遥感数字图像处理教程_11图像分割资料.pptVIP

8.1 图像分割的概念与方法分类 8.2 阈值分割法 8.3 边缘检测 8.4 区域分割 8.5 区域生长 8.6 数学形态法;8.1 图像分割的概念与方法分类;一、图像分割的概念;图像分割的严格定义(Conzalez R C,1992): 令集合R代表整个图像区域，对R的分割可看作将R分成N个满足以下五个条件的非空子集（子区域）R1，R2，…，RN： ； 对所有的i和j，i≠j，有Ri∩Rj = ； 对i = 1,2,…,N，有P(Ri) = TRUE； 对i≠j,有P(Ri∪Rj) = FALSE； 对i =1,2,…,N，Ri是连通的区域。;二、图像分割的基本原则 灰度图像的分割是基于像素灰度值的两个基本特性： 不连续性和相似性， 分割原则包括： 利用区域灰度不连续性的基于边界的分割； 利用区域灰度相似性的基于区域的分割。; 利用区域灰度不连续性的基于边界的分割 检测图像像素灰度级的不连续性，找到点、线（宽度为1）、边（不定宽度）。先找边，后确定区域。;检测图像像素的灰度值的相似性，通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边。;图像分割的方法 基于边缘的分割方法 先提取区域边界，再确定边界限定的区域。 区域分割 确定每个像素的归属区域，从而形成一个区域图。 区域生长 将属性接近的连通像素聚集成区域 分裂－合并分割 综合利用区域分割和区域生长两种方法，既存在图像的划分，又有图像的合并。;阈值分割法 通过交互方式得到阈值 通过直方图得到阈值 通过边界特性选择阈值 简单全局阈值分割 分割连通区域 基于多个变量的阈值;阈值分割法 阈值分割法的基本思想： 确定一个合适的阈值T（阈值选定的好坏是此方法成败的关键）。 将大于等于阈值的像素作为物体或背景，生成一个二值图像。 If f(x,y) ? T set 255 Else set 0 在四邻域中有背景的像素，即是边界像素。;阈值分割法 阈值分割法的特点： 适用于物体与背景有较强对比的情况，重要的是背景或物体的灰度比较单一。（可通过先求背景，然后求反得到物体） 这种方法总可以得到封闭且连通区域的边界。;通过交互方式得到阈值 基本思想： 在通过交互方式下，得到对象（或背景 ）的灰度值，比得到阈值T容易得多。 假设：对象的灰度值(也称样点值)为f(x0,y0),且： T = f(x0,y0) – R 有： f(x,y) ? T f(x,y) ? f(x0,y0) – R |f(x,y) – f(x0,y0)| ? R 其中R 是容忍度，可通过试探获得。;通过交互方式得到阈值 实施方法： （1）通过光标获得样点值f(x0,y0) （2）选取容忍度R （3）if |f(x,y)–f(x0,y0)| ? R set 255 else set 0 ;通过直方图得到阈值 基本思想 边界上的点的灰度值出现次数较少;通过直方图得到阈值 取值的方法： 取直方图谷底，为最小值的灰度值为阈值T 缺点：会受到噪音的干扰，最小值不是预 期的阈值，而偏离期望的值； 改进：取两个峰值之间某个固定位置，如中间位置上。由于峰值代表的是区域内外的典型值，一般情况下，比选谷底更可靠，可排除噪音的干扰;通过直方图得到阈值;通过直方图得到阈值 对噪音的处理 对直方图进行平滑处理，如最小二乘法，等不过点插值。;通过边界特性选择阈值 基本思想： 如果直方图的各个波峰很高、很窄、对称，且被很深的波谷分开时，有利于选择阈值。 为了改善直方图的波峰形状，我们只把区域边缘的像素绘入直方图，而不考虑区域中间的像素。 用微分算子，处理图像，使图像只剩下边界中心两边的值。;通过边界特性选择阈值 基本思想： 这种方法有以下优点： 1)在前景和背景所占区域面积差别很大时，不会造一个灰度级的波峰过高，而另一个过低 2)边缘上的点在区域内还是区域外的概率是相等的，因此可以增加波峰的对称性 3)基于梯度和拉普拉斯算子选择的像素，可以增加波峰的高度;通过边界特性选择阈值 算法的实现： 1）对图像进行梯度计算，得到梯度图像。 2）得到梯度值最大的那一部分（比如10%） 的像素直方图 3）通过直方图的谷底，得到阈值T。 如果用拉普拉斯算子，不通过直方图，直接得到阈值，方法是使用拉普拉斯算子过滤图像，将0跨越点对应的灰度值为阈值T.;简单全局阈值分割 基本思想：用前述方法获得阈值T，并产生一个二值图，区分出前景对象和背景 算法实现： 规定一个阈值T，逐行扫描图像。 凡灰度级大于T的，颜色置为255；凡灰度级小于T的，颜色置为0。 适用场合：明度图像是可以控制的情况，例如用于工业监测系统中。;分割连通区域 基本思