区域分析chapter4regionanaly

《区域分析chapter4regionanaly》由会员分享，可在线阅读，更多相关《区域分析chapter4regionanaly（36页珍藏版）》请在金锄头文库上搜索。

1、2019年1月25日星期五,南京航空航天大学 自动化学院,1,区 域 分 析 Chapter 4 Region Analysis,第 4 章,2019年1月25日星期五,南京航空航天大学 自动化学院,2,1 区域和边缘（Region and Edge）,如何精确解释一幅图像？ 区域: 相互连结的具有相似特性的一组像素 边缘：区域边界上的像素(pixel),2019年1月25日星期五,南京航空航天大学 自动化学院,3,2 分割的定义(segmentation),图像分割最简形式: 把灰度图(gray image)转换成二值图,2019年1月25日星期五,南京航空航天大学 自动化学院,4,讨论：

2、基于区域的分割 基于边缘检测的分割 理论上，区域分割和边缘检测应该产生相同的结果,2019年1月25日星期五,南京航空航天大学 自动化学院,5,基于场景中的物体、环境和应用域等知识： 物体的图像灰度特性，物体的尺寸， 物体在图像中所占比例，图像中不同类型物体的数量。,使用上述知识并在无人介入的情况下自动选取阈值的方法称为自动阈值化方法自动阈值化算法通常使用灰度直方图来分析图像中灰度值的分布，并使用特定应用域知识来选取最合适的阈值由于所用的知识具有普遍性，因此大大增加了算法的应用范围,3 自动阈值化法(auto-threshold),2019年1月25日星期五,南京航空航天大学 自动化学院,6,

3、(1) 模态方法(mode) 图像中的物体、背景各具有一灰度值，图像被零均值高斯噪声污染，灰度分布曲线是由两个正态分布函数叠加而成图像直方图将会出现两个分离的峰值，阈值选取波谷最佳。,具有不同灰度均值的多物体图像中背景和物体灰度值正态分布参数为：,2019年1月25日星期五,南京航空航天大学 自动化学院,7,2019年1月25日星期五,南京航空航天大学 自动化学院,8,(2) 迭代式阈值选择 算法4.1 迭代式阈值选择算法 1. 选一初始阈值，如:灰度均值 2. 利用阈值把图像分割成两组，R1和R2 3. 计算区域R1和R2的均值 、 4. 选择新的阈值 5. 重复24步，直到 和 的均值不再

4、变化为止 阈值的改进策略是这一方法的关键,2019年1月25日星期五,南京航空航天大学 自动化学院,9,(3) 自适应阈值化方法 场景照明不均匀时， 一个阈值？ 把图像分成mm个子图像，求出子图像的阈值。 分割的最后结果是所有子图像割的逻辑并。,2019年1月25日星期五,南京航空航天大学 自动化学院,10,(4) 变量阈值化方法,在不均匀照明条件下的另一种实用的阈值化方法是使用简单的函数，如平面、二次曲面等，来逼近不均匀照明下的物体图象与背景图象之间的分界面。分界面在很大程度上是由背景灰度值确定的。,2019年1月25日星期五,南京航空航天大学 自动化学院,11,(5)双阈值方法,在许多应用

5、中，属于物体的某些灰度值是已知的然而，可能还有一些灰度值或者属于物体，或者属于背景在这种情况下，人们可能使用一个保守一点的阈值T1来分离物体图像，称之为物体图像核，然后，使用有关算法来增长物体图像 增长物体图像的方法取决于特定的应用，通常使用另一个阈值来吸收那些图像核像素的邻接像素，或用图像强度特性（如直方图）来决定属于物体区域上的那些点，一种简单的方法是吸收低于第二个阈值T2并且与原先物体图像点相连结的所有点,2019年1月25日星期五,南京航空航天大学 自动化学院,12,算法42 区域增长的双阈值算法 1、选择两个阈值T1和T2 2、把图像分割成三个区域：R1，包含所有灰度值低于阈值T1

