数字图像处理_杨淑莹_第七章图像分割及纹理分析.

《数字图像处理_杨淑莹_第七章图像分割及纹理分析.》由会员分享，可在线阅读，更多相关《数字图像处理_杨淑莹_第七章图像分割及纹理分析.（70页珍藏版）》请在金锄头文库上搜索。

1、第7章 图像分割及测量 * 本章要点： 图像阈值分割 目标物体的轮廓提取 模板匹配 图像的测量 * 71概述 数字图像处理的目的之一是图像识别， 图像分割与测量是图像识别工作的基础。 图像分割将图像分为一些有意义的区域， 然后可以对这些区域进行描述，相当于提 取出某些目标区域图像的特征，判断图像 中是否有感兴趣的目标。图像分割的基础 是像素间的相似性和跳变性。 * 边缘检测能较成功的检测出图像真正 的边缘 。 在边缘检测之后，找出目标物体的轮 廓，进行目标物体的分析、识别、测量等 。这些内容在数字图像处理应用中，如跟 踪、制导等方面扮演重要角色，有着广泛 的用途。 * 72 图像阈值分割 阈值

2、处理是一种区域分割技术，将灰 度根据主观愿望分成两个或多个等间隔或 不等间隔灰度区间，它主要是利用图像中 要提取的目标物体和背景在灰度上的差异 ，选择一个合适的阈值，通过判断图像中 的每一个像素点的特征属性是否满足阈值 的要求来确定图像中该像素点属于目标区 还是应该属于背景区域，从而产生二值图 像。 * 本节介绍选择合适的阈值方法有： 直方图门限选择 半阈值选择图像分割 迭代阈值图像分割 * 7.2.1直方图门限选择 1理论基础 阈值T可通过分析边缘检测输出的直方图 来确定。假设，一幅图像只有物体和背景 两部分组成，其灰度级直方图成明显的双 峰值，如图7-1。 255 f(i，j) 图7-1

3、双峰灰度级直方图 * 在此情况下，选取双峰间的谷底处的灰度值 T作为阈值，即可将物体和背景很好地分割 开。阈值分割法可用数学表达式来描述。 设图像为f(i，j)，其灰度级范围为z1， z2，设T为阈值，是z1和z2内任一值，可 得一幅二值图像，其数学表达式为: * 255 如果f（i，j）T f（i，j）= （7-1） 0 如果f（i，j）T 或者，也可以 0 如果f（i，j）T f（i，j）= （7-2） 255 如果f（i，j）T * 假如，其灰度级直方图能呈现多个明显的 峰值，比如有三个峰值，可取两个峰谷处 的灰度值T1，T2作为阈值。同样，可将阈 值化后的图像变成二值化图像。 f（i，

4、j） T1 T2255 0 图7-2 多峰值灰度级直方图 * 其数学表达式为: 0 如果 T1f（i，j）T2 f（i，j）= （7-3） 255 其它 或者，同样也可以 255 如果 T1f（i，j）T2 f（i，j）= （7-4） 0 其它 * 2实现步骤 （1）获得原图像的首地址，及图像的宽和高 。 （2）开辟一块内存空间，并初始化为255。 （3）进行图像灰度统计，显示灰度直方图。 （4）通过对话框选取一个峰谷作为阈值。 （5）像素灰度值与阈值之差小于30，将像素 置为0，否则置为255。 （6）将结果复制到原图像数据区。 * 3编程代码 对图像进行灰度直方图统计。 void Bing

5、XingBianJieDib:Zhifangtu(float *tongji) 对图像进行阈值分割。 void BingXingBianJieDib:Yuzhifenge(int Yuzhi) 见光盘程序代码 * 4 效果对比图 （a）根据直方图选择阈值 * （b）原图 （c）二值化效果图 * 7.2.2 半阈值选择分割 1理论基础 上述方法，不论图像的直方图具有双峰还 是多峰值，经过阈值化后均将原始灰度级 多值图像变成二值图像，假如希望阈值后 的图像只把图像的背景表示成二值图像（ 即背景不是最白（用1表示）就是最黑（用 0表示）而图像中的物体仍为多值图像。 此时，可采用半阈值技术，把物体从背

6、景 中分离出来。 * 半阈值化后的图像可用数学表达式表示为： f（i，j） 如果f（i，j）T f（i，j）= （7-6） 0或者255 如果f（i，j）T 或者 f（i，j） 如果f（i，j）T f（i，j）= （7-7） 0或者255 其它 * 2实现步骤 (1)获得原图像的首地址，及图像的宽和高。 (2)开辟一块内存空间，并初始化为255。 (3)进行图像灰度统计，显示灰度直方图。请看 Zhifangtu(float *tongji)函数。 (4)选取一个峰谷作为阈值。 (5)像素灰度值与阈值之差小于30，将像素置为0， 否则保持灰度值不变。 (6)将结果复制到原图像数据区。 * 3.编

7、程代码 for (j=0;jheight;j+) for(i=0;iwide;i+) lpSrc=p_data+wide*j+i; lpDst=temp+wide*j+i; if(*lpSrc-Yuzhi)30) *lpDst=*lpSrc; * 4.效果对比图 （a）根据直方图选择阈值 （b）半阈值选择图像分割效果图 * 7.2.3迭代阈值分割 1理论基础 迭代的方法产生阈值，可以通过程序自动计算出 比较合适的分割阈值。其计算方法是这样的： （1）选择阈值T，通常可以选择图像的平均灰度值 来作为初始阈值； （2）通过初始阈值T，把图像的平均灰度值分成两 组R1和R2； （3）计算着两组平均灰

