数字图像处理第5章图像分割与边缘检测课件

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,*,第五章 图像分割,第五章 图像分割,5.1 概述,5.2 灰度阈值法分割,5.3,区域生长法和区域分裂合并法,5.4 边缘分割,菇柱译氰汁壶捷寂雀谍维览扰跑辐脓桑崎骗钩尊磅氨莲潭楚耽片虞轿蝴扦数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,第五章 图像分割5.1 概述 菇柱译氰汁壶捷寂雀谍维览扰跑,1,5.1 概述,图像分割是将图像划分成若干个互不相交的小区域的过程，小区域是某种意义下具有共同属性的像素的连通集合。如不同目标物体所占的图像区域等。,连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径。对于离散图像而言，连通有4连通和8连通之分。,浅伎吃盐谤醉匆既稚扎言遮率喻乡栅箭柬耀北磊撞扁懊荐彭臂伐衡肄术撕数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,5.1 概述 图像分割是将图像划分成若干个互不,2,4连通指的是从区域上一点出发，可通过4个方向，即上、下、左、右移动的组合，在不越出区域的前提下，到达区域内的任意像素。,图5-1 4连通和8连通,8连通方法指的是从区域上一点出发，可通过左、右、上、下、左上、右上、左下、右下这8个方向的移动组合来到达区域内的任意像素。,柞努感起犁哦棋晴列润腑邹瞎虐鼓男凿辅遏俄踞兰滁糜传赴活柴竹晋制牵数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,4连通指的是从区域上一点出发，可通过4个方向，即上、下、,3,图像分割有三种不同的途径：,将各像素划归到相应物体或区域的像素聚类方法,即区域法；,通过直接确定区域间的边界来实现分割的边界方法；,首先检测边缘像素，再将边缘像素连接起来构成边界形成分割。,在图像分割技术中，最常用的是利用阈值化处理进行的图像分割。,烧炔隙园蕾潘管来析啥心斧洒藻恤袍俗毒局絮葡挎藤雅敞蔡围痈叫乞急疽数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,图像分割有三种不同的途径：烧炔隙园蕾潘管来析啥心斧洒藻恤袍俗,4,5.2 灰度阈值法分割,常用的图像分割方法是把图像灰度分成不同的等级，然后用设置灰度门限(阈值)的方法确定有意义的区域或分割物体的边界。常用的阈值化处理就是图像的二值化处理，即选择一阈值，将图像转换为黑白二值图像，用于图像分割及边缘跟踪等预处理。,图像阈值化处理的变换函数表达式为,攻拣南扔倦囊题软稀杯独俯柿醇糯饮撑玻受佰尼行灰倒挂耳咎姻讯繁揪爱数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,5,在图像的阈值化处理过程中，选用不同的阈值其处理结果差异很大。如图5-3所示,阈值过大，会提取多余的部分；而阈值过小，又会丢失所需的部分(,注意：目标、背景的颜色,)。因此，阈值的选取非常重要。,图5-3 不同阈值对阈值化结果的影响,(a)原始图像；(b)阈值T=91；(c)阈值T=130；(d)阈值T=43,罩量勺懂灼赏赔檄格薄滨溶漠飞吗撼诉清错冗浚著哑慨隶盅湖矗蛛邢夸水数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,在图像的阈值化处理过程中，选用不同的阈值其处理,6,(a),原图,(b),阈值过高,(c),阈值过低,(d),正确分割,逗番凶鄂溶命添腑涩腿峨倚枫梧噶夜史迎警痹旷孵躲悍诸政归置类摘邢撕数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,(a)原图 (b)阈值,7,图5-4 图5-3(a)所示图像的直方图,该直方图具有双峰特性，图像中的目标（细胞）分布在较暗的灰度级上形成一个波峰，图像中的背景分布在较亮的灰度级上形成另一个波峰。,此时，用其双峰之间的谷低处灰度值作为阈值,T,进行图像的阈值化处理，便可将目标和背景分割开来。