6、的像素；R2，包含所有灰度值位于阈值T1和T2之间的像 素；R3，包含所有灰度值高于阈值T2的像素 3、查看分配给区域R2中的每一个像素如果某一像素邻接区 域R1，则把这一像素重新分配给R1 4、重复步骤3直到没有像素被重新分配 5、把区域R2剩下的所有像素重新分配给R3,2019年1月25日星期五,南京航空航天大学 自动化学院,13,（6） 直方图方法的局限性 恒定灰度值.在物体图像具有恒定灰度值的情况下特别有用如果场景中不同部分具有不同的照明，那么，即使图像中仅包含有一个物体，也无法用一个阈值来分割图像 没有利用图像强度的空间信息.基于直方图的图像分割方法没有利用图像强度的空间信息，因此，

7、在本质上存在着局限性直方图仅描述了图像强度分布，因此具有不同灰度空间分布的图像可能具有类似的直方图例如，用直方图无法区分随机分布的黑白点图像、黑白棋格图像和黑白各半的图像,2019年1月25日星期五,南京航空航天大学 自动化学院,14,4 区域表示(region representation),三类型：阵列表示； 层级表示； 基于特征的区域表示。,区域有许多应用，也有许多种表示方法不同的表示方法有着不同的应用一些应用只需计算单个区域，而另一些则需要计算图像各区域的关系,2019年1月25日星期五,南京航空航天大学 自动化学院,15,4.1 阵列表示,区域表示的基本形式是一个与原始图像一样大小的

8、阵列，阵列元素表示像素所属区域这样，如果阵列元i,j具有标记a，那么对应的图像像素就属于区域a这种表示的最简单例子是二值图像，其中每个像素属于区域0或属于区域1 另一种表示方法是使用模板(mask)或比特位图(bitmap)每一个区域对应一个二值图像，称之为模板，表示图像中哪些像素属于该区域把模板重叠在原始图像上，可以求得对应区域的强度特性。,2019年1月25日星期五,南京航空航天大学 自动化学院,16,4.2 层级表示,图像可以用多种不同的分辨率来表示显然，降低图像的分辨率可以降低阵列的尺寸，但要丢失一些信息，使得信息恢复工作比较困难然而，降低分辨率可以降低对存储器容量和计算速度的要求图像

9、的层级表示可以是多分辨率表示在许多应用中，首先在低分辨率下进行图像特性计算，然后在高分辨率上对图像某一选定区域再进行精细计算多级图像表示也在图像浏览中得到了广泛地应用,2019年1月25日星期五,南京航空航天大学 自动化学院,17,(1) 金字塔型,NXN,2X2,1,阵列图像的金字塔型（pyramid）表示包含了原图像和原图像的k个递减图像，在图像的金字塔型表示中，L层的像素是通过对L+1层的若干像素组合得到的在顶层或0层，图像表示为单一像素；而底层则是原始图像或未被递减的图像某一层的一个像素表示下一层的几个像素的合成信息,2019年1月25日星期五,南京航空航天大学 自动化学院,18,图4

10、5 图像多分辨率表示示意图。 (a) 递减分辨率的图像是通过求四个像素的平均值得到的； (b) 原图像为512 512的多分辨率表示；,2019年1月25日星期五,南京航空航天大学 自动化学院,19,一个区域可以分裂成大小一样的四个子区域对于每一个子区域，如果其所有点或者是黑的，或者是白的，则该区域不再进行分裂；但如果同时包含有黑白两种点，则认为该区域是灰度区域，可以进一步分裂成四个子区域通过这种不断分裂得到的图像就可用树型结构表示分裂过程不断进行，直到树中没有灰度区域树结构中的每一个节点或者是一个树叶，或者包含有四个子节点，故称为四叉树 三种节点：白、黑和灰度,(2) 四叉树型(quarte

11、r-tree),2019年1月25日星期五,南京航空航天大学 自动化学院,20,建立四叉树 原始图像； 把原始图像分裂成为四个子区域； 分裂图像(b)中的灰度区域成为四个子区域； 分裂最后一个灰度区域，得到最后的四叉树,2019年1月25日星期五,南京航空航天大学 自动化学院,21,4.3 基于特征的区域表示(feature-based) 区域可用特征表示 常用特征：最小外接矩形、中心矩、欧拉数、灰度均值、方差等 相邻区域的相互位置关系也可作为特征。,区域用边缘表示，另外讨论。,2019年1月25日星期五,南京航空航天大学 自动化学院,22,44 图像分割数据结构,为了实现用于图像分割的区域合

