《数字图像处理与分析基础教学课件 第八章图像分割与描述1》由会员分享，可在线阅读，更多相关《数字图像处理与分析基础教学课件 第八章图像分割与描述1（87页珍藏版）》请在金锄头文库上搜索。
1、数字图像处理与分析基础,第八章 图像分割与描述,数字图像处理与分析基础,内容摘要,图像的分割与描述是在图像预处理的基础上对信息进行组织与加工，它是实现图像自动识别与理解的必不可少的过程，是计算机视觉的中间层次。本章的内容对拓展编码算法的设计思路也很有启发作用。图像的分割算法介绍基于灰度的分割算法和基于梯度的分割算法两大类，这两类算法分别利用了图像的区域相关性和点相关性，在此基础上拓展到彩色图像分割。图像的描述方法很多，本文介绍了链码描述子、傅立叶描述子以及矩描述子三种基本手段。描述手段与分割策略应当统一考虑。,数字图像处理与分析基础,第八章 图像分析基础 Image Analysis theo
2、ry,1、图像分割 2、图像描述,数字图像处理与分析基础,8.1 图像分割 Image Segmentation,1、概述和分类 2、基于灰度的分割技术 3、基于梯度的分割技术 4、彩色图像分割技术 5、分割评价,数字图像处理与分析基础,7.1.1 概述与分类 General Introduction and Classification,图像分量以及相互关系 图像分析与理解、自动景物分析、模式识别 机器抽取信息,数字图像处理与分析基础,图像分割,定义：把图像中有意义的区域与背景分离开，并按其不同的内涵将它们分割开。 “区域”是图像中相邻的具有类似性质的点组成的集合。同一区域（region）中
3、的像素是相邻的，就是说区域是像素的连通集。“连通”（connectedness）的定义为：在连通集的任意两个像素间，存在一个完全由这个集合中的元素构成的路径。同一区域中的任意两个像素间至少存在一条连通路径。,数字图像处理与分析基础,。,连通性有两种度量准则，如果只依据四邻域（上下左右）确定连通，就称为4连通（four-connectivity），物体也被称为是4连通的。如果依据八邻域（加上四个对角像素）确定连通，就称为8连通（eight-connectivity）。在同一类问题的处理中，应当采用一致的准则。通常8连通的结果误差小，与人的感觉更相近。 “同质”分割依据：灰度、颜色、纹理、灰度变化
4、 分割结果 以区域的边界坐标表示,数字图像处理与分析基础,分割方法分类,从分割依据出发 “相似性分割”就是将具有同一灰度级或纹理的像素聚集在一起，形成图像中的不同区域。这种基于相似性原理的方法常称为“基于区域相关的分割技术” “非连续性分割”需要先检测图像的局部不连续性，然后将它们连接起来形成边界，这些边界将图像分割成不同的区域。这种基于不连续原理检测图像中物体边缘的方法也称为“基于点相关的分割技术”。 这两种方法具有互补性，一般来说在不同的场合需要不同的方法，有时也将它们的处理结果相结合，以获得更好的效果。 根据分割算法本身 阈值法、边缘检测法、匹配法等,数字图像处理与分析基础,分割结果,图
5、7-3图像与分割结果,数字图像处理与分析基础,数字图像处理与分析基础,8.1.21基于灰度的分割 （区域相关技术）,两大类 是基于阈值分割的技术 是基于灰度均匀性的区域分裂合并算法。 阈值分割算法实施时各像素间无相关性，原图像可以分成几部分同时进行分割，又称为并行区域技术（Region-Based Parallel Techniques）。 区域分裂合并算法实施时，要利用像素间的相关性，是一种串行区域技术。,数字图像处理与分析基础,并行区域技术,1、原理和分类 2、依赖像素的阈值选取 3、依赖区域的阈值选取,Region-Based Parallel Techniques,数字图像处理与分析基
