数字图像处理第7章--图像分割技术.ppt

数字图像处理第7章--图像分割技术.ppt

《数字图像处理第7章--图像分割技术.ppt》由会员分享，可在线阅读，更多相关《数字图像处理第7章--图像分割技术.ppt（71页珍藏版）》请在冰点文库上搜索。

第七章图像分割技术,7.1基于阈值选取的图像分割方法7.2基于区域的图像分割方法7.3基于边缘检测的图像分割7.4图像分割的MATLAB实现,图像分割把图像空间按照一定的要求分成一些“有意义”的区域的技术叫图像分割。

例如：

（1）要确定航空照片中的森林、耕地、城市区域等，首先需要将这些部分在图像上分割出来。

（2）要辨认文件中的个别文字，也需先将这些文字分选出来。

（3）要识别和标定细胞的显微照片中的染色体，需要用图像分割技术。

一幅图像通常是由代表物体的图案与背景组成，简称物体与背景。

若想从一幅图像中“提取”物体，可以设法用专门的方法标出属于该物体的点，如把物体上的点标为“1”，而把背景点标为“0”，通过分割以后，可得一幅二值图像。

图像分割的意义是把图像分成若干个有意义区域的处理技术。

其从本质上说是将各像素进行分类的过程。

分类所依据的特性可以是像素的灰度值、颜色或多谱特性、空间特性和纹理特性等。

图像分割方法分类：

大致可以分为基于边缘检测的方法和基于区域生成的方法。

第一类为找出图像的边缘信息，首先检出局部特性的不连续性，再将它们连成边界，这些边界把图像分成不同的区域，从而分割出各个区域，常用边缘检测方法有基于边缘检测的图像分割、基于阈值选取的图像分割；,图像分割方法分类：

第二类为基于区域生成的方法，是将像素分成不同的区域，根据相应的区域特性在图像中找出与其相似的部分并进行处理，常用的方法有区域生长、分裂-合并分割方法。

以上这两类方法互为对偶，相辅相成，有时还要将它们结合起来，以得到更好的分割效果。

7.1阈值选取的图像分割方法,7.1.1灰度阈值分割7.1.2直方图阈值7.1.3最大熵阈值7.1.4二维直方图阈值7.1.5局部阈值法,若图像中目标和背景具有不同的灰度集合：

目标灰度集合与背景灰度集合，且两个灰度集合可用一个灰度级阈值T进行分割。

这样就可以用阈值分割灰度级的方法在图像中分割出目标区域与背景区域，这种方法称为灰度阈值分割方法。

T的选择原则1.B1应尽可能包含与背景相关的灰度级，而B2则应包含物体的所有灰度级。

2.当扫描这幅图像时，从B1到B2之间的灰度变化就指示出有边界存在。

常用的几种二值化方法1令二值化图像为：

2令二值化图像为：

3令二值化图像为：

4令二值化图像为：

常用的两种半阈值化方法1,2,不同阈值对阈值化结果的影响（a）原始图像；（b）阈值T=91；（c）阈值T=130；（d）阈值T=43,直方图阈值的双峰法当灰度图像中画面比较简单且对象物的灰度分布比较有规律，背景和对象物在图像的灰度直方图上各自形成一个波峰，由于每两个波峰间形成一个低谷，因而选择双峰间低谷处所对应的灰度值为阈值，可将两个区域分离。

我们把这种通过选取直方图阈值来分割目标和背景的方法称为直方图阈值双峰法。

细胞原灰度图像图像直方图T=140时阈值分割后的图像,原灰度图像图像直方图T=130时阈值分割后的图像,动态阈值法在有些情况下，整幅图像用一个固定的阈值来分割，可能得不到好的分割效果。

此时可以利用取动态门限值的方法分割图像。

取动态门限值是先将图像分成若干块，对每一块按其局部直方图由上述方法选择门限值。

最大熵阈值图像阈值最大熵分割方法是应用信息论中熵的概念对图像阈值化，使选择的阈值t分割图像目标区域、背景区域两部分灰度统计的信息量为最大，所采用的一种图像阈值分割方法。

