《DIP姚敏 图像处理课件》由会员分享，可在线阅读，更多相关《DIP姚敏 图像处理课件（57页珍藏版）》请在金锄头文库上搜索。
1、Digital Image Processing 数字图像处理http:/E-MAIL:姚 敏1第九章 图像分割29.1 概述3图像分割图 像图像图像 识别识别图像图像 预处理预处理图像图像 理解理解图图9.19.1图像分割在整个图像处理过程中的作用图像分割在整个图像处理过程中的作用 图像图像 分割分割作用作用4 分割出来的各区域对某种性质例如灰度，纹分割出来的各区域对某种性质例如灰度，纹 理而言具有相似性，区域内部是连通的的且理而言具有相似性，区域内部是连通的的且 没有过多小孔。没有过多小孔。 区域边界是明确的区域边界是明确的 相邻区域对分割所依据的性质有明显的差异相邻区域对分割所依据的性质
2、有明显的差异图像分割 特征特征5 边缘检测边缘检测 边缘跟踪边缘跟踪 阈值分割阈值分割 区域分割区域分割 运动分割运动分割图像分割 本章要点本章要点69.2 边缘检测 7梯度算子梯度算子是梯度算子是一阶导数算子一阶导数算子幅值幅值方向角方向角 8梯度算子 数字图像处理中用差分代替微分数字图像处理中用差分代替微分近似计算近似计算9梯度算子RobertsRoberts算子算子 Z1Z2Z3Z4Z5Z6Z7Z8Z9-10010-11010梯度算子SobelSobel算子算子 Z1Z2Z3Z4Z5Z6Z7Z8Z9-1-2-1 000121-101-202-10111梯度算子PrewittPrewitt
3、算子算子 Z1Z2Z3Z4Z5Z6Z7Z8Z9-1-1-1 000111-101-101-10112梯度算子原图原图PrewittPrewitt算子算子 SobelSobel算子算子 RobertsRoberts算子算子 13拉普拉斯算子差分差分微分微分二阶导数算子二阶导数算子14拉普拉斯算子图图图图9 9.5 .5 两种两种常用的常用的拉普拉斯算子模拉普拉斯算子模 板板010 1-41010111 1-8111115拉普拉斯算子16Canny算子好的检测结果：对边缘的错误检测率要尽可能低，在检测好的检测结果：对边缘的错误检测率要尽可能低，在检测出图像真实的边缘的同时要避免检测出现虚假的边缘。
4、出图像真实的边缘的同时要避免检测出现虚假的边缘。 好的边缘定位精度：标记出的边缘位置要和图像上真正好的边缘定位精度：标记出的边缘位置要和图像上真正边缘的位置尽量接近。边缘的位置尽量接近。 对同一边缘要有低的响应次数：有的算子会对一个边缘回对同一边缘要有低的响应次数：有的算子会对一个边缘回产生多个响应。也就是说图像上本来只有一个边缘点的，可是检产生多个响应。也就是说图像上本来只有一个边缘点的，可是检测出来就会出现多个边缘点。测出来就会出现多个边缘点。 克服噪声的影响克服噪声的影响基本思想基本思想 17Canny算子算法步骤算法步骤 用高斯滤波器平滑图像用高斯滤波器平滑图像计算滤波后图像梯度的幅值
5、和方向计算滤波后图像梯度的幅值和方向对梯度幅值应用非极大值抑制，其过程为找处图像梯度中的对梯度幅值应用非极大值抑制，其过程为找处图像梯度中的局部极大值点，把其它非局部极大值点置零以得到得到细化的局部极大值点，把其它非局部极大值点置零以得到得到细化的 边缘边缘用双阈值算法检测和连接边缘，使用两个阈值用双阈值算法检测和连接边缘，使用两个阈值T1T1和和 T2(T1T2)T2(T1T2)，T1T1用来找到每条线段，用来找到每条线段，T2T2用来在这些线段的两个用来在这些线段的两个 方向上延伸寻找边缘的断裂处，并连接这些边缘。方向上延伸寻找边缘的断裂处，并连接这些边缘。18Canny算子实例实例 19
