《第十章图像分割》由会员分享，可在线阅读，更多相关《第十章图像分割（104页珍藏版）》请在金锄头文库上搜索。
1、第十章 图像分割图像分割引言边界分割法边缘连接分割法阈值分割法面向区域的分割图像分割引言引言图像分析系统的基本构成图像分割的概念图像分割的基本思路图像分割的基本策略图像分析系统的构成识别识别与与解释解释结果知识库知识库表示与描述表示与描述预处理预处理分割分割低级处理高级处理中级处理图像获取图像获取问题l图像分割图像分割图像分割图像分割 把图像空间按照一定的要求分成一些把图像空间按照一定的要求分成一些把图像空间按照一定的要求分成一些把图像空间按照一定的要求分成一些“有有有有意义意义意义意义”的区域的技术叫图像分割。的区域的技术叫图像分割。的区域的技术叫图像分割。的区域的技术叫图像分割。 例如：例
2、如：例如：例如： （1 1 1 1）要确定航空照片中的森林、耕地、城市区）要确定航空照片中的森林、耕地、城市区）要确定航空照片中的森林、耕地、城市区）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。域等，首先需要将这些部分在图像上分割出来。域等，首先需要将这些部分在图像上分割出来。域等，首先需要将这些部分在图像上分割出来。 （2 2 2 2）要辨认文件中的个别文字，也需先将这些）要辨认文件中的个别文字，也需先将这些）要辨认文件中的个别文字，也需先将这些）要辨认文件中的个别文字，也需先将这些文字分选出来。文字分选出来。文字分选出来。文字分选出来。 （3 3 3 3
3、）要识别和标定细胞的显微照片中的染色体，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。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。若想从一幅图像中组成，简称物体与背景。若想从一幅图像中“提取提取”物体，可以设法用专门的方法标出属于物体，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该物体的点，如把物体上的点标为“1 1”，而把，而把背景点标为背景点标为“0 0”，通过分割以后，可得一幅二，通过分割以后，可得一幅二值图像。值图像。 图像分割的应用领域图像分割的应用领域 l 机器阅读理解机器阅读理解l
4、OCROCR录入录入l 遥感图像自动识别遥感图像自动识别l 在线产品检测在线产品检测l 医学图像样本统计医学图像样本统计l 医学图像测量医学图像测量l 图像编码图像编码l 图像配准的预处理图像配准的预处理图像分割的意义图像分割的意义把图像分解成构成它的部件和对象的过程把图像分解成构成它的部件和对象的过程有选择性地定位感兴趣对象在图像中的位有选择性地定位感兴趣对象在图像中的位置和范围置和范围图像分割的基本思路从简到难，逐级分割从简到难，逐级分割控制背景环境，降低分割难度控制背景环境，降低分割难度把焦点放在增强感兴趣对象，缩小不把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上相干图像成分的干扰
5、上图像分割方法分类：图像分割方法分类： 大致可以分为基于边缘检测的方法和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。基于区域生成的方法。 第一类为找出图像的边缘信息，首先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，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、基于阈值选有基于边缘检测的图像分割、基于阈值选取的图像分割；取的图像分割；图像分割方法分类：图像分割方法分类： 第二类为基于区域生成的方法，是将第二
6、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、分裂理，常用的方法有区域生长、分裂- -合并分合并分割方法。割方法。 以上这两类方法互为对偶，相辅相成，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，以得到更好的有时还要将它们结合起来，以得到更好的分割效果。分割效果。图像分割的基本策略图像分割的基本策略图像分割的基本策略，基于灰度像分割的基本策略，基于灰度值的两个基本特性：的两个基本特性：1.1.不不连续性性区域之区域之间2.2.相似性
