數(shù)字圖像處理與分析圖像分割PPT課件

1、 圖像分割 將圖像中有意義的特征或需要應(yīng)用的特征提取出來 例 1）按幅度不同來分割各個(gè)區(qū)域：幅度分割 2）按邊緣不同來劃分各個(gè)區(qū)域：邊緣檢測(cè) 3）按形狀不同來分割各個(gè)區(qū)域：區(qū)域分割第6章 圖像分割第1頁(yè)/共47頁(yè)圖像輸入光電變換數(shù)字化圖像增強(qiáng)圖像恢復(fù)圖像編碼預(yù)處理閾值分割邊緣檢測(cè)區(qū)域分割圖像分割特征提取圖像識(shí)別圖像分析理解描述解釋圖像處理過程第6章 圖像分割第2頁(yè)/共47頁(yè) 預(yù)處理 圖像銳化、圖像平滑 分 割 直方圖分割、概率統(tǒng)計(jì)門限檢測(cè)、邊緣檢測(cè)、群聚、紋理匹配 特征提取 空間特征、變換特征、邊緣邊界、形狀特征、矩、 紋理特征第6章 圖像分割第3頁(yè)/共47頁(yè)6.1 灰度閾值法6.1.1 閾值

2、分割的原理6.1.2 閾值的提取第4頁(yè)/共47頁(yè)6.1 灰度閾值法6.1.1 閾值分割的原理 設(shè)輸入圖像為 ，輸出圖像為 ，閾值為T,則( , )f x y( , )fx y1,( , )( , )0,( , )f x yTfx yf x yT或1,( , )( , )0,( , )f x yTfx yf x yT第5頁(yè)/共47頁(yè)1）直方圖法6.1.2 閾值的選取( , )( , )( , )EBLf x yTg x yLf x yT第6頁(yè)/共47頁(yè) 非理想情況，各段的分界不明顯，有3種誤差：a）增加了新的區(qū)域，b）失去了原有的區(qū)域，c）區(qū)域分割邊界定位不正確 動(dòng)態(tài)門限：把圖像分成子圖像，子圖

3、像做直方 圖，再定不同的門限6.1.2 閾值的選取第7頁(yè)/共47頁(yè)2) 統(tǒng)計(jì)門限法： 設(shè)圖像中目標(biāo)及背景的灰度為正態(tài)分布， 其灰度分布概率密度函數(shù)分別 p(z), q(z)T( )p z()qz6.1.2 閾值的選取第8頁(yè)/共47頁(yè) 設(shè)目標(biāo)占整體圖像的比例為t，整體圖像的灰度概率密度( )(1) ( )tp zt q z那么錯(cuò)誤區(qū)分的概率由下式給出1( )(1) ( )tP Tt Q T求上式為最小值時(shí)的 ，便是閾值。也就是對(duì)上式求微分并使 之為零 1( )(1) ( )0dtP Tt Q TdT(1) ( )( )0t q Ttp T1( )( )P Tp z dz6.1.2 閾值的選取第9

4、頁(yè)/共47頁(yè)3) 自適應(yīng)門限：根據(jù)局部特性確定門限6.1.2 閾值的選取第10頁(yè)/共47頁(yè)6.2.1 梯度算子6.2.2 拉普拉斯算子6.2.3 Canny算子6.2 邊緣檢測(cè)第11頁(yè)/共47頁(yè)6.2 邊緣檢測(cè) 邊緣檢測(cè) 其導(dǎo)數(shù)在邊緣方向取得極值 邊緣檢測(cè)的特點(diǎn)： 階躍狀 屋頂狀第12頁(yè)/共47頁(yè)6.2 邊緣檢測(cè)第13頁(yè)/共47頁(yè)6.2.1 梯度算子TT22( , )mag( , )( , )( , )arctan(/)xyxyxyfff x yGGxyf x yGGf x yx yG G梯度的模叫：（）= 方向角：22( ,)()()fffx yxyT 對(duì)應(yīng)一階導(dǎo)數(shù)，連續(xù)圖像的導(dǎo)數(shù)在邊緣方向

