生物医学图像处理图象分割一-课件

图象分割要点：要点：像素分类，灰度级门限化差分算子彩色检测、纹理检测序贯分割区域生长图象分割要点：像素分类，灰度级门限化1图象分割 把图象空间按照一定的要求分成一些“有意义”的区域的技术叫图象分割。例如：（1）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象上分割出来。（2）要辨认文件中的个别文字，也需先将这些文字分选出来。图象分割 把图象空间按照一定的要求分成一些“有意义”的2图象分割（3）要识别和标定细胞的显微照片中的染色体，需要用图象分割技术。一幅图象通常是由代表物体的图案与背景组成，简称物体与背景。若想从一幅图象中“提取”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“1”，而把背景点标为“0”，通过分割以后，可得一幅二值图象。图象分割（3）要识别和标定细胞的显微照片中的染色体，需要用图3生物医学图像处理图象分割一-课件4交大学生作品分类故事一枝独秀交大学生作品分类故事一枝独秀5P449 Fig.18-2分类故事与众不同点点击击图图片片播播放放视视频频P449 Fig.18-2分类故事与众不同点击图片6象素分类 图象分割是按照某些特性(如灰度级,频谱,纹理等)将图象划分成一些区域，在这些区域内其特性是相同的或者说是均匀的，两个相邻区域彼此特性则是不同的，其间存在着边缘或边界。图象分割从本质上来说是将图象中的象素按照特性的不同进行分类的过程。象素分类 图象分割是按照某些特性(如灰度级,频谱,纹7象素分类 1)用灰度级门限化方法来分割一幅图象时，若想从亮的背景中分离出暗的物体,利用一门限值T将象素分为“亮”的和“暗”的两类。2)在边缘检测中，利用对一些差分算子的响应值进行门限化，将象素分为“边缘”上的点和“非边缘”上的点两类。象素分类 用灰度级门限化方法来分割一幅图象时，若想从亮的背景8灰度级门限化(一)一般概念 许多情况，图象是由具有不同灰度级的两类区域组成。如文字与纸张、地物与云层（航空照片）。其特点:直方图具有两个峰，分别与两个灰度级范围相对应。故可选择一个门限，将两个峰分开。灰度级门限化(一)一般概念9灰度级门限化 门限T的选择，一般取两个峰值间的谷值。灰度级门限化 门限T的选择，一般取两个峰值间的谷值。10实 例实 例11生物医学图像处理图象分割一-课件12生物医学图像处理图象分割一-课件13生物医学图像处理图象分割一-课件14生物医学图像处理图象分割一-课件15生物医学图像处理图象分割一-课件16生物医学图像处理图象分割一-课件17P453 Fig.18-4 P453 Fig.18-4 18灰度级门限化 半门限：或者：灰度级门限化 半门限：或者：19灰度级门限化 门限化处理边界提取，中间灰度级（或灰度级突变处）则是在物体和背景之间的边界 上出现的。把中间灰度级变换为1，其他灰度级变换为0：灰度级门限化 门限化处理边界提取，中间灰度级（或灰度20灰度级门限化(二)门限选择（1）两峰间谷底值；（2）计算T：p1(x)，p2(x)为两峰出现概率密度函数，且成正态分布，1，2为均值，1，2为标准差，当1=2=时 灰度级门限化(二)门限选择 21灰度级门限化 P1，P2背景和物体出现的先验概率。（3）物体和背景的灰度级出现部分重叠。选双门限 对 T2f(x,y)T1，可利用空间信息来确定g(x,y)。可用这个点的邻域内已作出结论的点的多数来确定该点的归属，或根灰度级门限化 P1，P2背景和物体出现的先验概率22灰度级门限化 据这点与邻点间的灰度级距离大小来确定该点的归属。(三)多个门限的使用 假设一幅图象包含两个以上的不同类型的区域，我们可以使用几个门限来分割图象。如白血球图象，直方图上有细胞核、细胞质、背景三个峰，可使用2个门限来分割图象。灰度级门限化 据这点与邻点间的灰度级距离大小来确定该点的归属23灰度级门限化 稀疏点背景，稠密点区域灰度级门限化 稀疏点背景，稠密点区域24灰度级门限化(四)平滑和门限化 在门限化以前先对图象进行平滑处理，这样就可减少灰度级密度分布重叠的麻烦。通过局部平均使直方图上的峰值锐化，谷值变明显。极端例子：稀疏点背景、稠密点区域的分割。灰度级门限化(四)平滑和门限化25实 例实 例26灰度级门限化 第一条从灰度级101到灰度级200；第二条从灰度级51到灰度级150灰度级门限化 第一条从灰度级101到灰度级200；27灰度级门限化 门限76，从图开始到第二条灰度渐变带灰度级变为76为止灰度级门限化 门限76，从图开始到第二条灰度28灰度级门限化 门限175，用白线将图中灰度大于175的区域包围起来灰度级门限化 门限175，用白线将图中灰度大于29灰度级门限化 第一条灰度为101；第二条灰度为51灰度级门限化 第一条灰度为101；30灰度级门限化(五)可变门限 不均匀照射,物体背景对比明显,但使用一门限不行。