數(shù)字圖像處理 第八講 圖像分割課件

1、圖像分割第八講 圖像分割8.1 概述8.2 圖像邊緣檢測8.3 閾值法分割圖像分割8.1 概述圖像分割的目的: 將一幅圖像中的各成分分離成若干與景物中的實際物體相對應(yīng)的子集。 例：地貌遙感圖像，平原、山區(qū)、水域、森林等；醫(yī)學(xué)圖像，細胞圖像中分離出單個細胞。圖像分割的基礎(chǔ): 像素間的相似性和不連續(xù)性。圖像分割圖像分割的方法： 從分割依據(jù)角度出發(fā)，圖像分割方法可分為相似性分割和非連續(xù)性分割。一、相似性分割： 將具有同一灰度級或相同組織結(jié)構(gòu)的像素聚集在一起，形成圖像中的不同區(qū)域。這種基于相似性原理的方法也稱為基于區(qū)域相關(guān)的分割技術(shù)。圖像分割二、非連續(xù)性分割： 首先檢測局部不連續(xù)性，然后將它們連接起來

2、形成邊界，這些邊界把圖像分以不同的區(qū)域。這種基于不連續(xù)性原理檢出物體邊緣的方法稱為基于點相關(guān)的分割技術(shù)。 這兩種方法是互補的。有時將它們有機地結(jié)合起來，以求得到更好的分割效果。 本講主要介紹邊緣檢測、閾值分割。圖像分割8.2 圖像邊緣檢測 圖像邊緣是圖像最基本的特征之一，攜帶著一幅圖像的大部分信息，因此在圖像分析時，通過圖像檢測提取出它的邊緣。 圖像邊緣是以圖像局部特性的不連續(xù)性的形式出現(xiàn)的，從本質(zhì)上說，邊緣線意味著一個區(qū)域的終結(jié)和另一個區(qū)域的開始，是不同目標區(qū)域或組成部分的分界線。圖像分割圖81 邊緣灰度變化的幾種類型圖像分割 邊緣檢測的實質(zhì)：采用某種算法來提取出圖像中對象與背景間的交界線。

3、 邊緣圖像灰度的變化情況可以用圖像灰度分布的梯度來反映，根據(jù)這一特點，提出多種邊緣檢測算子，如Robert算子、Sobel算子、Laplacian算子等。 最早的邊緣檢測方法都是基于像素的數(shù)值導(dǎo)數(shù)的，在數(shù)字圖像中應(yīng)用差分代替導(dǎo)數(shù)運算。圖像分割對于數(shù)字圖像，可用一階差分替代一階微分：此時梯度的幅度可表示為：圖像分割為了避免平方和、開方運算，可將上式表示為： 利用圖像灰度的一階導(dǎo)數(shù)算子在灰度迅速變化處得到的極值來進行奇異點的檢測。它在某一點的值就代表該點的邊緣強度，可以通過對這些值設(shè)置閾值來進一步得到邊緣圖像。但該算子具有方向性，計算不便，很少采用。圖像分割 在圖像邊緣提取中，常使用羅伯特(Rob

4、ert)梯度算子和Sobel梯度算子檢測邊緣。一、羅伯特(Robert)梯度算子（22個像素） Robert梯度采用對角方向相鄰兩像素之差，即： 將上面二者代入到梯度的幅度表達式中，即可求得圖像的梯度幅度。圖像分割 選取適當(dāng)?shù)拈T限TH，作如下判斷：Gf(x,y)TH，(x,y)為階躍狀邊緣點。二、Sobel梯度算子（33個像素） 先做加權(quán)平均，再作微分，即圖像分割 代入到梯度的幅度表達式中，即可求得圖像的梯度幅度。 選取適當(dāng)?shù)拈T限TH，作如下判斷：Gf(x,y)TH，(x,y)為階躍狀邊緣點。 Sobel算子是邊緣檢測器中最常見的算子之一。該算子不但產(chǎn)生較好的邊緣檢測效果，同時因為引入了局部平

5、均，使其受到噪聲的影響也比較小，也正因為平均，有時會檢測出許多偽邊緣。圖像分割 拉普拉斯(Laplacian)算子是不依賴于邊緣方向的二階微分算子。它是一個標量而不是向量，具有旋轉(zhuǎn)不變即各向同性的性質(zhì)，在圖像處理中經(jīng)常被用來提取圖像的邊緣。其表示式為 在數(shù)字圖像中使用差分有：圖像分割 將二者合并為一個算子有：圖像增強 f(x-1,y) f(x,y-1) f(x,y)f(x,y+1) f(x+1,y) 圖像分割 當(dāng)拉普拉斯算子輸出出現(xiàn)過零點時就表明有邊緣存在。該算子有兩個缺點：其一就是邊緣方向信息的丟失，其二它是二階差分，雙倍加強了圖像中噪聲的影響。 改進的LOG算法： 在進行拉普拉斯運算前先進

