数字图像处理 第6章 图像分割.pptVIP

6.4 Hough变换检测法 Hough变换的扩展 Hough变换不只对直线，也可以用于圆： （x – a）2 + (y - b)2 = R2 这时需要三个参数(a,b,R)的参数空间。 如像找直线那样直接计算，计算量增大，不合适。 解决途径 若已知圆的边缘元(当然图中还有其它非圆的边沿点混在一起)，而且边缘方向已知，则可减少一维处理，把上式对x取导数，有 这表示参数a和b不独立，只需用二个参数(例如a和R)组成参数空间，计算量就缩减很多。 6.4 Hough变换检测法 对于椭圆 设椭圆方程为 取导数有 只有三个独立参数。只需要从(a , b , x0 , y0)中选择三个参数，进行检测。 6.4 Hough变换检测法 对于任意曲线 在形状物中可确定一个任意点(xc , yc)为参考点，从边界上任一点(x , y)到参考点(xc , yc)的长度为r,它是φ的函数，φ是(x , y)边界点上的梯度方向。通常是把r表为φ的参数r(φ), (xc , yc)到边界连线的角度为α(φ)，则(xc , yc)应满足下式： 设某已知特殊边界R，可按φ的大小列成一个二维表格，即φi～(a , r)表，φi确定后可查出a和r，经上式计算可得到(xc , yc)。 6.4 Hough变换检测法 对已知形状建立了R表格后，开辟一个二维存储区，对未知图像各点都来查已建立的R表，然后计算(xc , yc)，若未知图像各点计算出的(xc , yc)很集中，就表示已找到该形状的边界。集中的程度就是找最大值。 具体步骤如下： (1)对将要找寻的某物边界建立一R表，这是一个二维表，以φi的步进值求r和α； (2)在需要判断被测图像中有无已知某物时，也可对该图某物各点在内存中建立一存储区，存储内容是累加的。把xc , yc从最小到最大用步进表示，并作为地址，记作A(xcmin～max, ycmin～max),存储阵列内容初始化为零； 6.4 Hough变换检测法 (3)对图像边界上每一点(xi , yi)，计算φ(x)，查原来的R计算(xc , yc)，； (4)使相应的存储阵列A(xc , yc)加1，即 (5)在阵列中找一最大值，就找出了图像中符合要找的某物体边界。 6.4 Hough变换检测法 6.5 阈值分割法 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 6.5 阈值分割法 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，既是边界像素。 0 255 255 0 255 0 255 255 255 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。 灰度值 f(x0,y0) T 6.5 阈值分割法 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。 6.5 阈值分割法 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 6.5 阈值分割法 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 T 6.5 阈值分割法 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 6.5 阈值分割法 通过直方图得到阈值 T 6.5 阈值分割法 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。 6.5 阈值分割法 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