數(shù)字圖像處理圖像分割與邊緣檢測(cè)

第五章：圖像分割與邊緣檢測(cè)一．圖像分割:二.邊緣檢測(cè)：三.輪廓跟蹤:1.圖像分割概述第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割定義:利用圖像特征把圖像分解成一系列有意義的目標(biāo)或區(qū)域的過程稱為圖像分割圖像特征統(tǒng)計(jì)特征：直方圖、矩、頻譜等視覺特征：區(qū)域的亮度、紋理或輪廓等目的：為圖像理解和分析作準(zhǔn)備。例如提取出感興趣目標(biāo)區(qū)域，目標(biāo)可以對(duì)應(yīng)單個(gè)區(qū)域，也可以對(duì)應(yīng)多個(gè)區(qū)域。1.圖像分割概述第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割①：在對(duì)一幅圖象的分割結(jié)果中全部子區(qū)域的總和（并集）應(yīng)能包括圖象中所有象素（就是原圖象）。②：在分割結(jié)果中各個(gè)子區(qū)域是互不重疊的③：屬于同一個(gè)區(qū)域中的象素應(yīng)該具有某些相同特性。④：屬于不同區(qū)域的象素應(yīng)該具有一些不同的特性。⑤：同一個(gè)子區(qū)域內(nèi)的任兩個(gè)象素在該子區(qū)域內(nèi)互相連通，或者說分割得到的區(qū)域是一個(gè)連通組元。1.圖像分割概述第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割4連通和8連通1.圖像分割概述第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割分類：1）區(qū)域分割按“有意義”的屬性一致的原則，確定每個(gè)像元的歸屬區(qū)域，形成一個(gè)區(qū)域圖。這種方法目前占主導(dǎo)地位。2）基于邊緣提取的分割法先提取區(qū)域邊界，再確定邊界限定的區(qū)域。3）區(qū)域增長從像元出發(fā)（種子），按“有意義”的屬性一致的原則，將鄰域中滿足相似性準(zhǔn)則的連通像元聚集成區(qū)域。

2.閾值法第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割依據(jù):屬于同一區(qū)域的像元應(yīng)具有相同或相似的屬性，不同區(qū)域的像元屬性不同。任務(wù):尋求具有代表性的屬性（如灰度）確定屬性的閾值2.閾值法(簡單圖像的閾值分割)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割2.閾值法(簡單圖像的閾值分割)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割(a)(b)(c)(d)T=91T=130T=432.閾值法(P參數(shù)法)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割設(shè)圖像中目標(biāo)所占的面積s0與圖像面積s之比為P=s0/s，用于目標(biāo)所占圖象面積已知的情況(圖紙和公文圖象)longintS=0; for(intk=0;k<255;k++){S+=Hist[k];if(S>=S0)break;}T=k; 2.閾值法(峰谷法)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割統(tǒng)計(jì)圖像的灰度直方圖，若其直方圖呈雙峰且有明顯的谷，則將谷所對(duì)應(yīng)的灰度值T作為閾值適用于目標(biāo)和背景的灰度差較大，有明顯谷的情況52.閾值法(最大類間方差法-otsu)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割假定：圖像的灰度區(qū)間為[0，L-1]，選擇一閾值T將圖像的象元分為c1、c2兩組。

C1:f(i,j)<T象元數(shù)：w1

灰度均值:m1

均方差：

12C2:f(i,j)>=T象元數(shù)：w2

灰度均值:m2

均方差：

22組內(nèi)方差為

w2=w1

12+w2

22

組間方差為

B2=w1(m1-m)2+w2(m2-m)2=w1w2(m1-m2)2

m=(m1w1+m2w2)/(w1+w2)分析：組內(nèi)方差越小，則組內(nèi)象素越相似；改變T的取值，使

B2/

w2

最大所對(duì)應(yīng)的T就是閾值。2.閾值法(最佳熵自動(dòng)門限法)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割選擇閾值使前景和背景的兩個(gè)灰度級(jí)分布的有效信息為最大門限t：目標(biāo)W、背景B，[0，t]的分布和[t+1,L–1]的分布為2.閾值法(最佳熵自動(dòng)門限法)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割使熵H(t)取最大值的t，即最佳門限

2.閾值法(最小誤差分割)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割目標(biāo)：正態(tài)分布，密度p1(z)，均值μ1方差σ12背景：正態(tài)分布，密度p2(z)，均值μ2

