感兴趣目标。 （2）找出各个区域的特征（特征提取）。 （3）识别图像中的内容，或对图像进行分类（识别与分类）。 （4）给出结论（描述、分类或其他的结论）。 分割结果中同一个子区域内的像素应当是连通的 同一个子区域内的任两个像素在该子区域内互相连通。 7.2 像素的邻域和连通性 1. 4邻域 对一个坐标为 的像素p，它可以有两个水平和两个垂直的近邻像素。它们的坐标分别是 这四个像素称为p 的4邻域。 互为4邻域的像素又称为4连通的。 2. 8邻域 取像素p四周的8个点作为相链接的邻域点，除掉p本身外，剩下的8个点就是p的8邻域。 互为8邻域的像素又称为8连通的 。 目标和背景的连通性定义必须取不同，否则会引起矛盾。 【例7.1】根据4/8连通准则在二值图像中判断目标。 解：应用函数bwlabel可以根据4连通或8连通准则，在给定的二值图像矩阵BW中寻找目标。MATLAB程序： 7.3 图像的阈值分割技术 灰度阈值分割方法。 若图像中目标和背景具有不同的灰度集合，且两个灰度集合可用一个灰度级阈值T进行分割。 这样就可以用阈值分割灰度级的方法在图像中分割出目标区域与背景区域。 设图像为 ，其灰度集范围是[0,L]，在0和L之间选择一个合适的灰度阈值T。 图像分割方法可由下式描述： 这样得到的是一幅二值图像。 图7.4给出了利用阈值分割图像的实例。 （a）是原图 （b）是对应的直方图 （c）是选择分割阈值为110的结果图。 7.3.1 全局阈值分割 全局阈值是最简单的图像分割方法。根据不同的目标，选用最佳的阈值。 1．实验法 需要知道图像的某些特征 2．直方图法 适用于目标和背景的灰度差较大，直方图有明显谷底的情况。 3．最小误差的方法 7.3.2 自适应阈值的选取 当照明不均匀、有突发噪声或者背景灰度变化比较大的时候，可以对图像进行分块处理，对每一块分别选定一个阈值进行分割，这种与坐标相关的阈值称为自适应阈值的方法。 这类算法的时间复杂度和空间复杂度比较大，但是抗噪声的能力比较强 。 任何一种分割方法都有其局限性。 实际的算法只能根据实际情况选择方法和阈值。 7.5 霍夫变换 霍夫（Hough）变换方法是利用图像全局特性而直接检测目标轮廓，将图像的边缘像素连接起来的常用方法。 1.基本原理 点——线的对偶性。 当给定图像空间的一些边缘点，就可以通过霍夫变换确定连接这些点的直线方程。 2．霍夫变换的实现 实际进行霍夫变换时，要在上述基本方法的基础上根据图像的具体情况采用一些措施。 使用极坐标直线方程用以提高精度和速度。 7.6 区域生长法 7.6.1 原理和步骤 将具有相似性质的像素集合起来构成区域。 先对每个需要分割的区域找一个种子像素作为生长的起点，然后将种子像素周围邻域中与种子像素具有相同或相似性质的像素合并到这一区域中。 将这些新像素当做新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来。这样一个区域就长成了。 在实际应用区域生长法时需要解决三个问题： ① 选择一组能正确代表所需区域的种子像素； 种子像素的选取常可借助具体问题的特点进行。 ② 确定在生长过程中将相邻像素包括进来的准则； 生长准则的选取不仅依赖于具体问题本身，也和所用图像数据的种类有关 ， ③ 制定让生长过程停止的条件或规则。 一般生长过程在进行到再没有满足生长准则需要的像素时停止。 基于区域灰度差 区域生长方法将图像以像素为基本单位来进行操作。 （1）对图像进行逐行扫描，找出尚没有归属的像素； （2）以该像素为中心检查它的邻域像素，即将邻域中的像素逐个与它比较，如果灰度差小于预先确定的阈值，就将它们合并； （3）以新合并的像素为中心，返回到步骤2，检查新像素的邻域，直到区域不能进一步扩张； （4）返回到步骤1，继续扫描，直到不能发现没有归属的像素，则结束整个生长过程。 2. 基于区域内灰度分布统计性质 考虑以灰度分布相似性作为生长准则来决定区域的合并： （1）把图像分成互不重叠的小区域； （2）比较邻接区域的灰度直方图，根据灰度分布的相似特性进行区域合并； （3）设定终止准则，通过反复进行步骤2中的操作将各个区域依次合并，直到终止准则满足。 第七章 图像分割 典型的图像分析和理解的系统： 系统分为图像输入、预处理、图像分割（image segmentation）、图像识别、结构句法分析