6、算子比较 RobertsRoberts算子算子：RobertsRoberts算子利用局部差分算子寻找边缘，边算子利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于图像没经过缘定位精度较高，但容易丢失一部分边缘，同时由于图像没经过 平滑处理，因此不具备能抑制噪声能力。该算子对具有陡峭边缘平滑处理，因此不具备能抑制噪声能力。该算子对具有陡峭边缘 且含噪声少的图像效果较好。且含噪声少的图像效果较好。 SobelSobel算子算子和和PrewittPrewitt算子算子：都是对图像先做加权平滑处理，：都是对图像先做加权平滑处理，然后再做微分运算，所不同的是平滑部分的权值有些差异
7、，因此然后再做微分运算，所不同的是平滑部分的权值有些差异，因此 对噪声具有一定的抑制能力，但不能完全排除检测结果中出现的对噪声具有一定的抑制能力，但不能完全排除检测结果中出现的 虚假边缘。虽然这两个算子边缘定位效果不错，但检测出的边缘虚假边缘。虽然这两个算子边缘定位效果不错，但检测出的边缘 容易出现多像素宽度。容易出现多像素宽度。20算子比较 LaplacianLaplacian算子算子：是不依赖于边缘方向的二阶微分算子算子，：是不依赖于边缘方向的二阶微分算子算子，对图像中的阶跃型边缘点定位准确，该算子对噪声非常敏感，它使对图像中的阶跃型边缘点定位准确，该算子对噪声非常敏感，它使噪声成分得到加
8、强，这两个特性使得该算子容易丢失一部分边缘的噪声成分得到加强，这两个特性使得该算子容易丢失一部分边缘的方向信息，造成一些不连续的检测边缘，同时抗噪声能力比较差。方向信息，造成一些不连续的检测边缘，同时抗噪声能力比较差。21算子比较 LOGLOG算子算子：该算子首先用高斯函数对图像作平滑滤波处理，然后：该算子首先用高斯函数对图像作平滑滤波处理，然后才使用才使用LaplacianLaplacian算子检测边缘，因此克服了算子检测边缘，因此克服了LaplacianLaplacian算子抗噪声能力比算子抗噪声能力比较差的缺点，但是在抑制噪声的同时也可能将原有的比较尖锐的边缘也较差的缺点，但是在抑制噪声
9、的同时也可能将原有的比较尖锐的边缘也 平滑掉了，造成这些尖锐边缘无法检被测到。应用平滑掉了，造成这些尖锐边缘无法检被测到。应用LOGLOG算子，高斯函数算子，高斯函数中方差参数的选择很关键，对图像边缘检测效果有很大的影响。高斯滤中方差参数的选择很关键，对图像边缘检测效果有很大的影响。高斯滤波器为低通滤波器，越大，通频带越窄，对较高频率的噪声的抑制作用波器为低通滤波器，越大，通频带越窄，对较高频率的噪声的抑制作用越大，避免了虚假边缘的检出，同时信号的边缘也被平滑了，造成某些越大，避免了虚假边缘的检出，同时信号的边缘也被平滑了，造成某些边缘点的丢失。反之，越小，通频带越宽，可以检测到的图像更高频率
10、边缘点的丢失。反之，越小，通频带越宽，可以检测到的图像更高频率的细节，但对噪声的抑制能力相对下降，容易出现虚假边缘。因此，应的细节，但对噪声的抑制能力相对下降，容易出现虚假边缘。因此，应 用用LOGLOG算子，为取得更佳的效果，对于不同图像应选择不同参数。算子，为取得更佳的效果，对于不同图像应选择不同参数。22算子比较 CannyCanny算子算子：CannyCanny算子虽然是基于最优化思想推导出的边缘算子虽然是基于最优化思想推导出的边缘检测算子，实际效果并不一定最优，原因在于理论和实际有许多不检测算子，实际效果并不一定最优，原因在于理论和实际有许多不一致的地方。该算子同样采用高斯函数对图像
11、作平滑处理，因此具一致的地方。该算子同样采用高斯函数对图像作平滑处理，因此具有较强的抑制噪声能力，同样该算子也会将一些高频边缘平滑掉，有较强的抑制噪声能力，同样该算子也会将一些高频边缘平滑掉，造成边缘丢失。造成边缘丢失。CannyCanny算子其后所采用用双阈值算法检测和连接边算子其后所采用用双阈值算法检测和连接边缘，采用的多尺度检测和方向性搜索较缘，采用的多尺度检测和方向性搜索较LOGLOG算子要好。算子要好。 239.3 边缘跟踪 24基本步骤从图像中一个边缘点出发，然后根据某种判别准则搜索下从图像中一个边缘点出发，然后根据某种判别准则搜索下 一个边缘点以此跟踪出目标边界。一个边缘点以此跟