方差σ22目標(biāo)像點(diǎn)數(shù)占總點(diǎn)數(shù)的百分比為θ，背景（1-θ）2.閾值法(最小誤差分割)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割當(dāng)選定門限為t時(shí)，目標(biāo)點(diǎn)錯(cuò)劃為背景點(diǎn)的概率把背景點(diǎn)錯(cuò)劃為目標(biāo)點(diǎn)的概率

總錯(cuò)誤概率目標(biāo)概率2.閾值法(最小誤差分割)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割確定t,使誤差最小

2.閾值法(最小誤差分割)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割//迭代求最佳閾值 iNewThreshold=（iMinGrayValue+iMaxGrayValue)/2;iThreshold=0; for(iIterationTimes=0;iThreshold!= iNewThreshold;iIterationTimes++){ iThreshold=iNewThreshold; lP1=0; lP2=0; lS1=0; lS2=0;

2.閾值法(最小誤差分割)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割 //求兩個(gè)區(qū)域的灰度平均值 for(i=iMinGrayValue;i<iThreshold;i++) { lP1+=lHistogram[i]*i; lS1+=lHistogram[i];//totalnum} if(lS1) iMean1GrayValue=(unsignedchar)(lP1/(lS1));else iMean1GrayValue=iMinGrayValue….iMean2GrayValue=… iNewThreshold=(iMean1GrayValue+iMean2GrayValue)/2;}2.閾值法(舉例)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割2.閾值法(舉例)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割2.閾值法(舉例)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割2.閾值法(舉例)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割作業(yè)：1.簡述otsu算法。2.簡述最小誤差分割算法。3.p1054。1.概念第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割圖像中像元灰度有階躍變化或屋頂狀變化的那些像元的集合它存在于目標(biāo)與背景、目標(biāo)與目標(biāo)、區(qū)域與區(qū)域、基元與基元之間邊緣能勾劃出目標(biāo)物體輪廓，使觀察者一目了然，包含了豐實(shí)的信息（如方向、階躍性質(zhì)、形狀等），是圖像識(shí)別中抽取的重要屬性。

1.概念第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割邊緣點(diǎn)類型：1）A空間曲面上的不連續(xù)點(diǎn)。兩個(gè)不同曲面的或平面的交線，法線方向不連續(xù)。（2）B類邊緣線。由不同材料或相同材料不同顏色產(chǎn)生的，對(duì)光的反射系數(shù)不同（3）C類邊緣線物體與背景的分界線，外輪廓線（4）D邊緣D是陰影引起的邊緣。被遮擋得不到一致光照。1.概念第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割階躍狀：屋頂狀：位于兩邊的像素灰度值有明顯不同的地方。灰度變化曲線的一階導(dǎo)函數(shù)在該點(diǎn)達(dá)到極值，二階導(dǎo)函數(shù)在其近旁呈零交叉。位于灰度值從增加到減少的轉(zhuǎn)折處。 灰度變化曲線的一階導(dǎo)函數(shù)在該點(diǎn)近旁呈零交叉，二階導(dǎo)函數(shù)在該點(diǎn)達(dá)到極值。1.概念第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割兩種邊緣和邊緣點(diǎn)近旁灰度方向?qū)?shù)變化規(guī)律1.概念第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割(a)(b)(d)(c)實(shí)際圖像中不同類型的邊界（a）階躍；（b）線狀；（c）折線變化；（d）緩慢的平滑變化

2邊緣檢測(cè)算子(梯度算子)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割（1）梯度的方向在函數(shù)f(x,y)最大變化率的方向上（2）梯度的幅度用G［f(x,y)］表示性質(zhì):2邊緣檢測(cè)算子(梯度算子)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割G［f(x,y)］={f(i,j)-f(i+1,j+1)］2+f(i+1,j)-f(i,j+1)］2}1／2

梯度的兩種差分運(yùn)算G［f(x,y)］={［f(i,j)-f(i+1,j)］2+［f(i,j)-f(i,j+1)］2}1／2

水平、垂直差分法Robert差分法2邊緣檢測(cè)算子第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割梯度算子

2邊緣檢測(cè)算子(梯度算子)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割2.邊緣檢測(cè)算子第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割方向算子

計(jì)算在不同方向上的差分值，取其中最大的值作為邊緣強(qiáng)度，與之對(duì)應(yīng)的方向作為邊緣方向。常用的八方向Kirsch（3×3）各方向間的夾角為450

。

-533333333333-50

3-50330

330-5-533-5-53-5-5-53-5-5各向異性2邊緣檢測(cè)算子(梯度算子)第五章：圖像分割與邊緣檢測(cè)邊緣檢測(cè)輪廓跟蹤圖像分割常用的梯度算子

-Sobel：Pre