5、上取得極值第14頁(yè)/共47頁(yè)( , )( , )(1 ,1 )(1 , )( ,1 )( , )(, ) (,)(, ) ( , )ijf x yf x yf xyf xyf x ygx yf i j hi mj nf i j hmn 簡(jiǎn) 化 為 ：若 用 模 板 表 示 ：6.2.1 梯度算子第15頁(yè)/共47頁(yè) 常用的幾種算子1-11-1-11-11-11111-1-1-1a) robertb) prewitt6.2.1 梯度算子第16頁(yè)/共47頁(yè)c) sobeld) Zsotropic-11-22-11121-1-2-1-11-1-1-1-11122226.2.1 梯度算子第17頁(yè)/共47

6、頁(yè) Kirch算子 由K0K7八個(gè)方向模板組成，將K0K7的模板算法分別與圖像中的33區(qū)域乘，選最大一個(gè)值，作為中央像素的邊緣強(qiáng)度0,1,1111( , )max( , )( , ) (,),Tiiklg x yg ggg x yK k l f x k y l其中：6.2.1 梯度算子若gi最大，說明f(x,y) 處有i方向的邊緣通過第18頁(yè)/共47頁(yè)555-30-3-3-3-3-355-305-3-3-3-3-35-305-3-35-3-3-3-305-355-3-3-3-30-3555-3-3-350-355-35-3-350-35-3-355-350-3-3-3-3k0k1k2k3k4k

7、5k6k76.2.1 梯度算子第19頁(yè)/共47頁(yè) 注意 邊緣檢測(cè)對(duì)噪聲敏感，常在作邊緣檢測(cè)前對(duì)圖像進(jìn)行抑制噪聲預(yù)處理，如平滑處理等6.2.1 梯度算子第20頁(yè)/共47頁(yè) 由上節(jié)可見階躍狀邊緣的二階導(dǎo)數(shù)在邊緣處出現(xiàn)零點(diǎn)，出現(xiàn)零交叉，可用二階導(dǎo)數(shù)尋邊界22222( ,)( ,)( ,)(1,)(1,)( ,1)4( ,)fx yfx yfx yxyfxyfxyfx yfx y010111121141181242010111121T 缺點(diǎn)：1）對(duì)噪聲敏感 2）常產(chǎn)生雙像素寬的邊緣，無(wú)方向性6.2.2 拉普拉斯算子第21頁(yè)/共47頁(yè)6.2.3 Canny Canny算子 邊緣算子必須滿足三個(gè)準(zhǔn)則 1）

8、低錯(cuò)誤率 邊緣算子應(yīng)該只對(duì)邊緣響應(yīng)，并能找到所有的邊，而對(duì)于非邊緣應(yīng)能舍棄。 2）定位精度 被邊緣算子找到的邊緣象素與真正的邊緣象素間的距離應(yīng)盡可能的小。 3）單邊響應(yīng) 在單邊存在的地方，檢測(cè)結(jié)果不應(yīng)出現(xiàn)多邊。第22頁(yè)/共47頁(yè) 在Canny的假設(shè)下，對(duì)于帶有Gaussian白噪聲的階躍邊緣，邊緣檢測(cè)算子是一個(gè)與圖像函數(shù)g(x,y) 進(jìn)行卷積的濾波器f，這個(gè)卷積濾波器應(yīng)該平滑掉白噪聲并找到邊緣位置 6.2.3 Canny算子第23頁(yè)/共47頁(yè)a)Robert算子進(jìn)行邊緣檢測(cè) b)Sobel算子進(jìn)行邊緣檢測(cè) 6.2.3 Canny算子第24頁(yè)/共47頁(yè) c)拉普拉斯算子進(jìn)行邊緣檢測(cè) d)cann