6、行平滑去噪，然后再提取邊緣。平滑去噪采用高斯濾波器，然后與拉普拉斯邊緣檢測合并在一起，形成LOG（Laplacian Of Gaussian）。圖像分割8.3 閾值法分割 利用圖像中要提取的目標物與其背景在灰度特性上的差異，把圖像視為具有不同灰度級的兩類區(qū)域(目標和背景)的組合，選取一個合適的閾值，以確定圖像中每一個像素點應(yīng)該屬于目標還是背景區(qū)域，從而產(chǎn)生相應(yīng)的二值圖像。 優(yōu)點：大量壓縮數(shù)據(jù)、減少存儲容量、大大簡化其后的分析和處理步驟。圖像分割 要從復(fù)雜的景物中分辨出目標并將其形狀完整地提取出來，閾值的選取是閾值分割技術(shù)的關(guān)鍵。如果閾值選取過高，則過多的目標點被誤認為背景；閾值選得過低，則會出

7、現(xiàn)相反的情況。至今還未能找到一種對所有圖像都能有效分割的閾值選取方法。 閾值分割的方法：二值化分割、半閾值分割、區(qū)域生長法分割。圖像分割 針對不同的處理對象，可分別選用以下定義式：圖像分割 二值分割時的處理流程有兩種方法：一、一次比較法 順序讀取各像素點灰度級與閾值比較，凡符合約定關(guān)系的用1代替，否則以0代替。（最常用）二、二次掃描法 先按行的順序掃描比較，得到過渡圖像g1(x,y)，再按列的順序掃描比較，得到過渡圖像g2(x,y)，然后將這兩個結(jié)果相或，便為二次掃描圖像分割輸出g(x,y)。圖像分割 B1灰度區(qū)為背景區(qū)，B2灰度區(qū)為目標區(qū)，閾值確定在背景與物體圖像灰度交界處的物體圖像灰度一側(cè)

8、。圖85 直方圖雙峰圖像分割 2、將圖像中的每一行掃描，產(chǎn)生的圖像的灰度將遵循如下規(guī)則： 3、將圖像中的每一列掃描，產(chǎn)生的圖像的灰度將遵循如下規(guī)則：圖像分割 4、將g1(x,y)和g2(x,y)相或，得到最后輸出g(x,y)。 二次掃描法分割圖像，可以檢測出水平和垂直方向上的邊界。例：下圖是一幅1216，背景灰度為12、圖像灰 度為37的離散圖像。現(xiàn)令灰度12為B1區(qū)、灰度37為B2區(qū)，vc=8,vb=0。圖像分割1 1 1 1 1 2 2 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 11 1 1 1 2 2 3 3 1 1 1 12 2 1 1 1 3 3 3 3 2 2

9、 12 2 1 2 3 4 5 3 4 3 1 21 2 2 4 4 5 6 5 6 5 3 11 1 5 5 6 7 6 5 3 4 4 4 1 2 4 4 5 5 5 4 5 5 4 31 2 2 3 4 5 6 7 7 6 3 21 1 2 4 4 4 3 6 7 6 1 22 1 1 1 5 5 6 6 6 2 1 11 1 2 2 1 3 4 4 3 2 2 11 1 1 1 1 1 3 5 1 1 1 11 1 1 2 2 1 1 4 1 1 1 11 1 1 1 2 2 1 1 1 1 1 11 1 1 1 1 2 2 1 1 1 1 11 1 1 1 1 2 2 1 1 1 1

10、 1 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 8 8 0 0 0 00 0 0 0 0 8 0 0 8 0 0 00 0 0 0 8 0 0 0 0 8 0 00 0 0 8 0 0 0 0 0 0 8 00 0 8 0 0 0 0 0 0 0 0 8 0 0 0 0 0 0 0 0 0 0 0 00 0 8 0 0 0 0 0 0 0 0 80 0 0 0 0 0 0 0 0 0 8 00 0 0 8 0 0 0 0 0 8 0 00 0 0 0 8 0 0 0 0 0 0 00 0 0 0 0 8 0 0 8 0 0 00 0 0 0 0 0 8 0 0 0

11、0 00 0 0 0 0 0 0 8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0原圖像第一次掃描圖像分割0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 8 8 8 0 0 00 0 0 0 0 8 0 0 8 8 0 00 0 0 0 8 0 0 0 0 8 8 00 0 0 8 0 0 0 0 0 0 8 80 0 8 0 0 0 0 0 0 0 0 8 0 0 8 0 0 0 0 0 0 0 0 80 0 8 8 0 0 0 0 0 0 0 80 0 0 8 0 0 0 0 0 0 8 00 0 0 8