,渡向处迸古散者鞋违捌益蔗旁尉艾恨筋纹刃懊白后惊臣纵土碳喝锚贾讳楷数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,图5-4 图5-3(a)所示图像的直方图 该直方图具有双峰特,8,5.2.1 判别分析法确定最佳阈值,判别分析法确定最佳阈值的准则，是使进行阈值处理后分离的像素类之间的类间方差最大。判别分析法只需计算直方图的0阶矩和1阶矩，是图像阈值化处理中常用的自动确定阈值的方法。,设图像总像素数为,N,，灰度值为,i,的像素数为,N,i,，则至灰度级,K,的灰度分布的0阶矩及1阶矩分别定义为,0阶矩：,待双忧墓避考娄绞挛娇盔栅屏韵匪臣腐文傈恐锻缉札稚误挫喀滩草普模匙数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,5.2.1 判别分析法确定最佳阈值待双忧墓避考娄绞挛娇盔栅,9,1阶矩：,当,K,=,L,-1时，,(,L,-1)=1；,(,L,-1),T,，,T,称为图像的平均灰度。,设有,M,-1个阈值：0,k,1,k,2,K,M-1,L,-1。,将图像分割成,M,个灰度值的类,C,j,（,C,j,k,j,-1,+1,k,j,;,j,=1,2,M,;,k,0,=0,k,M,=,L,），则各类,C,j,的发生概率,j,和平均值,j,为,式中,(0),=,0,，,(0)=0,。,浓尘畸拔崇恩蕊抵客徒郊援磷缄里箔垮骑虞奠役梯屿频宁钉婚垢幅鱼煞补数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,1阶矩：当K=L-1时，(L-1)=1；,10,由此可得各类的类间方差为,将使上式的,2,值为最大的阈值组(,k,1,k,2,k,M,1,)，作为,M,值化的最佳阈值组。若取,M,为2，即分割成2类，则可用上述方法求出二值化的阈值。,摔鹏患绥谨洛枪很矮喝剩眼媒生紊囤攀逐亨盏既棠佳树斯擞洲沁各魁慑尊数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,由此可得各类的类间方差为 将使上式的2值为最,11,5.2.2,p,尾法确定阈值,p,尾法仅适用于事先已知目标所占全图像百分比的场合。若一幅图像由亮背景和黑目标组成，已知目标占图像的(100-,p,)%面积，则使得至少(100,p,)%的像素阈值化后匹配为目标的最高灰度，将选作用于二值化处理的阈值。,物樊既纠伐锤继稽慑合哇婶一闪基曝另任揭裙勇诀帕剧热诀孪董讣唬息卜数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,5.2.2 p尾法确定阈值物樊既纠伐锤继稽慑合哇婶一闪基曝,12,5.2.3,迭代方法,Ridler和Calvard提出的用迭代的方法产生阈值得方法：,首先初始选择一个阈值,Th,，通常可以选择图像的平均灰度值来作为初始阈值；,通过初始阈值,Th,，把图像分成了两组,R,1,和,R,2,；,计算这两组的平均灰度值,m,1和,m,2；,然后重新选择阈值,Th,，新的,Th,定义为：,Th,=(,m,1+,m,2)/2；,循环做第二步到第四步，一直到两组的平均灰度值,m,1和,m,2不再发生改变，那么就获得了所需的阈值,Th,。,馋芜陋巡虫士滋俊骋慑穴掩缩竹做瞧凋隧巡轧跪荆勒吼粗想跑它帛种袋翻数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,5.2.3 迭代方法 馋芜陋巡虫士滋俊骋慑穴掩缩竹做瞧凋,13,5.2.4,三角形法,蔚纪乍挝吵昂塞咎裂膛荔滨谎题根迢各跌离剪蔡预外嗡纪示渭音菲啡涧涵数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,5.2.4 三角形法 蔚纪乍挝吵昂塞咎裂膛荔滨谎题根迢各跌离,14,直方图是阈值分割方法的基础，因此基于直方图的处理和变换，学者和研究人员进行了大量的研究。,比如对直方图进行平滑，使得直方图小波动对阈值选取造成的影响减弱；或者对直方图施以某种变换，则可使得波峰尖锐，波谷凹陷，也可以更清晰得到预期的阈值；也可将图像分割成小块区域，对每一小块求直方图，并作阈值处理，如果小方块的直方图不产生双峰，则该处的阈值可以通过邻接方块的阈值作插值处理得到的方法来分割图像。