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,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,:,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,微分算子边缘检测,灰度梯度,二值分割图像,:,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,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,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,拉普拉斯算子,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）,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,.,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,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,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,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。,分水岭算法图片示例,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,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,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,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,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,Thank you!,陈烨,05.12.7,