图像分割的定义

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,图像分割的定义,所谓图像分割是指将图像中具有特殊涵义的不同区域区分开来，这些区域是互相不交叉的，每一个区域都满足特定区域的一致性。,常见的分割技术,:,阈值分割技术,微分算子边缘检测,区域增长技术,聚类分割技术,1,阈值分割技术,全局阈值技术,令位于(x , y)点的象素灰度为f( x, y),选择灰度阈值为,则分割的二值图像为:,2,大津阈值技术,方法:自动寻找阈值,对图像进行分割,步骤:,假设图像的灰度为1-m级,灰度值为i的象素数为,各灰度值的概率:,用k将其分两组,的产生概率:,的产生概率:,的均值: 的均值:,阈值,3,微分算子边缘检测,灰度梯度,二值分割图像:,4,Roberts 交叉算子,Sobel模板,m=n=1,称作Sobel模板,-1,0,1,-2,0,2,-1,0,1,微分算子边缘检测,5,Kirsch算子,其中,Laplace算子,边缘点:,注:,Laplace算子对噪声敏感,很少用边缘检测,Marr算子对图像先进行平滑处理,再运用Laplace算子,6,拉普拉斯算子,拉普拉斯算子与平滑过程一起利用零交,叉找到边缘,上式称为高斯型的拉普拉斯算子LoG,7,拉普拉斯算子,8,拉普拉斯算子,比较,（对比二阶拉普拉斯算子和一阶,Sobel梯度算子）,9,Canny算子,对边缘检测质量进行分析,提出三准则,(1)信躁比准则,(2)定位精度准则,(3)单边准则,Hough变换,在预先知道区域形状的条件下,可以方便地得到边界曲线而将不连续的边缘象素点连接起来.,优点:受噪声和曲线间断的影响较小.,10,区域增长技术,目标:求图像中相似的象素的最大连通集合,类别:单一型链结,混合型链结和质心型链结,单一型链结的区域增长,选择的p1,p2等性质只于单一象素(i,j)有关,而与其他象素无关,对噪声的影响反映较大,11,混合型链结的区域增长,假如我们在选择Pm (i ,j)的时候不仅考虑象素(i,j),还综和其周围邻域的信息,这种方式称为混合型链结的区域增长.,平均灰度值:,方差:,统计量服从自由度为 的F分布,如果F大于某个显著水平,我们就说( i, j),( k ,l)存在边缘,12,登山算法:,条件:待分割的边缘是围绕 在一个局部灰度极大值的已知象素,周围的闭合轮廓线.对一个象素,斜率值 定义为,步骤,:(1)从局部最大值象素从里向外搜索目标边缘点.遇到最大斜率值处的点被认为到了边缘点.,(2)以这些边缘点为种子点在一定的约束条件下进行区域增长.空间约束是朝向局部最大象素值,从外向里,灰度约束是朝向局部最大象素值方向单调增加,13,分水岭方法(watershed）,(1)它将梯度幅值图像看成一幅地形图，而梯度幅值对应海拔高度，图像中不同梯度值的区域就对应于山峰和山谷间盆地。,􀂃 (2)设想在各个局部极小值点的位置打一个洞，然后将地形图逐渐浸入一个湖中，全局极小值点的盆地先水。,􀂃 (3)水位逐渐升高漫过盆地，当相邻,两个盆地的水即将合并时，这时在两,个盆地间建坝拦截。,􀂃 (4)此过程将图像划分为许多个山谷,盆地，分水岭就是分隔这些盆地的堤坝。,14,分水岭算法图片示例,15,适用:在模式类别数不清楚时,用聚类分析比较好,可以用相识性和距离量度作为聚类分析准则,原则:,第1步:用适当的相识性准则对图像进行分类,第2步:对第一步分类结果测试,对各簇(子集)进行合并,第3步:反复对生成的结果再分类,测试和合并,知道没有新的簇(或子集)进行合并,注:相识性准则可取:点积,加权欧式距离等,聚类分割技术,16,形态运算,膨胀:,腐蚀:,腐蚀意义:除去图像中小且无意义的点,基本的形态操作是腐蚀,膨胀,开启,闭合,17,开运算与闭运算,开运算:先腐蚀后膨胀,作用:消除图像中细小物体,在纤细处分离物体,闭运算:先膨胀后腐蚀,作用:填充图像内部细小孔,连接邻近物体,18,边界跟踪,方法:从灰度图像中的一个边缘出发,依次搜索并连接相邻边缘点,从而逐步检测出边界,步骤:,1确定搜索的起始点,2采取合适的数据结构和搜索机理,确定新边界,3确定搜索综结准则或停止条件,方法:8邻域搜索法,跟踪虫搜索法,19,边界分段拟合,采用数据点拟合的方法直接将边缘点连接成边界段,方法:,(1)迭代端点拟合,(2)最小均方误差曲线拟合,给出一组边缘点,寻找一个满足最小均方差的函数,20,Thank you!,陈烨 05.12.7,21,