12、 8 0 0 0 0 8 0 00 0 0 0 8 8 0 0 0 8 0 00 0 0 0 0 8 8 8 8 0 0 00 0 0 0 0 0 8 8 8 0 0 00 0 0 0 0 0 0 8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0最后輸出結(jié)果1 0 0 0 0 0 0 0 0 0 0 01 0 0 0 0 0 0 0 0 0 0 01 0 0 0 0 0 8 0 8 0 0 02 0 0 0 0 8 0 0 0 8 0 02 0 0 0 8 0 0 0 0 0 8 01 0 0 8 0 0 0 0 0 0 0 81 0 8 0 0 0 0 0 0 0 0 0

13、1 0 8 0 0 0 0 0 0 0 0 01 0 0 0 8 0 0 0 0 0 0 81 0 0 8 0 0 0 0 0 0 8 02 0 0 0 8 0 0 0 0 8 0 01 0 0 0 0 8 0 0 0 8 0 01 0 0 0 0 0 8 0 8 0 0 01 0 0 0 0 0 0 8 8 0 0 01 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0第二次掃描圖像分割8.3.2 半閾值分割 該分割方法是將灰度級低于某一閾值的像素灰度級變換為0，其他灰度級像素保持不變的分割技術(shù)，表達式為：圖像分割8.3.3 最佳閾值 前面介紹了二值

14、化分割和半閾值分割，知道選擇最佳閾值是閾值法分割圖像的首要工作，如何選擇最佳閾值呢？ 令圖像由背景和物體兩部分組成，背景所對應(yīng)的灰度級概率分布密度函數(shù)為P1(f) ，其均值為1 ， 方差為12；物體所對應(yīng)的灰度級概率分布密度函數(shù)為P2(f)，其均值為2，方差為22。背景和圖像的面積比分別為P1、P2(P1+P2=1)。圖像分割 假定暗區(qū)相當(dāng)于背景，亮區(qū)相當(dāng)于物體。凡灰度級低于閾值T的像素均作為背景來對待，凡灰度級高于閾值T的像素均作為物體。 把物體上的點錯分類成為背景上的點的概率為： 把背景上的點錯分類成為物體上的點的概率為：圖像分割 總的誤差概率為： 為了獲得最佳閾值，將E(T)對T求微分，

15、并使結(jié)果為零。從而有： 設(shè)P1(f) ，P2(f)均為正態(tài)分布，且二者的方差12、22相等，同時面積比P1P21/2，則最佳閾值T為：圖像分割 可見，在背景和目標圖像的先驗概率相等這一特定條件下，最佳閾值就是背景灰度均值與目標圖像灰度均值之均值。（求解過程忽略）圖像分割8.3.4 區(qū)域生長法分割 區(qū)域生長法又叫區(qū)域擴張法。該方法從被稱為“生長點”（可以是單個像素，也可以是某個小區(qū)域）地方開始，搜索其鄰域，把符合接收準則的點或子域歸并進來，形成新的生長點，反復(fù)操作，直到當(dāng)前區(qū)域不能再合并為止。 簡單連接、子區(qū)合并法圖像分割一、簡單連接 基于單個像素的區(qū)域生長法。 從滿足檢驗點（以下簡稱連接核）開

16、始，考慮其周圍（4像素鄰域或8像素鄰域）的不屬于任何一個域的點。如果其特性符合接收準則，就把它作為同一個區(qū)域加以合并，形成連接核A1，既而檢測A1周圍的點，把符合接收準則的點并入A1，產(chǎn)生新的連接核A2。重復(fù)上述過程，直到?jīng)]有可并入的點時，生長過程結(jié)束。圖像分割 這里的接收準則可設(shè)置為鄰近像素與Ai灰度均值之差作為門限T，凡灰度小于該門限的鄰點均認為是區(qū)域附屬點而并入。 例：設(shè)接收準則為可并入點的灰度與連接核灰度均值差小于2。圖像分割二、子區(qū)合并法 以小區(qū)域內(nèi)的灰度分布的相似性進行區(qū)域合并。 步驟如下：1、將圖像分割成MN個，大小為LxLy的子區(qū)。2、從左上角第一個子區(qū)開始，分別計算子區(qū)和相鄰子區(qū)的灰度統(tǒng)計特量（直方圖），然后作相似性判定。若兩者的灰度分布相似且符合接收準則，相鄰子區(qū)并入當(dāng)前子區(qū)，形成下一輪判定合并時的當(dāng)前子區(qū)。如果某個相鄰子區(qū)不符合接收則，圖像分割 就打上“未分割標記”。繼續(xù)新的一輪判定，使當(dāng)前子區(qū)不斷生長，直到?jīng)]有可