9、y算子邊緣檢測(cè) 6.2.3 Canny算子第25頁(yè)/共47頁(yè)6.3.1 區(qū)域生長(zhǎng)6.3.2 分裂合并6.3.3 水域分割6.3 區(qū)域分割第26頁(yè)/共47頁(yè)6.3 區(qū)域分割 區(qū)域分割 對(duì)于特征不連續(xù)的邊緣檢測(cè)，把圖像分割成特征相同的互相不重疊連續(xù)區(qū)域的處理 區(qū)域生長(zhǎng)法 a）利用灰度差作為區(qū)域合并的判定標(biāo)準(zhǔn) b）根據(jù)小區(qū)域內(nèi)的灰度分布的相似性（灰度直方圖）進(jìn)行 區(qū)域合并的方法 c）分裂合并法第27頁(yè)/共47頁(yè)6.3.1 區(qū)域生長(zhǎng)T 思想：將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域 1) 找一個(gè)種子像素作為生長(zhǎng)的起點(diǎn) 2) 將種子像素周圍鄰域中與種子像素有相同或相似性質(zhì)的像素（根據(jù)某種事先確定的生長(zhǎng)或相似

10、準(zhǔn)則來判定）合并到種子像素所在的區(qū)域中 3)將這些新像素當(dāng)作新的種子像素繼續(xù)進(jìn)行上面的過程，直到再?zèng)]有滿足條件的像素可被包括進(jìn)來第28頁(yè)/共47頁(yè) 生長(zhǎng)準(zhǔn)則 1基于區(qū)域灰度差 對(duì)像素進(jìn)行掃描，找出尚沒有歸屬的像素； 以該像素為中心檢查它的鄰域像素，即將鄰域中的像素逐個(gè)與它比較，如果灰度差小于預(yù)先確定的閾值，將它們合并； 以新合并的像素為中心，返回到步驟，檢查新像素的鄰域，直到區(qū)域不能進(jìn)一步擴(kuò)張； 返回到步驟，繼續(xù)掃描直到所有像素都有歸屬，則結(jié)束整個(gè)生長(zhǎng)過程。6.3.1 區(qū)域生長(zhǎng)第29頁(yè)/共47頁(yè) 2基于區(qū)域內(nèi)灰度分布統(tǒng)計(jì)性質(zhì) 把像素分成互不重疊的小區(qū)域； 比較鄰接區(qū)域的累積灰度直方圖，根據(jù)灰度

11、分布的相似性進(jìn)行區(qū)域合并； 設(shè)定終止準(zhǔn)則，通過反復(fù)進(jìn)行步驟中的操作將各個(gè)區(qū)域依次合并直到滿足終止準(zhǔn)則 6.3.1 區(qū)域生長(zhǎng)第30頁(yè)/共47頁(yè) 3、基于區(qū)域形狀 把圖像分割成灰度固定的區(qū)域，設(shè)兩相鄰區(qū)域的周長(zhǎng) 和 ，把兩區(qū)域共同邊界線兩側(cè)灰度差小于給定值的那部分設(shè)為 ，如果（ 為預(yù)定的閾值）1P2PL1T112min ,LTP P則合并兩區(qū)域6.3.1 區(qū)域生長(zhǎng)第31頁(yè)/共47頁(yè) 把圖像分割成灰度固定的區(qū)域，設(shè)兩鄰接區(qū)域的共同邊界長(zhǎng)度為B，把兩區(qū)域共同邊界線兩側(cè)灰度差小于給定值的那部分長(zhǎng)度設(shè)為L(zhǎng)，如果（ 為預(yù)定閾值）2T2LTB則合并兩區(qū)域。區(qū)別：第一種方法是合并兩鄰接區(qū)域的共同邊界中對(duì)比度較低