7、相似性区域内部区域内部根据根据图像像素灰度像像素灰度值的的不不连续性性先找到点、先找到点、线（宽度度为1）、）、边（不定（不定宽度）度）再确定区域再确定区域根据图像像素灰度值的相似性通过选择阈值，找到灰度值相似的区域区域的外轮廓就是对象的边不连续性边界分割法边缘连接分割法相似性阈值分割法面向区域的分割数学形态学图像处理1 间断检测间断检测法点的检测线的检测边的检测1.1 点的检测用空域的高通滤波器来检测孤立点例：R = (-1 * 8 * 8 + 128 * 8) / 9 = (120 * 8) / 9 = 960 / 9 = 106设：阈值：T = 64 R T88881288888图像-1
8、-1-1-18-1-1-1-1模板点的检测点的检测算法描述设定阈值T，如T = 32、64、128等,并计算高通滤波值R如果R值等于0，说明当前检测点与的灰度值与周围点的相同当R的值足够大时，说明该点的值与周围的点非常不同，是孤立点。通过阈值T来判断 |R| T 检测到一个孤立点点的检测点的检测1.2 线的检测通过比较典型模板的计算值，确定一个点是否在某个方向的线上-1-1-1222-1-1-1水平模板-1-12-12-12-1-145度模板-12-1-12-1-12-1垂直模板2-1-1-12-1-1-12135度模板线的检测用4种模板分别计算R水平= -6 + 30 = 24R45度= -
9、14 + 14 = 0R垂直= -14 + 14 = 0 R135度= -14 + 14 = 0111555111111555111111555111例：图像线的检测算法描述依次依次计算算4个方向的典型个方向的典型检测模板，得到模板，得到Ri i=1,2,3,4如如 |Ri| |Rj| 对于于所所有有的的j = i，那那么么这个个点点被被称称为在在方方向上更接近模板向上更接近模板i 所代表的所代表的线设计任意方向的检测模板可能大于3*3模板系数和为0赶兴趣的方向的系数大。线的检测线的检测1.3 边缘的检测边界的定界的定义：两个具有相对不同灰度值特性的区域的边界线适用于：假定问题中的区域是非常类
10、似的，两个区域之间的过渡，仅仅根据灰度的不连续性便可确定不适用于：当假定不成立时，阈值分割技术一般来说比边缘检测更加实用边缘的检测分割对象区域分割对象区域分割对象区域分割对象区域边缘的检测边缘的检测边缘的检测基本思想计算局部微分算子截面图截面图边界图像边界图像边缘的检测边缘的检测一阶微分：用梯度算子来计算特点：对于亮的边，边的变化起点是正的，结束是负的。对于暗边，结论相反。常数部分为零。用途：用于检测图像中边的存在二阶微分：通过拉普拉斯来计算特点：二阶微分在亮的一边是正的，在暗的一边是负的。常数部分为零。用途：1）二次导数的符号，用于确定边上的像素是在亮的一边，还是暗的一边。2）0跨越，确定边
11、的准确位置边缘的检测边缘的检测梯度算子函数f(x,y)在(x,y)处的梯度为一个向量：f = f / x , f / y计算这个向量的大小为：f = mag(f ) = (f / x)2 +(f / y)21/2近似为: f |x| + |y|z2z8z5z3z9z6z1z7z4梯度算子梯度的方向角为：(x,y) = tan(y / x)Sobel算子为： x = (z7 + 2z8 + z9) - (z1 + 2z2 + z3) y = (z3 + 2z6 + z9) - (z1 + 2z4 + z7)梯度值：f |x| + |y|-220-110-110000-1-1-2112 x ySo
12、bel梯度算子的使用与分析1. 直接计算y、x可以检测到边的存在，以及从暗到亮，从亮到暗的变化2. 仅计算|x|，产生最强的响应是正交于x轴的边；|y|则是正交于y轴的边。3. Soleb算子具有平滑效果，由于微分增强了噪音，这一点是特别引人注意的特性拉普拉斯 二维函数f(x,y)的拉普拉斯是一个二阶的微分定义为：2f = 2f / x2 , 2f / y2 可以用多种方式被表示为数字形式。对于一个3*3的区域，经验上被推荐最多的形式是：2f = 4z5 (z2 + z4 + z6 + z8)z2z8z5z3z9z6z1z7z4拉普拉斯拉普拉斯拉普拉斯拉普拉斯拉普拉斯算子的分析缺点：对噪音的敏
