第九章 图像分割.pptVIP

第九章 图像分割 * 9.1引言 图像分割就是将一幅图像中的目标物分离出来。 1）先通过看图理解图像分割的概念 将图像分解成构成它的部件和对象 有选择地定位感兴趣对象在图像中的位置和范围 图像分割的基本思路 从简到难，逐级分割 控制背景环境，降低分割难度 把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上 2） 概述 数字图像处理按其技术特征可以分为三层结构: 图像处理; 图像分析; 图像理解与识别; 无论是图像处理、分析、理解与识别，其基础工作一般都建立在图像分割的基础上； 将图像中有意义的特征或者应用所需要的特征信息提取出来； 图像分割的最终结果是将图像分解成一些具有某种特征的单元，称为图像的基元； 相对于整幅图像来说，这种图像基元更容易被快速处理。 图像特征 图像特征是指图像中可用作标志的属性，它可以分为统计特征和视觉特征两类。 图像的统计特征是指一些人为定义的特征，通过变换才能得到，如图像的直方图、矩、频谱等； 图像的视觉特征是指人的视觉可直接感受到的自然特征，如区域的亮度、纹理或轮廓等。 图像分割是进行图像分析的关键步骤，也是进一步理解图像的基础； 不同种类的图像，不同的应用要求所需要提取的特征不相同，特征提取方法也就不同； 不存在一种所谓普遍适用的最优方法。 图像分割 设R代表整个图像区域，对R的分割可看作将R分成若干个满足以下5个条件的非空子集(子区域)R1,R2,…,Rn。 （1） 。即分割成的所有子区域的并应能构成原来的区域R。 （2）对于所有的i和j及i≠j，有 。即分割成的各子区域互不重叠。 （3）对于i=1,2,…,n；有P(Ri)=TRUE。即分割得到的属于同一区域的像素应具有某些相同的特性。 （4）对于i≠j，有P(Ri∪Rj)=FALSE。即分割得到的属于不同区域的像素应具有不同的性质。 （5）对于i=1,2,…,n；Ri是连通的区域。即同一子区域内的像素应当是连通的。 R R n i i = = U 1 f = j i R R I 图像的边缘 图像的边缘对人类的视觉系统具有重要的意义，它是人类判别物体的重要依据，是图像的最基本特征。 所谓边缘(又称为边沿)，是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。 边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间。因此，它是图像分割所依赖的重要特征。 图像分割是将图像划分成若干个互不相交的小区域的过程，小区域是某种意义下具有共同属性的像素的连通集合。 如不同目标物体所占的图像区域、前景所占的图像区域等； 连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径； 对于离散图像而言，连通有4连通和8连通之分，如下图所示。 3）图像分割的基本原理 图 4连通和8连通 4连通指的是从区域上一点出发，可通过4个方向，即上、 下、左、右移动的组合，在不越出区域的前提下，到达区域内的任意像素； 8连通方法指的是从区域上一点出发，可通过左、 右、上、下、左上、右上、左下、右下这8个方向的移动组合来到达区域内的任意像素。 图像分割有三种不同的途径： 其一是将各像素划归到相应物体或区域的像素聚类方法, 即区域法； 其二是通过直接确定区域间的边界来实现分割的边界方法； 其三是首先检测边缘像素，再将边缘像素连接起来构成边界形成分割。 在图像分割技术中，最常用的是利用阈值化处理进行的图像分割。本章主要介绍阈值法和边缘检测的方法。 9.2阈值 一、单阈值 图像的二值化处理，一幅灰度图像，选择一阈值T，将图像转换为黑白二值图像， 以上原理用MATLAB实现很简单，其实是将图像中所有的灰阶值与T相比较，大于T的返回1，小于T的返回0，我们得到一个只有0和1的矩阵，将其显示为图像，就是一幅二值图像。可以用函数im2bw来实现上述操作。 p=im2bw(r,0.3); imshow(p) Im2bw中的参数第一个是图像，第二个level是一个介于0和1之间的数，此时阈值为T=M*level。 还可以用阈值法获得图像中的隐藏信息。如图9.3所示，左图看上去是均匀的，但如果我们将阈值设为241则可以看到，产生右图的效果，有一些本来看不到的隐藏信息将显现出来。 二、双阈值 我们选择两个阈值T1和T2， [x,map]=imread(spine.tif); s=ind2gra