对数字图像阈值分割的图像灰度直方图如图，其中，灰度级低于t的像素点构成目标区域O，灰度级高于t的像素构成背景区域B，由此得到目标区域O的概率分布和背景区域B的概率分布分别是目标区域O的概率灰度分布：

背景区域B的概率灰度分布：

7.2基于区域的图像分割方法,7.2.1区域生长法7.2.2分裂-合并,7.2.1区域生长法,分割的目的是把一幅图像划分成一些区域，对于这个问题的最直接的方法是把一幅图像分成满足某种判据的区域。

要划分成区域，要确定一个区域与其它区域相区别的特征，还要产生有意义分割的相似性判据。

分割区域的一种方法叫区域生成或区域生长。

可以从满足区域特征的一点开始，加上与已知点相似的邻点形成一个区域。

这个相似性准则可以是灰度级、彩色值、结构、梯度或其它特征。

相似性的测度可以由所确定的阈值来判定。

所以，此方法是从满足检测准则的点开始，在各个方向上生长区域。

当其邻近点满足检测准则，就并入区域中。

不断重复这一过程，直到没有可接受的邻近点为止。

区域生长法时需要由以下3个步骤来实现

（1）确定选择一组能正确代表所需区域的起始点种子像素。

（2）确定在生长过程中将相邻像素包括进来的（相似性判别生长）准则。

（3）确定区域生长过程停止的条件或规则。

当然，区域生长分割方法针对不同的实际应用，需要根据具体图像的具体特征来确定种子像素和生长及停止准则。

1灰度差判别式,相似性的判别值可以选取像素与邻域像素间的灰度差，也可以选取微区域与相邻微区域间的灰度差。

灰度差判别式为当CT，说明基本单元（i,j）与（m,n）相似，（i,j）应与（m,n）合并，计算合并后微区域的平均灰度值；当CT，说明两者不相似，f（i,j）保持不变，仍为不属于任何区域的基本单元。

（a）输入图像（b）第一次区域生长（c）第二次区域生长（d）结束并重新开始区域生长的简单图示,（a）给定原图像（b）处理过程（c）处理过程,（d）处理过程（e）处理过程（f）处理过程（g）处理结果,7.2.2分裂-合并,1.树结构2.图像四叉树结构3.金字塔数据结构,图7.2.5图像金字塔分裂-合并基本数据结构,【例7.2.3】分裂-合并算法的例子。

设有88图像的0层、1层、2层、3层如图7.2.6所示，3层为树叶，其中的数值为灰度值以及各层的小区域平均灰度值。

根的灰度值表示图像的平均亮度。

7.3基于边缘检测的图像分割,数字图像的边缘检测是图像分割、目标区域识别、区域形状提取等图像分析领域十分重要的基础，也是图像识别中提取图像特征的一个重要属性。

在进行图像理解和分析时，第一步往往就是边缘检测，由于边缘广泛存在于目标与目标、物体与背景、区域与区域（含不同色彩）之间，它是图像分割所依赖的重要特征。

目前它已成为机器视觉研究领域最活跃的课题之一，在工程应用中占有十分重要的地位。

边缘边缘是指周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。

常见的边缘点有三种：

第一种是阶梯形边缘，即从一个灰度到比它高好多的另一个灰度。

第二种是屋顶形边缘，它的灰度是慢慢增加到一定程度然后慢慢减少。

第三种是线性边缘，它的灰度从一个级别跳到另一个灰度级别之后然后回来。

边缘检测,Sobel算子它是对数字图像f（x,y）的每一个像素，考查其相邻点像素灰度的加权差.,2.Roberts算子图像f（x,y）的梯度定义为,3.LOG算子噪声点对边缘检测有较大的影响，效果更好的边缘检测器是高斯-拉普拉斯（LOG）算子。

它把高斯平滑滤波器和拉普拉斯锐化滤波器结合起来，先平滑掉噪声，再进行边缘检测，所以效果更好。

拉普拉斯高斯算法是一种二阶边缘检测方法。

它通过寻找图像灰度值中二阶微分中的过零点来检测边缘点。

常用的LOG算子是55的模板：

LOG算子中心点的距离与位置加权系数的关系,4.Prewitt算子与使用Sobel算子的方法一样，图像中的每个点都用这两个和作卷积，取最大值作为输出Prewitt算子也产生一幅边缘幅度图像，也是对灰度渐变和噪声较多的图像处理得较好。

