第7章 圖像分割技術(1).ppt_第1頁
第7章 圖像分割技術(1).ppt_第2頁
第7章 圖像分割技術(1).ppt_第3頁
第7章 圖像分割技術(1).ppt_第4頁
第7章 圖像分割技術(1).ppt_第5頁
已閱讀5頁,還剩23頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、本章重點: 圖像分割的基本概念及圖像分割分類的基礎 邊緣分割法 閾值分割法 區(qū)域分割法,第7章 圖像分割技術,7.1 圖像分割概述 7.2 邊緣檢測 7.3 閾值分割 7.4 區(qū)域分割,第7章 圖像分割技術,7.1 圖像分割概述,目的:把圖像空間分成一些有意義的區(qū)域,與圖像中各種物體目標相對應。通過對分割結果的描述,可以理解圖像中包含的信息。 圖像分割是將像素分類的過程,分類的依據(jù)可建立在: 像素間的相似性 非連續(xù)性,圖像分割和集合定義的描述 令集合R代表整個圖像區(qū)域,對R的圖像分割可以看作是將R分成N個滿足以下條件的非空子集R1,R2,.,RN:,圖像分割方法和種類 以不同的分類標準,圖像分

2、割方法可以劃分為不同的種類。,圖像分割應用 機器閱讀理解 OCR錄入 遙感圖像自動識別 在線產(chǎn)品檢測 醫(yī)學圖像樣本統(tǒng)計 醫(yī)學圖像測量 圖像編碼 圖像配準的預處理,物體的邊緣是以圖像的局部特征不連續(xù)的形式出現(xiàn)的,也就是指圖像局部亮度變化最顯著的部分,例如灰度值的突變、顏色的突變、紋理結構的突變等 ,同時物體的邊緣也是不同區(qū)域的分界處。 通常沿邊緣的走向灰度變化平緩,垂直于邊緣走向的像素灰度變化劇烈 。,7.2 邊緣檢測,7.2.1 邊緣檢測概述,根據(jù)灰度變化的特點,常見的邊緣可分為階躍型、房頂型和凸緣型 邊緣檢測是邊界分割方法的最基本的處理。,7.2.2 邊緣檢測方法,邊緣檢測的方法很多,主要有

3、以下幾種: 1、空域微分算子,也就是傳統(tǒng)的邊緣檢測方法。如Roberts算子、Prewitt算子和Sobel算子等 。 2、擬合曲面。該方法利用當前像素鄰域中的一些像素值擬合一個曲面,然后求這個連續(xù)曲面在當前像素處的梯度。 3、小波多尺度邊緣檢測。 4、基于數(shù)學形態(tài)學的邊緣檢測。,Prewitt算子 用卷積模板為: 其中 Kirsch算子 邊緣的梯度大小為 其中,幾種常用的邊緣檢測微分算子,,,LOG(Laplacian-Gauss)算子 Marr和Hildreth將Gaussian濾波器和Laplacian邊緣檢測結合在一起,形成了LoG(Laplacian of Gaussian)算法。即

4、先用高斯函數(shù)對圖像進行平滑,然后再用拉普拉斯算子進行運算,形成Laplacian-Gauss算法,它使用一個墨西哥草帽函數(shù)形式。 特點: 與高斯濾波器進行卷積,既平滑了圖像又降低了噪聲,孤立的噪聲點和較小的結構組織將被濾除。 在邊緣檢測時僅考慮那些具有局部梯度最大值的點為邊緣點,用拉普拉斯算子將邊緣點轉換成零交叉點,通過零交叉點的檢測來實現(xiàn)邊緣檢測。,,,Canny(坎尼)算子 3個準則: 信噪比準則 定位精度準則 單邊緣響應準則 具體步驟: 首先用2D高斯濾波模板進行卷積以平滑圖像; 利用微分算子,計算梯度的幅值和方向; 對梯度幅值進行非極大值抑制。即遍歷圖像,若某個像素的灰度值與其梯度方向

5、上前后兩個像素的灰度值相比不是最大,那么這個像素值置為0,即不是邊緣; 使用雙閾值算法檢測和連接邊緣。即使用累計直方圖計算兩個閾值,凡是大于高閾值的一定是邊緣;凡是小于低閾值的一定不是邊緣。如果檢測結果大于低閾值但又小于高閾值,那就要看這個像素的鄰接像素中有沒有超過高閾值的邊緣像素,如果有,則該像素就是邊緣,否則就不是邊緣。,,,圖像的輪廓(邊界)跟蹤與邊緣檢測是密切相關的,因為輪廓跟蹤實質(zhì)上就是沿著圖像的外部邊緣“走”一圈。 輪廓跟蹤也稱邊緣點連接,是一種基于梯度的圖像分割方法。是指從梯度圖中一個邊界點出發(fā),依次通過對前一個邊界點的考察而逐步確定出下一個新的邊界點,并將它們連接而逐步檢測出邊