6、础,图像阈值分割（Image Segmentation ：Thresholding）,最常用的图像分割技术 主要利用图像中背景与对象之间的灰度差异。 理想状态下，背景与对象之间的灰度值应当差异很大，且同一个对象具有基本相同的灰度值。体现在图像的灰度直方图上，就是直方图呈明显的双峰分布，两类物体灰度级间无交叠。在直方图中处于谷底的区域选取一个灰度值作为阈值，根据灰度与阈值的关系将像素判定为对象点或背景点，这个过程称为图像二值化。对二值图像进行进一步的分析就可以获得图像的分割结果。,数字图像处理与分析基础,二值化,设f(x,y)表示原图像，g(x,y)表示分割后的图像，T为选定的灰度阈值，分割算法
7、表示为,或,其中：“1”表示物体（对象、目标）， “0”表示背景。,数字图像处理与分析基础,多阈值二值化,有时对象的灰度分布相对集中，而背景的灰度分布很散，就需要设置两个灰度阈值T1、T2, T1T2，这两个阈值间的灰度范围都对应于对象，即：,数字图像处理与分析基础,1 1 1 1 1 1 1 1 1 4 5 6 5 6 5 1 1 5 7 8 8 8 6 1 1 6 8 8 8 7 6 1 1 5 7 8 8 8 6 1 1 4 8 7 7 7 6 1 1 6 5 4 5 6 5 1 1 1 1 1 1 1 1 1,(a),(b),图8-1 灰度取域法，阈值对分割结果影响很大 （a）数字图像
8、 （b）直方图 （c）取阈结果Th=4,Th=7,数字图像处理与分析基础,1、极小值点阈值,h(z)直方图,20世纪60年代中期，Prewitt提出了“直方图双峰法”，如果灰度直方图呈现明显的双峰状，则选取两峰之间的谷底对应的灰度级作为阈值。谷底就是直方图的极小值。将各端点相连，形成直方图的包络线h(z)，这是一条曲线，它的极小值满足,数字图像处理与分析基础,T=120,（a）原图 （b）直方图 （c）二值化结果 图8-2 Rice图像双峰法分割,数字图像处理与分析基础,2、最优阈值法,利用图像的先验知识，即图像中对象和背景的灰度分布规律，在误差率最小的原则下计算合理阈值。,数字图像处理与分析
9、基础,最优阈值算法,设图像由两类对象1、 2组成，它们的条件概率分别为：P(x/ 1)、P(x/ 2 ),其中x是灰度级，T是阈值 二值化判断： xT,x 2； xT,x 1,数字图像处理与分析基础,最优条件,2误为1的误差概率： 1(T)= (- ,T) P(x/ 2 )dx 1误为2的误差概率： 2(T)= (T, +) P(x/ 1 )dx 先验概率P(2 ), P(1 ), P(2 )+ P(1 )=1 总误判概率： (T)= P(1 )1(T)+ P(2 ) 2(T) let (T)/ T=0, then 1(T)/ T= P(x/ 2 ), 2(T)/ T= -P(x/ 1 ),
10、总误差最小时有 P(2 ) P(x/ 2 )x=T=P(1 ) P(x/ 1 ) x=T,数字图像处理与分析基础,已知概率模型下的简化,若两类对象均服从正态分布，,总误差最小时有：,数字图像处理与分析基础,If P(2 )= P(1 )=1/2, 1 2 =2 2 then T=(2 +2 )/2,数字图像处理与分析基础,例8.1.2：P-tile试探法（百分比）,一般的图像很难获得灰度的概率密度函数以及先验概率，在一些特殊的应用场合，如文字、乐谱等图像，可以从大量图像得到一个统计规律，获得符号部分在全图像中的百分比，以此为基础，结合直方图谷点分析，可以得到近似最优的结果,数字图像处理与分析基