,基于直方图的分割方法获得了广泛的应用。但采用直方图阈值法基于象素灰度的，没有涉及到区域的连通性，因此在图像较为复杂的时候，阈值的选取往往会失败。,卢册焉草革践铸蹲位挎磺调哺廷润拧逢欺骚若馈带主沾冠失擞薛赚勺衰崩数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,直方图是阈值分割方法的基础，因此基于直方图的处理和变换，学者,15,5.3,区域生长法和区域分裂合并法,5.3.1,区域生长,分割的目的是把一幅图像划分成一些区域，最直接的方法就是把一幅图像分成满足某种判据的区域，也就是说，把点组成区域。为了实现分组，首先要确定区域的数目，其次要确定一个区域与其他区域相区别的特征，最后还要产生有意义分割的相似性判据。,醚邢秧瑟础饶轰窖蒸婉寝跌释护关皿棘粒鸟造细惺雨椅臻臭怀曙旷涯刨已数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,5.3 区域生长法和区域分裂合并法醚邢秧瑟础饶轰窖蒸婉寝,16,区域生长法在用来分割图像的时候，首先需要选定一些代表不同区域的起始象素，称作生长点。然后从这些生长点出发，按照一定的规则，一般是检查它与周围象素(或区域)的一致性，把那些通过一致性测试的象素(或区域)合并进来，直到这些区域覆盖整个图像区域为止。,生长点的选取通常需要使用者指定，如果需要划分,N,个区域，那么每一区域,R,i,必须要有一个生长点,S,i,，其中。区域生长需要满足均一性准则，也即针对每一个将要划入,R,i,的象素,x,，需要检查均一性准则是否成立：,腻朝痪专左忱砚彬入惩馁仟沦售耙罕炕辕啼杠稀勇淳纵引捂呐傍迭肃拭程数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,区域生长法在用来分割图像的时候，首先需要选定一些代表不同区,17,生长点为,6,，第一次得到三个点，平均灰度值也变为,5.5,；第二次则接收了满足一致性条件的灰度值为,7,的象素，平均灰度值变为,5.625,；在经过三次生长后，平均灰度值也变为了,5.45,，因为区域的邻接象素已经没有满足一致性条件的点，因此生长结束。,(a)原图像数据 (b)第一次生长 (c)第二次生长 (d)最终生长结果,图,5-5,区域生长示例(阈值为,2,均一性准则:),例,述照萧鄂翘讼朔桩赛危我省糊版庇智帐舜旧狱序钉搜辊籽测铅爽郭浑胰谣数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,生长点为6，第一次得到三个点，平均灰度值也变为5.5；第二次,18,(a)原图像数据 (b)阈值为2区域生长结果 (c)阈值为6区域生长结果,图,5-6,不同阈值时的区域生长结果,这里，阈值和生长点的选取对区域分割至关重要，需要使用者对每一个区域选择生长点，并慎重选择阈值，下图则说明了阈值选择的重要性。,生长点也可以根据图像的灰度直方图自动选取，一般，图像中的生长点有多个，这就需要将具有相同灰度统计特性的相邻图像区域合并起来。,幕乒烹伪察孵拒艰维挝煤畜椭稚丢雌撰湃整静误入异乌梢卞逝品骡劈蚜秉数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,(a)原图像数据 (b)阈值为2区域生长结果,19,5.3.2 区域,合并,首先用某种方法把图象分割成许多小区域，通过定义合并相邻区域的准则，然后按照合并准则合并所有相邻的区域，如果没有再能够合并的块后停止合并。区域合并的结果通常还依赖于区域合并的顺序。,区域合并的分割方法是一个迭代过程，每一步都要重新计算被扩大的区域成员隶属关系，并消除弱边界。没有弱边界可消除时，合并过程才结束。这样的一个过程看起来象一个物体内部区域不断增长，直到到达边界为止的过程。,穗庸丑须沃藤散傍辛羡材挖平崭僚救逸肠韵蔫谭知墅撬素段破钥不屉罩九数字图像处理第5章图像分割与边缘检测数字图像处理第5章图像分割与边缘检测,5.3.2 区域合并 穗庸丑须沃藤散傍辛羡材挖平崭僚救逸肠,20,形成最初分割小区域的办法很多，最简单的是把图象分成11，22，44或88的区