12、并和分裂算法，所生成的区域必须以某种数据结构保存合并和分裂运算要使用区域之间的边界信息以及区域的总体特性，因此，为了更容易地处理区域特征，人们提出许多相应的数据结构,2019年1月25日星期五,南京航空航天大学 自动化学院,23,区域邻接图（region adjacency graphs, RAG）表示图像中区域与区域之间的关系，区域的不同特性可以存贮在不同的节点数据结构中RAG中的节点表示区域，节点之间的弧线表示区域的公共边界,（1）区域邻接图,2019年1月25日星期五,南京航空航天大学 自动化学院,24,算法43 区域邻接图生成算法 1、扫描阵列A并在每一个像素角标i,j完成下列各步;

13、2、让 r1=Ai,j; 3、查看像素在i,j的邻接像素k,l对每一个邻近像 素，进行下一步; 4、让r2=Ak,l, 如果r1r2，在区域邻接图的节点r1 和r2之间增加一条弧线 。,2019年1月25日星期五,南京航空航天大学 自动化学院,25,（2）超级网格,在某些应用中，希望把分割信息存贮在图像阵列中在这种情况下表示边界会遇到一些问题直观地看，边界应位于两个邻接区域的像素之间然而，在图像阵列表示中，边界只能用实际的像素来表示解决这一问题的方法是引进超级网格如果原始图像是nn，那么超级网格就是（2n1）（2n1）阵列每一个像素被八个位于超级网格上的非像素点包围非像素点用来表示两个像素之间

14、的边界，以及边界的方向,图48 超级网格区域表示 左：图像网格；中：传统的边界表示；右：超级网格表示,2019年1月25日星期五,南京航空航天大学 自动化学院,26,5 分裂与合并(split and merge) 图象分割后，会产生许多区域，真？假？ 使用分裂和合并的组合算法可以实现自动细化分割运算,2019年1月25日星期五,南京航空航天大学 自动化学院,27,邻接区域相似性的两种评价方法 几何代数法： 比较它们的灰度均值 这一方法的改进形式是使用曲面拟合方法，以便确定是否存在一个曲面来逼近区域 统计法： 用假设检验方法来评判邻接区域的相似性 假设灰度值服从概率分布，根据相邻区域是否具有相

15、同的概率分布函数考虑是否合并它们。,51 区域合并 合并运算就是把相似的邻接区域组合起来,2019年1月25日星期五,南京航空航天大学 自动化学院,28,统计意义下的区域合并(statistical merging):,2019年1月25日星期五,南京航空航天大学 自动化学院,29,H0下：,H1下：,2019年1月25日星期五,南京航空航天大学 自动化学院,30,似然比：,似然比低于某一阈值，说明这两个区域可以合并为一个区域,2019年1月25日星期五,南京航空航天大学 自动化学院,31,5.2 区域分裂 如果区域的某些特性不是恒定的，则区域应该分裂基于分裂方法的图像分割过程是从最大的区域开

16、始，多数情况下常把整个图像作为起始分裂的图像 算法4.5 区域分裂算法 1. 形成初始区域 2. 对图像的每一个区域，连续执行下面两步： （a）计算区域灰度值方差 （b）如果方差值大于某一阈值，则沿着某一合 适的边界分裂区域,2019年1月25日星期五,南京航空航天大学 自动化学院,32,分裂和合并运算可以同时进行，也就是说，用阈值化方法预分割后，连续进行分裂和合并，最后得到图像的精确分割分裂和合并组合算法对分割复杂的场景图像十分有用引入应用域知识，可提高分裂和合并算法的有效性,5.3 分裂和合并,2019年1月25日星期五,南京航空航天大学 自动化学院,33,6 区域增长 基本思路：图像可以划分成区域，而区域可以用简单函数模型化 寻找初始区域核，并从区域核开始，逐渐增长核区域，形成满足一定约束的较大的区域 一致性谓