解决方法：(1)灰度级校正。(2)图象分成小块,选择局部门限。灰度级门限化(五)可变门限31中心区域由黑白相间的噪声,背景则均匀,中心区域与背景的灰度级平均值一样。中心区域由黑白相间的噪声,背景则均匀,32使用空间特性进行象素分类 局部特性值门限化 例:中心区域由黑白相间的噪声,背景相均匀,中心区域与背景的灰度级平均值一样。不能用局部平均进行平滑而后经门限化实现分割。应 （1）每一点上计算局部特性值梯度值。（2）然后通过局部平均进行平滑（3）进行门限化分类。使用空间特性进行象素分类 局部特性值门限化33局部特性值门限化 用这种方法分割具有纹理结构特性的区域是很有效的。多个局部特性值：灰度级 局部平均灰度级 梯度值 局部平均梯度值 局部方差值局部特性值门限化 用这种方法分割具有纹理结构特性的区域34边缘检测 边缘可定义为在局部区域内图象的差别，他表现为图象上的不连续性。(灰度级的突变，纹理结构的突变，颜色的变化)灰度级突变：阶跃边缘 脉冲状边缘 阶跃脉冲状边缘边缘检测 边缘可定义为在局部区域内图象的差别，他表现35实 例实 例36人可以仅满足于边缘提供的信息人可以仅满足于边缘提供的信息37边缘边缘38边缘与区域F FL LA AS SH H边缘与区域FLASH39跳动的心是怎样生成的？点点击击图图片片播播放放视视频频跳动的心是怎样生成的？点击图片40生物医学图像处理图象分割一-课件41生物医学图像处理图象分割一-课件42放射科放疗适形放疗：铅模作准直器先确定病灶边界放射科放疗43适形放疗：先确定病灶边界Tumor适形放疗：Tumor44适形放疗：制铅模，作准直器Lead适形放疗：Lead45适形放疗：MLC:multi-leaf collimatorLead适形放疗：Lead46边缘检测 阶跃边缘边缘检测 阶跃边缘47实 例实 例48生物医学图像处理图象分割一-课件49边缘检测 脉冲状边缘：线条、曲线、点。边缘检测 脉冲状边缘：线条、曲线、点。50实 例实 例51生物医学图像处理图象分割一-课件52生物医学图像处理图象分割一-课件53生物医学图像处理图象分割一-课件54边缘检测 阶跃脉冲状边缘：田里长有各种作物的田间小道。边缘检测 阶跃脉冲状边缘：田里长有各种作物的田间小道。55实 例实 例56生物医学图像处理图象分割一-课件57差分算子（一）梯度：差分算子（一）梯度：58差分算子（1）（2）（3）差分算子（1）（2）（3）59生物医学图像处理图象分割一-课件60差分算子（二）拉普拉斯算子：掩模：P463Fig.18-12 差分算子（二）拉普拉斯算子：掩模：P46361差分算子 在计算的时候若需要保持灰度范围不变，应除以4。例：用拉氏算子经计算得 周边灰度为零差分算子 在计算的时候若需要保持灰度范围不变，应除以462实 例实 例63生物医学图像处理图象分割一-课件64生物医学图像处理图象分割一-课件65生物医学图像处理图象分割一-课件66生物医学图像处理图象分割一-课件67生物医学图像处理图象分割一-课件68生物医学图像处理图象分割一-课件69生物医学图像处理图象分割一-课件70生物医学图像处理图象分割一-课件71差分算子 数字Laplacian算子虽对边缘有响应，但对拐角、线条、线端点和孤立点响应更强。（三）平均值差分 解决导数算子对噪声很敏感的问题，先平滑，再进行差分。差分算子 数字Laplacian算子虽对边缘有响应，但72差分算子差分算子73差分算子掩模差分算子掩模74实 例实 例75生物医学图像处理图象分割一-课件76生物医学图像处理图象分割一-课件77生物医学图像处理图象分割一-课件78生物医学图像处理图象分割一-课件79差分算子例边缘变模糊，用抑制非最大值锐化边缘。差分算子例边缘变模糊，80差分算子掩模差分算子掩模81实 例实 例82生物医学图像处理图象分割一-课件83生物医学图像处理图象分割一-课件84差分算子Priwitt 算子差分算子Priwitt 算子85实 例实 例86生物医学图像处理图象分割一-课件87生物医学图像处理图象分割一-课件88生物医学图像处理图象分割一-课件89生物医学图像处理图象分割一-课件90差分算子Sobel算子加权平均。对靠近中心（x,y）的点权值为对角线方向邻点的权值的2倍。差分算子Sobel算子加权平均。