13、感；会产生双边效果；不能检测出边的方向应用：拉普拉斯算子不直接用于边的检测，通常只起辅助的角色；检测一个像素是在边的亮的一边还是暗的一边利用零跨越，确定边的位置2 边缘连接和边界检测边缘连接法局部处理法Hough变换边缘连接的意义边检测算法的后处理由于噪音的原因，边界的特征很少能够被完整地描述，在亮度不一致的地方会中断因此典型的边检测算法后面总要跟随着连接过程和其它边界检测过程，用来归整边像素，成为有意义的边2.1 局部连接处理连接处理的时机和目的连接处理的原理局部连接算法描述连接处理的时机和目的： 时机：对做过边界检测的的图像进行目的：连接间断的边连接处理的原理对做过边检测的图象的每个点(x
14、,y)的特性进行分析分析在一个小的邻域（3x3或5x5）中进行所有相似的点被连接，形成一个享有共同特性象素的边界用比较梯度算子的响应强度和梯度方向确定两个点是否同属一条边点(x,y)点 (x,y)连接处理的原理通过比较梯度，确定两个点的连接性： 对于点(x,y)，判断其是否与邻域内的点(x,y)相似，当：|f (x,y) f (x,y)| T其中T是一个非负的阈值比较梯度向量的方向角 对于点(x,y)，判断其是否与邻域内的点 (x,y)的方向角相似，当： | (x,y) (x,y)| A其中A是一个角度阈值 当梯度值和方向角都是相似的，则点(x,y)，与边点界(x,y)是连接的点(x,y)点
15、(x,y)局部连接算法描述1）设定A、T的阈值大小，确定邻域的大小2）对图像上每一个像素的邻域点进行分析，判断是否需要连接。3）记录像素连接的情况，另开一个空间， 给不同的边以不同的标记。4）最后，删除孤立线段，连接断开的线段。2.2 霍夫（Hough）变换问题的提出Hough变换的基本思想算法实现Hough变换的扩展Hough变换问题的提出在找出边界点集之后，需要连接，形成完整的边界图形描述Hough变换的基本思想对于边界上的n个点的点集，找出共线的点集和直线方程。对于任意两点的直线方程：y = ax + b，构造一个参数a，b的平面，从而有如下结论：a ab bHough变换的基本思想xy
16、平面上的任意一条直线y = ax + b ，对应在参数ab平面上都有一个点过xy平面一个点(x,y)的所有直线，构成参数ab平面上的一条直线。a ab ba ab bHough变换的基本思想如果点(x1,y1)与点(x2,y2)共线，那么这两点在参数ab平面上的直线将有一个交点在参数ab平面上相交直线最多的点，对应的xy平面上的直线就是我们的解a ab by yx x(x1,y1)(x2,y2)a ab bHough变换的基本思想a ab bA AHough变换算法实现由于垂直直线a,为无穷大，我们改用极坐标形式：xcos + ysin = = 参数平面为 , ，对应不是直线而是正弦曲线使用交
17、点累加器，或交点统计直方图，找出相交线段最多的参数空间的点然后找出该点对应的xy平面的直线线段3 门限处理（阈值分割法）阈值分割法通过交互方式得到阈值通过直方图得到阈值通过边界特性选择阈值简单全局阈值分割基于多个变量的阈值3.1 基础阈值分割法的基本思想：确定一个合适的阈值T（阈值选定的好坏是此方法成败的关键）。将大于等于阈值的像素作为物体或背景，生成一个二值图像。If f(x,y) T set 255Else set 0在四邻域中有背景的像素，既是边界像素。025525502550255255255门限处理（阈值分割法）可被看做一种涉及测试下列形式函数T的一种操作T = T x,y,p(x,
18、y),f(x,y) 如果T取决于f(x,y)时，门限（阈值）就称为全局的如果T取决于f(x,y)和p(x,y），门限（阈值）就称为局部的门限处理（阈值）分割法的特点适用于物体与背景有较强对比的情况，重要的是背景或物体的灰度比较单一。（可通过先求背景，然后求反得到物体）这种方法总可以得到封闭且连通区域的边界。灰度值f(x0,y0)T通过直方图得到阈值基本思想基本思想边界上的点的灰度界上的点的灰度值出出现次数次数较少少T取取值的方法：的方法：取直方取直方图谷底谷底(最小最小值)的灰度的灰度值为阈值T缺点：会受到噪音的干缺点：会受到噪音的干扰，最小，最小值不是不是预期的期的阈值，而偏离期望的，而偏离
19、期望的值；改改进： 取取两两个个峰峰值之之间某某个个固固定定位位置置，如如中中间位位置置上上。由由于于峰峰值代代表表的的是是区区域域内内外外的的典典型型值，一一般般情情况况下下，比比选谷谷底底更更可可靠靠，可可排排除除噪音的干噪音的干扰T3.2 亮度的作用 亮度亮度对门限限处理（理（阈值）分割法）分割法的影响，特的影响，特别是是对全局的影响。全局的影响。讨论 用一幅用一幅图像是由反射率分量像是由反射率分量和亮度分量的乘和亮度分量的乘积组成成The histogram of z (x,y) is given by the convolution of the histograms of i(x,
