wzq-10图像分割知识讲稿.ppt

医学图像处理;分割图像中的树木、人。;分割汽车尾部图像中的牌照字符 ;字符分割;引 言;图像分割与前面章节介绍的图像处理方法不同：;□灰度间断检测 ⊙孤立点检测 ⊙线检测 ⊙边缘检测(重点边缘检测) □阈值分割（自学） □区域分割（自学） ;图像分割—是指将一幅图像分解为若干互不交叠的、有意义的子区域或物体。 分割到什么程度取决于具体要解决的问题，目标是把感兴趣的物体分离出来。;图像分割的基本思路;图像分割条件; 二值图像分割算法一般是基于灰度值的两个基本特性之一: 不连续性和相似性。 □方法一：基于灰度的不连续性分割图像 先找到点、线（宽度为1）、边（不定度）， 再确定区域。例如基于边缘的图像分割方法。;10.2.1 数字图像的导数结论;10.2 点、线和边缘检测;孤立点的检测;举例：用空域的高通滤波器来检测孤立点：; 设定阈值 T，如T = 32、64、128、256等,并计算高通滤波值R： □如果R值等于0，说明当前检测点的灰度值与周围点的灰度值相同； □当R的值足够大时，说明该点的值与周围的点非常不同，是孤立点。 通过阈值T来判断 | R| T 检测到一个孤立点;仅适合于检测均一背景上的单像素灰度间断;10.2.2 孤立点检测;10.2.3 线的检测;用4种模板分别计算 R水平 = -6 + 30 = 24 R45度 = -14 + 14 = 0 R垂直 = -14 + 14 = 0 R-45度 = -14 + 14 = 0;线检测实例;10.2.4 边缘模型; 相对与点检测和线检测，边缘检测是更常用 更通用的灰度级间断检测方法。 两类边缘检测方法： □一阶数字导数——梯度算子 □二阶数字导数——拉普拉斯算子 ;斜坡边缘剖面; 一阶导数可以用于检测图像中的一个点是否在斜坡上。 二阶导数的符号可以用于判断一个边缘像素是在边缘亮的一边还是暗的一边。; (1)对图像中的每条边缘二阶导数生成两个值。 (2)一条连接二阶导数正极值和负极值的虚构直线将在边缘中点附近穿过零点，据此可以用于确定粗边线的中心。;噪声对边缘检测的影响;对图像求一阶导数，我们常用梯度算子：;梯度算子模板（一阶导数）; 用以计算Z5点处的梯度的Prewitt梯度模板如左上，则Z5点处的梯度为：; 用以计算Z5点处的梯度的Sobel梯度模板如左上，则Z5点处的梯度为：; 检测对角边缘的Prewitt和Sobel模板;Sobel算子提取边缘实例; 对原图先用5×5的均值滤波进行平滑后,再用相应算子处理后的结果;使用对角Sobel模版进行对角边缘检测处理的结果;拉普拉斯算子（二阶导数）;两种常用的拉普拉斯算子模板;拉普拉斯算子一般不直接用于边缘检测,这是因为： (1)作为一个二阶导数,拉普拉斯算子对噪声具有无法接受的敏感性； (2)拉普拉斯算子的幅值产生双边缘,这将使分割复杂化，是不希望的; (3)拉普拉斯算子不能检测边缘的方向。;高斯-拉普拉斯（LoG）算子; LoG函数又称为墨西哥草帽函数; Laplacian算子及LoG算子实例;10.2.7 边缘连接及边界检测;局部处理;（2）梯度向量方向;使用霍夫（Hough）变换的全局处理