第7章-图像分割.pptVIP

第7章图像分割在图像分析中,通常需要将所关心的目标物从图像中提取出来,这种从图像中将某个特定区域与其它部分进行分离并提取出来的处理,就是图像分割.图像分割在图像分析、图像识别、图像检测等方面占有非常重要的地位。图像分割方法依照分割时所依据的图像特性不同，大致可以分为三大类。第一类是阈值方法，这种方法是依据图像的灰度值的分布特性确定某个阈值来进行图像的分割的；第二类为边界分割方法，这类方法是通过检测出封闭某个区域的边界来进行图像分割的；第三类方法是区域提取方法，这类方法的特点是根据特定区域与其它背景区域特性上的不同来进行图像的分割的。图像分割的目的图像分割是指通过某种方法，使得画面场景被分为“目标物”及“非目标物”两类,即将图像的像素变换为黑、白两种。因为结果图像为二值图像，所以通常又称图像分割为图像的二值化处理。图像分割（ImageSegmentation）按照一定的规则将一幅图像分成各具特性的区域，并提取出感兴趣目标的技术和过程其它名称：目标轮廓技术（objectdelineation）目标检测（targetdetection）阈值化技术（thresholding）是图像处理到图像分析的关键步骤地位图像处理着重强调图像之间进行变换以改善图像的效果图像分析则主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息从而建立对图像的描述图像理解的重点是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互关系，并得出对图像的解释分类—分割依据相似性分割：将相似灰度级的像素聚集在一起。形成图像中的不同区域。这种基于相似性原理的方法也称为基于区域相关的分割技术非连续性分割：首先检测局部不连续性，然后将它们连接起来形成边界，这些边界把图像分以不同的区域。这种基于不连续性原理检出物体边缘的方法称为基于点相关的分割技术两种方法是互补的。有时将它们地结合起来，以求得到更好的分割效果。图像分割说明示例图像分割示例

——条码的二值化图像分割示例

——肾小球区域的提取图像分割示例

——细菌检测图像分割示例

——印刷缺陷检测图像分割示例

——印刷缺陷检测图像分割的难点从前面的例子可以看到，图像分割是比较困难的。原因是画面中的场景通常是复杂的，要找出两个模式特征的差异，并且可以对该差异进行数学描述都是比较难的。图像分割的概念图像分割原理上的计算公式如下：图像分割方法p-参数法均匀性度量法聚类方法P-参数法

——设计思想对固定分辨率下的目标物，根据目标物在画面中所占的比例来选择阈值，进行二值化处理。P-参数法——示例P-参数法——基本原理如下图所示，假设目标物为暗，背景为亮；先试探性地给出一个阈值（黄色），统计目标物的像素点数在整幅图中所占的比例是否满足要求，是则阈值合适；否则，阈值则偏大（右）或者偏小（左），再进行调整，直到满足要求（白色）。P-参数法——算法步骤1）设图像的大小为m*n，计算得到原图的灰度直方图h；2）输入目标物所占画面的比例p；P-参数法——算法步骤3）尝试性地给定一个阈值Th=Th0；4）计算在Th下判定的目标物的像素点数N;P-参数法——算法步骤均匀性度量法——设计思想均匀性度量法

——算法步骤均匀性度量法

——算法步骤均匀性度量法

——算法步骤均匀性度量法

——算法步骤均匀性度量法

——处理效果示例聚类方法

——基本设计思想聚类方法是采用了模式识别中的聚类思想。以类内保持最大相似性以及类间保持最大距离为最佳阈值的求取目标。聚类方法

——算法步骤聚类方法

——算法步骤聚类方法

——算法步骤聚类方法

——算法步骤聚类方法

——算法步骤聚类方法

——处理效果示例目标物体的轮廓提取（1）轮廓提取边缘勾画出目标物体，其蕴含了丰富的内在信息（方向、形状等），是图像识别中抽取图像特征的重要属性轮廓提取和跟踪是为了获取图像的外部轮廓特征采用的方法二值图像：掏空内部点非二值图像：先进行图像的二值化处理，然后