12、踪出目标边界。 确定边界的起始搜索点，起始点的选择很关键，对某些图确定边界的起始搜索点，起始点的选择很关键，对某些图像，选择不同的起始点会导致不同的结果。像，选择不同的起始点会导致不同的结果。确定合适边界判别准则和搜索准则，判别准则用于判断一确定合适边界判别准则和搜索准则，判别准则用于判断一个点是不是边界点，搜索准则则指导如何搜索下一个边缘点。个点是不是边界点，搜索准则则指导如何搜索下一个边缘点。 确定搜索的终止条件。确定搜索的终止条件。25二值图像边界跟踪 26灰度图像边界跟踪 27Hough 变换 HoughHough变换可以用于将边缘像素连接起来得到边界曲线变换可以用于将边缘像素连接起来
13、得到边界曲线优点在于受噪声和曲线间断的影响较小优点在于受噪声和曲线间断的影响较小在已知曲线形状的条件下，在已知曲线形状的条件下，HoughHough变换实际上是利用分散变换实际上是利用分散的边缘点进行曲线逼近，它也可看成是一种聚类分析技术的边缘点进行曲线逼近，它也可看成是一种聚类分析技术 28Hough 变换 原始图像原始图像二值化图像二值化图像细化图像细化图像Hough Hough 变换检测出的直线变换检测出的直线 直线检测直线检测 299.4 阈值分割 30基本原理基本原理原始图像原始图像f f( (x,yx,y) )灰度阈值灰度阈值T T阈值运算得二值图像阈值运算得二值图像g g( (x
14、,yx,y) ) 阈值选择直接影响分割效果，通常可以通过对灰度直方图阈值选择直接影响分割效果，通常可以通过对灰度直方图 的分析来确定它的值。的分析来确定它的值。 31阈值选择阈值选择利用灰度直方图求双峰或多峰利用灰度直方图求双峰或多峰 选择两峰之间的谷底作为阈值选择两峰之间的谷底作为阈值 32人工阈值人工阈值人工选择法是通过人眼的观察，应用人对图像的知识，在分析图像人工选择法是通过人眼的观察，应用人对图像的知识，在分析图像直方图的基础上，人工选出合适的阈值。也可以在人工选出阈值后直方图的基础上，人工选出合适的阈值。也可以在人工选出阈值后，根据分割效果，不断的交互操作，从而选择出最佳的阈值。，根
15、据分割效果，不断的交互操作，从而选择出最佳的阈值。 33T T=155=155的二值化图像的二值化图像 T T= =210210的二值化图像的二值化图像原始图像原始图像图像直方图图像直方图人工阈值人工阈值34自动阈值自动阈值 迭代法迭代法 基本思想基本思想：开始时选择一个阈值作为初始估计值，然后按某种策略不：开始时选择一个阈值作为初始估计值，然后按某种策略不断地改进这一估计值，直到满足给定的准则为止。在迭代过程中，关断地改进这一估计值，直到满足给定的准则为止。在迭代过程中，关键之处在于选择什么样的阈值改进策略，好的阈值的改进策略应该具键之处在于选择什么样的阈值改进策略，好的阈值的改进策略应该具
16、备两个特征，一是能够快速收敛，二是在每一个迭代过程中，新产生备两个特征，一是能够快速收敛，二是在每一个迭代过程中，新产生阈值优于上一次的阈值。阈值优于上一次的阈值。 35自动阈值自动阈值 迭代法迭代法 (1)(1) 选择图像灰度的中值作为初始阈值选择图像灰度的中值作为初始阈值T Ti i= =T T0 0。(2)(2) 利用阈值利用阈值T Ti i把图像分割成两部分区域，把图像分割成两部分区域， R R1 1和和R R2 2，并计算其灰度均，并计算其灰度均值值(3) (3) 计算新的阈值计算新的阈值T Ti+i+1 1(4) (4) 重复步重复步骤骤2 2、3 3，直到，直到T Ti+i+1 1和和T Ti i的的值值差差别别小于某个小于某个给给定定值值36自动阈值自动阈值 迭代法迭代法 原始图像原始图像迭代阈值二值化图象