6、界的方法。,7.2.3 邊界跟蹤,具體輪廓跟蹤過程大致可分以下三步: (1) 確定輪廓跟蹤的起始邊界點。根據(jù)算法的不同,選擇一個或多個邊緣點作為搜索的起始邊緣點。 (2) 選擇一種合適的數(shù)據(jù)結構和搜索策略,根據(jù)已經(jīng)發(fā)現(xiàn)的邊界點確定下一個檢測目標并對其進行檢測。 (3) 制定出終止搜尋的準則(一般是將形成閉合邊界作為終止條件),在滿足終止條件時結束搜尋。 常用的輪廓跟蹤技術有兩種:探測法和梯度圖法。,一種簡單的邊界跟蹤法(二值圖像): (1)根據(jù)光柵掃描發(fā)現(xiàn)像素從0開始變?yōu)?的像素時,存儲它的坐標(i,j)值。 (2)從像素(i,j-1)開始反時針方向研究8-鄰接像素,當?shù)谝淮纬霈F(xiàn)像素值為1的像

7、素記為pk,開始k=1,,也同樣存儲p1的坐標。 (3)同上,反時針方向從pk-1以前的像素研究pk的8-鄰接像素,把最先發(fā)現(xiàn)像素值為1的像素記為pk +1。 (4)當pk= p0而且pk+1= p1時,跟蹤結束。在其他情況下,把k+1更新當作k返回第(3)步。,右圖描述了邊界跟蹤的順序。 第一步,根據(jù)光柵掃描,發(fā)現(xiàn)像素p0,其坐標為(3,5)。 第二步,反時針方向研究像素p0的8-鄰接像素(3,4),(4,4),(4,5),由此發(fā)現(xiàn)像素p1。 第三步,反時針方問從p0以前的像素,即像素(3,4)開始順序研究p1的8-鄰接像素,因此發(fā)現(xiàn)像素p2。這時,因為p0 p1,所以令pk= p2,返回第

8、三步。 反復以上操作,以p0, p1, pn的順序跟蹤8-鄰接的邊界像素。,區(qū)域生長是區(qū)域分割最基本的方法。所謂區(qū)域生長就是一種根據(jù)事先定義的準則將像素或者子區(qū)域聚合成更大區(qū)域的過程。,7.4 基于區(qū)域的分割,7.4.1 區(qū)域生長,基本思想 以一組生長點(可以是單個像素,也可以是某個小區(qū)域)開始,搜索其鄰域,把圖像分割成特征相似的若干區(qū)域,比較相鄰區(qū)域與生長點特征的相似性,若它們足夠相似,則作為同一區(qū)域合并,形成新的生長點。以此方式將特征相似的區(qū)域不斷合并、直到不能合并為止,最后形成特征不同的各區(qū)域。這種分割方式也稱區(qū)域擴張法。,在實際應用時,要解決三個問題: 1)確定區(qū)域的數(shù)目,也就是選擇一

9、組能正確代表所需區(qū)域的生長點像素; 2)選擇有意義的特征,也就是確定在生長過程中將相鄰區(qū)域像素包括進來的方式; 3)確定相似性準則,即獲取生長過程停止的準則。,特征相似性是構成與合并區(qū)域的基本準則,相鄰性是指所取的鄰域方式。根據(jù)所用的鄰域方式和相似性準則的不同,產(chǎn)生各種不同的區(qū)域生長法。 將灰度相關的值作為區(qū)域生長準則,區(qū)域生長可分為單一型(像素與像素)、質(zhì)心型(像素與區(qū)域)和混合型(區(qū)域與區(qū)域)三種。,單一型區(qū)域生長法原理: 以圖像的某個像素為生長點,將特征相似的相鄰像素合并為同一區(qū)域;然后以合并的像素為生長點,重復以上的操作,最終形成具有相似特征的像素的最大連通集合。 下面給出以像素灰度為

10、特征進行簡單區(qū)域生長的步驟。 (1)對圖像進行光柵掃描,找出尚沒有歸屬的像素。當尋找不到這樣的像素時結束操作。 (2)把這個像素灰度同其周圍(4-鄰域或8-鄰域)不屬于任何一個區(qū)域的像素進行比較,若灰度差值小于某一閾值,則將它們合并為同一個區(qū)域,并對合并的像素賦予標記。 (3)從新合并的像素開始,反復進行(2)的操作,直到區(qū)域不能再合并為止。 (4)返回(1)操作,尋找能作為新區(qū)域出發(fā)點的像素。,優(yōu)缺點: 這種方法簡單,但如果區(qū)域之間的邊緣灰度變化很平緩或邊緣交于一點時,如圖7-20,兩個區(qū)域會合并起來。 解決方法: 為消除這一點,在步驟(2)中不是比較相鄰像素灰度,而是比較已存在區(qū)域的像素灰