91实 例实 例92生物医学图像处理图象分割一-课件93生物医学图像处理图象分割一-课件94生物医学图像处理图象分割一-课件95生物医学图像处理图象分割一-课件96生物医学图像处理图象分割一-课件97（一）模板匹配的概念 在恒定亮度背景下,有一亮点,当模板中心正好处于图像上的亮点位置时,计算值最大(达到完全匹配),从而实现了对该亮点的检测。实现匹配的几种模板:（1）点模板 模板匹配（一）模板匹配的概念模板匹配 98模板匹配 模板匹配 99F FL LA AS SH H线段检测的重要性鼠标指向图像，按右键，选“播放”FLASH线段检测的重要性鼠标指向图像，按右键，选“播放”100（2）线模板 模板匹配（2）线模板 模板匹配 101实 例实 例102生物医学图像处理图象分割一-课件103生物医学图像处理图象分割一-课件104生物医学图像处理图象分割一-课件105生物医学图像处理图象分割一-课件106生物医学图像处理图象分割一-课件107生物医学图像处理图象分割一-课件108生物医学图像处理图象分割一-课件109生物医学图像处理图象分割一-课件110生物医学图像处理图象分割一-课件111（3）方向模板 模板匹配 东西南北（3）方向模板 模板匹配 东西南北112（3）方向模板 模板匹配（3）方向模板 模板匹配 113实 例实 例114生物医学图像处理图象分割一-课件115生物医学图像处理图象分割一-课件116生物医学图像处理图象分割一-课件117生物医学图像处理图象分割一-课件118生物医学图像处理图象分割一-课件119生物医学图像处理图象分割一-课件120生物医学图像处理图象分割一-课件121生物医学图像处理图象分割一-课件122生物医学图像处理图象分割一-课件123生物医学图像处理图象分割一-课件124生物医学图像处理图象分割一-课件125生物医学图像处理图象分割一-课件126生物医学图像处理图象分割一-课件127生物医学图像处理图象分割一-课件128生物医学图像处理图象分割一-课件129生物医学图像处理图象分割一-课件130（二）用相关方法进行匹配 图像存在噪声时,评价匹配程度:A:区域，f:模板，g:图像。每次位移(u,v)，计算下式模板匹配 当上式取得最大值时，即达到良好的匹配。（二）用相关方法进行匹配模板匹配 当上式取得最大值时131谁先匹配准，奖励20万模板匹配 通缉令谁先匹配准，奖励20万模板匹配 通缉令132彩色图像彩色图像133生物医学图像处理图象分割一-课件134生物医学图像处理图象分割一-课件135纹理纹理136纹理纹理137纹理纹理138纹理纹理139纹理纹理140纹理纹理141纹理纹理142纹理纹理143形似？神似？形似？144彩色检测：先对fr(x,y),fg(x,y),fb(x,y)分量进行梯度运算，求其平方和的平方根，得到彩色图像的边缘。纹理检测：纹理的平均灰度级一般不同，利用平均值差分检测边缘或先求梯度再求平均值差分。彩色与纹理检测 彩色检测：彩色与纹理检测 145并行法：对图象上每一点所作的处理不依赖于其他点上经过处理已经得到的结果。序贯法：需用前面已经处理的结果，跟踪计算不需要在每一点上进行，只需在已检测的点到正在跟踪的延伸点上作计算。序贯分割 并行法：序贯分割 146边缘和曲线的跟踪 光栅跟踪 扫描 全向跟踪 向四个或者八个方向扫描序贯分割 边缘和曲线的跟踪序贯分割 147生物医学图像处理图象分割一-课件148 从满足检测准则的点开始(或者已知点)在各个方向上生长出区域。例如：每一步所接受的邻近点的灰度级与先前物体的平均灰度级相差小于2。起始区域生长-分割区域 从满足检测准则的点开始(或者已知点)在各个方向上生长149 从满足检测准则的点开始(或者已知点)在各个方向上生长出区域。例如：每一步所接受的邻近点的灰度级与先前物体的平均灰度级相差小于2。第二步区域生长-分割区域 从满足检测准则的点开始(或者已知点)在各个方向上生长150 从满足检测准则的点开始(或者已知点)在各个方向上生长出区域。例如：每一步所接受的邻近点的灰度级与先前物体的平均灰度级相差小于2。第三步区域生长-分割区域 从满足检测准则的点开始(或者已知点)在各个方向上生长151生物医学图像处理图象分割一-课件152TermsImage segmentation:图象分割Object:物体Background:背景Classification:分类Clustering:聚类Template,Mask:模板Convolution kernel:卷积核Operator:算子TermsImage segmentation:图象分割153