图5-10用Prewitt算子进行边缘检测的结果,图5-10,5.Canny算子Canny边缘检测法利用高斯函数的一阶微分，它能在噪声抑制和边缘检测之间取得较好的平衡。

具体步骤如下：

（1）用高斯滤波器来对图像滤波，可以去除图像中的噪声。

（2）用高斯算子的一阶微分对图像进行滤波，得到每个像素的大小和方向。

4.梯度进行“非极大抑制”,3.通过梯度方向，找到这个像素梯度方向的邻接像素。

若某个像素的灰度值与其梯度方向上前后两个像素的灰度值相比不是最大的，那么这个像素值置为0,即不是边缘。

例如，如果中心像素x的梯度方向属于第4区，则把x的梯度值与它的左上和右下相邻像素的梯度值比较，看x的梯度值是否是局部极大值。

如果不是，就把像素x的灰度设为0，这个过程称为“非极大抑制”。

5.使用累计直方图计算两个阈值。

凡是大于高阈值（累积直方图0.8处的值作为高阈值Th）的一定是边缘，凡是小于低阈值（0.4Th）的一定不是边缘。

如果检测结果大于低阈值但又小于高阈值，那就要看这个像素的邻接像素中是否有超过高阈值的边缘像素。

如果有的话，它就是边缘，否则它不是边缘。

图7.4.6采用各种边缘检测算子得到的边缘图像效果,图7.4.7对图像加入椒盐噪声后边缘检测图像效果,图7.4.9四叉树分解,图7.4.10选取不同阈值图像分割的效果,7.4投影法与差影法,5.5.1投影法投影法就是把图像在某一方向（常用的是水平方向和垂直方向）上进行投影。

在投影图上便可反映出图像中目标对象的位置、尺寸等信息。

可以看出投影法是一种很自然的方法，有点像灰度直方图。

为了得到更好的效果，投影法经常和阈值化一起使用。

由于噪声点对投影有一定的影响，所以处理前最好先做一次平滑，去除噪声，然后进行阈值化处理，再对阈值化后的二值图像在某个方向上进行投影运算。

投影法,阈值化后的华盛顿纪念碑,华盛顿纪念碑图,垂直方向投影,5.5.2差影法1.图像的代数运算图像的代数运算是指对两幅输入图像进行点对点的加、减、乘、除四则运算而得到输出图像的运算。

如果记输入图像为A（x,y）和B（x,y），输出图像为C（x,y），则四种图像代数运算的表达式如下：

C（x,y）A（x,y）B（x,y）C（x,y）A（x,y）B（x,y）C（x,y）A（x,y）B（x,y）C（x,y）A（x,y）B（x,y）,图像相加一般用于对同一场景的多幅图像求平均，以便有效地降低加性噪声。

图像相减常用于检测变化及运动物体，图像相减运算又称为图像差分运算。

乘法运算可以用来实现掩模处理，即屏蔽掉图像的某些部分，也作为一种技巧来实现卷积或相关处理。

除法运算可用于校正成像设备的非线性影响，在特殊形态的图像（如CT等医学图像）处理中用到。

2.差影法,所谓差影法，实际上就是图像的相减运算（又称减影技术），是指把同一景物在不同时间拍摄的图像或同一景物在不同波段的图像相减。

差值图像提供了图像间的差异信息，能用以指导动态监测、运动目标检测和跟踪、图像背景消除及目标识别等。

差影法的应用1.用在监控及检测系统中。

2.利用差影技术消除图像背景也有很明显的效果。

3.用于诊断印刷线路板及集成电路掩模的缺陷。

注意：

图像在作差影法运算时必须使两相减图像的对应像点位于空间同一目标点上。

否则，必须先作几何校正与配准。

差影法示例（a）原始混合图像；（b）背景图像；（c）差影法处理结果,图7.5.1用背景差值法分割图像,