第四章 区域分析 机器视觉课件.pptVIP

第四章 区域分析 4.1 区域和边缘 4.2 分割 4.3 区域表示 4.4 分裂和合并 4.5 区域增长 4.1 区域和边缘 图像区域划分有两种方法：一种是基于区域的方法，另一种是使用边缘检测的轮廓预估方法．在基于区域的方法中，把所有对应于一个物体的像素组合在一起，并进行标记，以表示它们属于一个区域，这一处理过程称为分割．在某一评判标准下，把像素分配给某一区域，就可以把这些像素同图像其余部分分开 图像分割中的两个最基本的原则是数值相似性和空间接近性． 分割可以通过阈值法和连通成份标记法来进行（见第三章），也可以通过求取区域边界上的像素来进行．由于边缘像素是在边界上，在边界两边的区域具有不同的灰度值，这样，区域的边界可以通过测量邻近像素差值来求取。 本章将讨论区域的基本概念，主要集中在两个问题上：图像分割和区域表示． 4.2分割 把一幅灰度图像转换成二值图像是图像分割的最简单形式．为了在各种变化的场景中都能得到鲁棒的图像分割，阈值分割算法应能根据图像强度取样来自动选取合适的阈值。阈值分割法不要过分依赖于物体的灰度知识，且使用有关灰度值的相对特性来选取合适的阈值。 4．2．1 自动阈值化法 为了使分割更加鲁棒，系统应能自动选择阈值．基于场景中的物体、环境和应用域等知识的图像分割算法比基于固定阈值算法更具有普遍性．这些知识包括：对应于物体的图像灰度特性，物体的尺寸，物体在图像中所占的比例，图像中不同类型物体的数量等。 使用上述知识并在无人介入的情况下自动选取阈值的方法称为自动阈值化方法． 下面将讨论几种常用的自动阈值化方法 。 模态方法 如果图像中的物体具有同一灰度值，背景具有另一个灰度值，图像被零均值高斯噪声污染，那么就可以假定灰度分布曲线是由两个正态分布函数 叠加而成．图像直方图将会出现两个分离的峰值，如图4．1所示． 在大多数情况下，由于直方图在波谷附近的像素很稀疏，因此，阈值的选取对图像分割影响不大． 这一方法可推广到具有不同灰度均值的多物体图像中．如图4.2所示。 (2) 迭代式阈值选择 迭代式阈值选择方法如下：首先选择一个近似阈值作为估计值的初始值，然后连续不断地改进这一估计值． 迭代式阈值选择算法: 1 、选择一个初始阈值的估算值T 2、利用阈值把图像分割成两组R1和R2． 3、计算区域R1和R2的均值 ． 4、 选择新的阈值 T 5、重复2－4步，直到R1和R2的均值不再变化 。 (3) 自适应阈值化方法 对于不均匀照明或不均匀灰度分布背景图像，直接方法是首先把图像分成一个个小区域，或子图像，然后分析每一个子图像，并求出子图像的阈值。如图4.3所示。 (4) 变量阈值化方法 在不均匀照明条件下的另一种实用的阈值化方法是使用简单的函数，如平面、二次曲面等，来逼近不均匀照明下的物体图象与背景图象之间的分界面。如图4.4所示。 (5) 双阈值方法 此方法适用于无法确定某些灰度值属于物体还是背景的情况。区域增长的双重阈值算法体现了灰度相似性和空间接近性． 使用一个保守一点的阈值 来分离物体图像，称之为物体图像核，然后，使用有关算法来增长物体图像．一种简单的方法是吸收低于第二个阈值 并且与原先物体图像点相连结的所有点． 算法4．2 区域增长的双阈值算法 (1) 选择两个阈值 和 ． (2) 把图像分割成三个区域： ，包含所有灰度值低于阈值 的像素； ，包含所有灰度值位于阈值 和 之间的像素； ，包含所有灰度值高于阈值 的像素． (3) 查看分配给区域 中的每一个像素．如果某一像素邻接区域 ，则把这一像素重新分配给 ． (4) 重复步骤(3)直到没有像素被重新分配． (5) 把区域 剩下的所有像素重新分配给 ． 　区域 是区域核，区域 是边缘区（也称中间区或过渡区），区域 是背景．把边缘区域中邻接核区域的像素点归并到核区域，使核区域得到增长． 4．2．2 直方图方法的局限性 基于直方图的图像分割方法没有利用图像强度的空间信息，因此，在本质上存在着局限性．直方图仅描述了图像强度分布，因此具有不同灰度空间分布的图像可能具有类似的直方图．例如，用直方图无法区分随机分布的黑白点图像、黑白棋格图像和黑白各半的图像． 4．3