11、础,依赖区域的阈值选取,问题： （1）整幅图像灰度变化快时？ （2）噪声干扰大时？ （3）目标区域小，无显著两峰时？,数字图像处理与分析基础,自适应技术,基于区域统计特征的分块域值法Chow和Kaneko提出的自适应阈值技术。,算法原理： 将一幅图像划分为3535或6565的互不重叠的图像块，求出每个子图像块的直方图及阈值，子图像的中心像素点就使用求出的阈值，而区域内的其它像素点的阈值通过插值的方法“自适应”地确定。,数字图像处理与分析基础,按局部特性构成新图，再取域值 局部平均 LA（E）=（A+B+C+D+E+F+G+H+I）/9 局部频繁性 LB（E）=min(Vx,Vy), Vx=|A
12、-B|+|B-C|+|D-E|+|E-F|+|G-H|+|H-I| Vy=|A-D|+|D-G|+|B-E|+|E-H|+|C-F|+|F-I| LB检测平滑和变化大的部分。,1 1 1 1 1 1 1 1 1 4 4 4 4 4 3 1 1 4 6 7 7 7 6 1 1 6 7 8 8 7 5 1 1 5 7 8 8 7 5 1 1 4 6 7 7 6 6 1 1 3 4 4 4 4 4 1 1 1 1 1 1 1 1 1,1 1 1 1 1 1 1 1 1 10 5 3 2 4 12 1 1 5 7 3 3 6 4 1 1 4 4 2 1 2 2 1 1 4 5 2 1 3 2 1 1
13、7 10 4 2 5 3 1 1 13 7 3 2 3 11 1 1 1 1 1 1 1 1 1,数字图像处理与分析基础,阈值分割技术的特点,1）对于物体与背景有较强对比的图像分割特别有效； 2）计算简单； 3）总能用封闭而且连通的边界定义不交叠的区域； 4）具有并行性； 5）可以推广到非灰度特征，如果物体同背景的区别不在灰度值，而是其他特征，如纹理等，可以先计算那种特征，再转化为灰度图，然后就可以利用阈值分割技术。,数字图像处理与分析基础,1、基本边界搜索算法： 1）沿x及y方向扫描全图； 2）设x=0,1, i-1, i, i+1,. 3）对G i-1, G i, G i+1 , if (
14、G i-1=0 G i+1 =0 ) (G i =1) then Gi 是边界点，i为坐标(x,y). 4）对G j-1, G j, G j+1 , if (G j-1=1 G j+1 =1 ) (G j =0) then Gj 是边界点， j为坐标(x,y). 5) 各边界点按i或j排序，并分离出不同对象。,边界提取,数字图像处理与分析基础,2、链码方法,四方位码 八方位码 边界跟踪,数字图像处理与分析基础,利用形态学算子提取区域的边界,设已二值化的目标区域A的边界为(A)，B为结构元素，则：,可用于提取边界的结构元素不唯一， 但较大的结构元素会出现多像素宽度的边界。,数字图像处理与分析基础
15、,2、串行区域技术 Region-Based Sequential Techniques,图像分割就是将图像分解成若干有意义的子区域，而分离区域（或对象）的依据是“同质”的概念，不论图像的来源以及反映的事物如何不同，同一物体在灰度、颜色、纹理、形状、大小等可测量的物理特征上总是具有同一性或相似性。直方图取阈法的理论依据就是相同的对象具有近似的灰度值。区域增长法对此进行了推广，主要体现在相似性准则可以利用更多的统计特征定义，具有相同或相近统计特征的像素点被归于同一区域。,数字图像处理与分析基础,基本方法,1、区域生长 2、分裂合并 3、空间聚类法等。,数字图像处理与分析基础,最基本的区域分割方法，它按照一定的同质判据H把图像分解为N个相邻的区域fk，即：,1、区域生长法（Region Growing）,分解的区域满足,其中ki是不同区域的增长核心。,基本要素： 1）区域的数目，各区域的生长核心（种子）； 2）区域间相区别的性质特征，由此构造同质判据。,数字图像处理与分析基础,区域生长算法,1）给定同质判据H； 2）扫描图像，获得不属于任何已分割区域的像素点，作为生长核心ki； 3）以ki为核心，H为判据进行