12、部分占整個(gè)區(qū)域邊界份額較大的區(qū)域，第二種方法則是合并兩鄰接區(qū)域的共同邊界中對(duì)比度較低部分比較多的區(qū)域。6.3.1 區(qū)域生長(zhǎng)第32頁(yè)/共47頁(yè)6.3.2 分裂合并 從整幅圖像開始通過不斷分裂得到各個(gè)區(qū)域圖像 四叉樹表達(dá)方法的迭代分裂合并算法R1R2R3R41R42R43R44RR4R3R2R1R44R43R42R41第33頁(yè)/共47頁(yè)6.3.2 分裂合并第34頁(yè)/共47頁(yè)6.3.3 水域分割基本原理 又稱Watershed變換，借鑒形態(tài)學(xué)理論的分割方法，利用圖像區(qū)域特性來分割圖像，將邊緣檢測(cè)與區(qū)域生長(zhǎng)的優(yōu)點(diǎn)結(jié)合起來，能得到單像素寬的、連通的、封閉的、位置準(zhǔn)確的輪廓。 第35頁(yè)/共47頁(yè)基本思想:

13、 基于局部極小值和積水盆（Catchment Basin）概念。積水盆是地形中局部極小點(diǎn)的影響區(qū)（Influence Zones），水平面從這些局部極小值處上漲，在水平面浸沒地形的過程中，每一個(gè)積水盆被筑起的“壩”所包圍，這些壩用來防止不同積水盆里的水混合到一起。在地形完全浸沒到水中之后，這些筑起的壩就構(gòu)成了分水嶺。6.3.3 水域分割第36頁(yè)/共47頁(yè) 地形浸沒過程說明第37頁(yè)/共47頁(yè)基于標(biāo)記的watershed變換 3個(gè)步驟： 對(duì)原圖進(jìn)行梯度變換，得到梯度圖。 用合適的標(biāo)記函數(shù)把圖像中相關(guān)的目標(biāo)及背景標(biāo)記出來，得到標(biāo)記圖。 將標(biāo)記圖中的相應(yīng)標(biāo)記作為種子點(diǎn)，對(duì)梯度圖像進(jìn)行 watershe

14、d變換，產(chǎn)生分水線6.3.3 水域分割第38頁(yè)/共47頁(yè) 原細(xì)胞圖像 經(jīng)典的canny梯度 梯度圖像的流域分界線 分割結(jié)果第39頁(yè)/共47頁(yè)6.4 HoughHough變換6.4.1 Hough變換的原理6.4.2 廣義Hough變換第40頁(yè)/共47頁(yè)6.4 HoughHough變換6.4.1 Hough變換的原理 Hough變換是一種檢測(cè)、定位直線和解析曲線的有效方 法。是把二值圖變換到Hough參數(shù)空間，在參數(shù)空間用極值點(diǎn)的檢測(cè)來完成目標(biāo)的檢測(cè) 第41頁(yè)/共47頁(yè)XY用于直線檢測(cè)的Hough變換示意圖YX第42頁(yè)/共47頁(yè) 應(yīng)用Hough變換對(duì)傾斜表格圖像糾偏(a) 傾斜的表格圖像 (b)

15、 對(duì)(a)二值化(c)Hough變換累加數(shù)組 (d)最長(zhǎng)直線的角度糾正傾斜圖像pqo第43頁(yè)/共47頁(yè)6.4.2 廣義HoughHough變換 Hough變換是用于檢測(cè)平面內(nèi)的直線和二次曲線的，實(shí)際應(yīng)用中，物體的輪廓不能用直線和二次曲線來描述，有必要將Hough變換作進(jìn)一步的推廣。 優(yōu)點(diǎn)：抗噪聲能力強(qiáng)，能夠在信噪比較低的條件下，檢測(cè)出直線或解析曲線。 缺點(diǎn)：需要首先做二值化以及邊緣檢測(cè)等圖像預(yù)處理工作，使輸入圖像轉(zhuǎn)變成寬度為一個(gè)像素的直線或曲線形式的點(diǎn)陣圖 第44頁(yè)/共47頁(yè)作業(yè)6-1 解釋本章的圖6-10中，為什么采用Robert算子、Sobel算子和拉普拉斯算子進(jìn)行邊緣檢測(cè)的結(jié)果是不一樣的。6-2 試用Robert算子和拉普拉斯算