8、度值1和2； （4）重新选择阈值T，新的T定义为： T=(1+2)/2; 循环做第二步到第四步，一直到两组的平均灰度 值1和2不在发生改变，那么我们就获得了所 需要的阈值。 * 2实现步骤 (1) 获得原图像的首地址，及图像的高和宽。 (2)进行直方图统计。请看Zhifangtu(float *tongji)函数。 (3)设定初始阈值T=127。 (4)分别计算图像中小于T和大于T的两组平均灰 度值。 (5)迭代计算阈值，直至两个阈值相等。 (7)根据计算出的阈值，对图像进行二值化处理。 * 3. 编程代码 对图像进行迭代阈值分割 。 void BingXingBianJieDib:Dieda

9、ifazhi(int *tongji) 见光盘程序代码 * 4. 效果对比图 图7-5 迭代阈值图像分割效果图 * 7.3目标物体的轮廓提取 轮廓提取法 边界跟踪法 区域增长法 区域分裂合并法 * 7.3.1 轮廓提取法 1理论基础 图像边缘是图像局部特性不连续性（灰度 突变、颜色突变等）的反映，它标志着一 个区域的终结和另一个区域的开始。 二值图像的轮廓提取的原理非常简单，就 是掏空内部点：如果原图中有一点为黑， 且它的8个相邻点皆为黑，则将该点删除。 对于非二值图像，要先进行二值化处理。 * 2实现步骤 (1)获取原图像像素的首地址，及图像的高和宽。 (2)开辟一块内存缓冲区，将原图像素保

10、存在内存 中。 (3)将像素点的8邻域像素读入数组中，如果每一个 邻域像素的灰度值和中心点的灰度值相差小于10 ，则认为邻域像素和中心点相同，如果8个邻域 像素都和中心点相同，在内存缓冲区中将该像素 点置白，否则保持不变。 (4)重复执行(3)，对每一个像素进行处理。 (5)将内存中的数据复制到原图像中。 * 3. 编程代码 对图像进行轮廓提取。 void BingXingBianJieDib:Lunkuotiqu() 见光盘程序代码 * 4效果对比图 （a）原图 （b）轮廓提取效果图 * 7.3.2边界跟踪法 1理论基础 边界跟踪的基本方法是：先根据某些严格 的“探测准则”找出目标物体轮廓上

11、的像 素，再根据这些像素的某些特征用一定的 “跟踪准则”找出目标物体上的其他像素 。 * 一般的跟踪准则是：边缘跟踪从图像左上角开始 逐像点扫描，当遇到边缘点时则开始顺序跟踪， 直至跟踪的后续点回到起始点（对于闭合线）或 其后续点再没有新的后续点（对于非闭合线）为 止。如果为非闭合线，则跟踪一侧后需从起始点 开始朝相反的方向跟踪到另一尾点。如果不止一 个后续点，则按上述连接准则选择加权平均最大 的点为后续点，另一次要的后续点作为新的边缘 跟踪起点另行跟踪。一条线跟踪完后，接着扫描 下一个未跟踪点，直至图像内的所有边缘都跟踪 完毕。 * (a)中心像素跟踪的8个方向编号及偏移量 (b)边界跟踪示

12、意图 （-1，-1）（0，-1）（1，-1） （-1，0）（1，0） （-1，1）（0，1）（1，1） * 2实现步骤 (1)获得原图像的首地址，及图像的高和宽。 (2)开辟一块内存缓冲区，初始化为255。 (3)将图像进行二值化处理。 (4)跟踪边界点，找到1个边界点，就将内存缓冲区 中该点相应位置置0。 (5)按照跟踪准则，重复执行(4)，直到回到初始点 。 (6)将内存缓冲区的内容复制到原图像中。 * 3. 编程代码 对图像进行轮廓跟踪。 void BingXingBianJieDib:Lunkuogenzong() 见光盘程序代码 * 4. 效果对比图 （a）原图 (b ) 外边界跟踪

13、效果图 * 7.3.3 区域增长法 1理论基础 算法的主要过程是，依次用图像的每一个 像素的灰度值和标准阈值相减，判断结果是 否小于标准差，是则将该点和种子点合并， 不是则保持像素点的灰度值不变。这样处理 后的图像就是用区域分割法处理后的边缘分 割图像。 * 图7-9 区域增长法示意图 * 2. 实现步骤 (1)获取原图像的像素的首地址，以及图像 的高和宽。 (2)依次用图像的每一个像素的灰度值减去标 准阈值，判断结果的绝对值是否小于标准 差，标准差为10。如果小于则将标准阈值 赋给该像素点，否则灰度值保持不变。 (3)调用刷新函数显示效果图。 * 3. 编程代码 unsigned char

14、zhongzi=*(p_data+point.y*wide+point.x); / 计算种子点一的 灰度值 / 对各像素进行灰度转换 for (j = 0; j height; j +) for (i = 0; i wide; i +) /获取各颜色分量 unsigned char temp = *(unsigned char *)p_data + wide * j +i); if (abs(temp - zhongzi) 10) /当前点同种子一灰度值比较接 近 /将种子一的颜色赋给当前像素 *(unsigned char *)p_data + wide * j + i ) = temp; else *(unsigned char *)p_data + wide * j + i ) =255; * 4.效果对比图 (a)选择生长点 （b）按右键点击黑处效果 图 * 7.3.4 区域分裂合并法 区域分裂合并方法利用了图像数据的金字 塔或四叉树数据结构的层次概念，将图像 划分成一组任意不相交的初始区域，即可 以从图像的这种金字塔或四叉树数据结构 的任一中间层开始，根据给定的均匀性检 测准则进行分裂和合并这些区域，逐步改 善区域划分的性能，直至最后将图像分成 数量最少的均匀区域为止。 * 区域分裂合并方法算法步骤是: (1) 确定均匀性测试准则T