11、度平均值與該區(qū)域鄰接的像素灰度值。,(a)平緩的邊緣 (b)邊緣的縫隙 圖7-20 邊緣對區(qū)域擴張的影響,質(zhì)心型區(qū)域生長 與簡單區(qū)域生長不同,它是比較單個像素的特征與其相鄰區(qū)域的特征,若相似則將像素歸并到區(qū)域中。 操作步驟 類似簡單區(qū)域生長法,唯一不同的是在上述(2)的操作中,改為比較已存在區(qū)域的像素灰度平均值與該區(qū)域鄰接的像素灰度值。若差值小于閾值,則合并。 例子 :,(a)原始圖像 (b)第一次生長結果 (c)第二次生長結果 (d)最終生長結果 圖7-21 質(zhì)心型區(qū)域生長,混合型區(qū)域生長 把圖像分割成小區(qū)域,比較相鄰小區(qū)域的相似性,如果相似則合并。 下面介紹兩種混合型區(qū)域生長的方法。 1.

12、 不依賴于起始點的方法 (1)設灰度差的閾值為0,用簡單區(qū)域生長法把具有相同灰度的像素合并到同一區(qū)域,得到圖像的初始分割圖像; (2)從分割圖像一個小區(qū)域開始,求出相鄰區(qū)域間的灰度差,將差值最小的相鄰區(qū)域合并; (3)重復(2)的操作,把區(qū)域依次合并。 缺點:這種方法若不在適當?shù)碾A段停止區(qū)域合并,整幅圖像經(jīng)區(qū)域生長的最終結果就會為一個區(qū)域。,2. 假設檢驗法 不依賴于起始點的方法是把灰度差作為區(qū)域合并的判定標準,而假設檢驗法則是根據(jù)區(qū)域內(nèi)的灰度分布的相似性進行區(qū)域合并。 具體步驟如下: (1)把圖像分割成互不交迭的、大小為 的小區(qū)域。 (2)比較相鄰小區(qū)域的灰度直方圖,如果灰度分布情況都是相似

13、的,則合并成一個區(qū)域,相似性判斷標準可選用下面其中之: (a)Ko1mogorov-Smirnov檢測標準:,(b)Smoothed-Diffference檢測標準:,其中H1(g)、H2(g)分別是相鄰兩區(qū)域的累積灰度直方圖。在數(shù)字圖像中,累積灰度直方圖為:,(3)反復進行(2)的操作,直至區(qū)域不能合并為止。 這種方法不僅能分割灰度相同的區(qū)域,也能分割紋理性的圖像。但采用這種方法難點在于n如何確定。 n太大,則區(qū)域形狀變得不自然,小的目標就會遺漏; n太小,則(a)和(b)可靠性下降,導致分割質(zhì)量差。實際中一般取510,由于檢測標準(b)的要求比(a)的嚴,采用檢測標準(b)比用(a)會帶來

14、更好的結果。,7.4.2 區(qū)域分裂與合并,區(qū)域生長過程是從一組生長點開始,通過不斷接納新像素最后得到整個區(qū)域。 一種替換方法是在開始時將圖像分割成一系列任意不相交的區(qū)域,然后將他們進行合并或分裂得到各個區(qū)域。 在這類方法中,最常用的方法是四叉樹分解法:,設R表示整個圖像區(qū)域,P代表邏輯謂詞。對R進行分割的一種方法是反復將分割得到的結果圖像再次分為四個區(qū)域,直到對任何區(qū)域Ri,有P(Ri)=TRUE。 具體的分割過程: 從整幅圖像開始,如果P(Ri)=FALSE,就將圖像分割為4個區(qū)域; 對分割后得到的區(qū)域,如果依然有P(Ri)=FALSE,就可以將這4個區(qū)域的每個區(qū)域再次分別分割為4個區(qū)域,如此類推,直到Ri為單個像素。,如果僅使用分裂,最后得到的分割結果可能包含具有相同性質(zhì)的相鄰區(qū)域。為此,可在分裂的同時進行區(qū)域合并。 合并規(guī)則: 只要P(RiU Rj)=TRUE,則可以將兩個相鄰的區(qū)域Ri和Rj進行合并。 基本的分裂合并算法步驟: 1) 對任何區(qū)域Ri,如

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論