20、y) and r(x,y)照明的作用照明的作用用用于于解決非均勻性照明的解決非均勻性照明的实际实际作法作法把照明投射至一固定的白色反射面把照明投射至一固定的白色反射面产产生生1 1幅影像幅影像得到正規化影像得到正規化影像( (此影像此影像仅余仅余反射分量反射分量) )決定決定 r r( (x x, ,y y) ) 所需的所需的单单一一临临界值界值 k k則則对于对于 h h( (x x, ,y y) ) 的的临临界值界值为为 T T/ /k k3.3 基本全局阈值分割基本思想：用前述方法获得阈值T，并产生一个二值图，区分出前景对象和背景算法实现：规定一个阈值T，逐行扫描图像。凡灰度级大于T的，
21、颜色置为255；凡灰度级小于T的，颜色置为0适用场合：明度图像是可以控制的情况，例如用于工业监测系统中3.4 基本自适应门限（阈值） 问题：不均匀亮度这样的成像因素导致用直方图得到单一全局门限处理（阈值）分割法无法有效分割。 方法：将图像进一步细分为子图像，并对不同的子图像使用不同的门限处理（阈值）进行分割。这类门限处理（阈值）是自适应的。Chapter 10Chapter 10Image SegmentationImage SegmentationChapter 10Chapter 10Image SegmentationImage Segmentation3.5 最佳全局和自适应门限（阈值
22、） 一种产生最小平均分割误差的估计门限处理（阈值）的方法。 讨论 假设一幅图像仅包含两个主要的灰度级区域。3.6 利用边界特性改进直方图和局部 门限处理基本思想：如果直方图的各个波峰很高、很窄、对称，且被很深的波谷分开时，有利于选择阈值。为了改善直方图的波峰形状，我们只把区域边缘的像素绘入直方图，而不考虑区域中间的像素。用微分算子，处理图像，使图像只剩下边界中心两边的值。通过边界特性选择阈值基本思想：这种方法有以下优点：1)在前景和背景所占区域面积差别很大时，不会造一个灰度级的波峰过高，而另一个过低2)边缘上的点在区域内还是区域外的概率是相等的，因此可以增加波峰的对称性3)基于梯度和拉普拉斯算
23、子选择的像素，可以增加波峰的高度通过边界特性选择阈值算法的实现：1）对图像进行梯度计算，得到梯度图像。2）得到梯度值最大的那一部分（比如10%） 的像素直方图3）通过直方图的谷底，得到阈值T如果用拉普拉斯算子，不通过直方图，直接得到阈值，方法是使用拉普拉斯算子过滤图像，将0跨越点对应的灰度值为阈值TChapter 10Chapter 10Image SegmentationImage Segmentation4 基于区域的分割区域的分割基本概念像素集合的区域增长区域分裂与合并4.1基本概念目标：将区域R划分为若干个子区域R1,R2,Rn，这些子区域满足5个条件：1)完备性：2)连通性：每个Ri
24、都是一个连通区域3)独立性：对于任意ij，RiRj= 基本概念4)单一性：每个区域内的灰度级相等，P（Ri）= TRUE，i = 1,2,n5)互斥性：任两个区域的灰度级不等，P（Ri Rj）= FALSE，ij4.2 区域增长算法实现：1）根据图像的不同应用选择一个或一组种子，它或者是最亮或最暗的点，或者是位于点簇中心的点2）选择一个描述符（条件）3）从该种子开始向外扩张，首先把种子像素加入结果集合，然后不断将与集合中各个像素连通、且满足描述符的像素加入集合4）上一过程进行到不再有满足条件的新结点加入集合为止通过像素集合的区域增长 种子像素 区域A 区域B 种子像素4.3 区域分离与合并算法实现：1）对图像中灰度级不同的区域，均分为四个子区域算法实现：2）如果相邻的子区域所有像素的灰度级相同，则将其合并3）反复进行上两步操作，直至不再有新的分裂与合并为止Chapter 10Chapter 10Image SegmentationImage Segmentation算法实现：实际应用中还可作以下修改P(Ri)的定义为：1）区域内多于80%的像素满足不等式|zj-mi|=2i，其中：zj是区域Ri中第j个点的灰度级，mi是该区域的平均灰度级，i是区域的灰度级的标准方差。2）当P(Ri)=TRUE时，将区域内所有像素的灰度级置为mi。
