網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí)圖像分割課件

1、網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割1 第第4 4章章 圖像分割圖像分割 多媒體信息處理 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割2 主要內(nèi)容 n圖像分割圖像分割 圖像分割引言圖像分割引言 間斷檢測(cè)間斷檢測(cè) 邊緣連接和邊界檢測(cè)邊緣連接和邊界檢測(cè) 門限處理門限處理 基于區(qū)域的分割基于區(qū)域的分割 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割3 圖像分割引言 n計(jì)算機(jī)處理圖像的兩個(gè)目的計(jì)算機(jī)處理圖像的兩個(gè)目的 產(chǎn)生更適合人觀察和識(shí)別的圖像產(chǎn)生更適合人觀察和識(shí)別的圖像 由計(jì)算機(jī)自動(dòng)識(shí)別和理解圖像由計(jì)算機(jī)自動(dòng)識(shí)別和理解圖像 n圖像分割是圖像識(shí)別和圖像理解的基礎(chǔ)圖像分割是圖像識(shí)別和圖像理解的基礎(chǔ) 圖像預(yù)處理 圖像識(shí)別

2、圖像理解 圖像分割 圖像 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割4 圖像分析系統(tǒng)的基本構(gòu)成如下圖圖像分析系統(tǒng)的基本構(gòu)成如下圖： 知識(shí)庫知識(shí)庫 表示與描述表示與描述 預(yù)處理預(yù)處理 分割分割 低級(jí)處理低級(jí)處理高級(jí)處理高級(jí)處理 中級(jí)處理中級(jí)處理 識(shí)別識(shí)別 與與 解釋解釋 結(jié)果結(jié)果 圖像獲取圖像獲取 問題問題 在該系統(tǒng)中，圖像的增強(qiáng)和恢復(fù)可以看作預(yù)處理，其輸入、輸出均是圖在該系統(tǒng)中，圖像的增強(qiáng)和恢復(fù)可以看作預(yù)處理，其輸入、輸出均是圖 像，它是傳統(tǒng)的圖像處理的內(nèi)容。而圖像分割、特征提取及結(jié)構(gòu)分析等像，它是傳統(tǒng)的圖像處理的內(nèi)容。而圖像分割、特征提取及結(jié)構(gòu)分析等 稱為圖像識(shí)別，其輸入是圖像，輸出是描述或解釋。

3、稱為圖像識(shí)別，其輸入是圖像，輸出是描述或解釋。 圖像分割引言 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割5 圖像分割引言 n圖像分割的定義圖像分割的定義 圖像分割是把圖像分割成圖像分割是把圖像分割成互不交疊互不交疊的的有意義區(qū)域有意義區(qū)域， 以便進(jìn)一步的分析，分開的區(qū)域一般是圖像中我以便進(jìn)一步的分析，分開的區(qū)域一般是圖像中我 們感興趣的目標(biāo)們感興趣的目標(biāo) n圖像分割是基于目標(biāo)或區(qū)域的特征進(jìn)行的圖像分割是基于目標(biāo)或區(qū)域的特征進(jìn)行的 每個(gè)目標(biāo)或區(qū)域由于某些特征的不同與其它區(qū)域每個(gè)目標(biāo)或區(qū)域由于某些特征的不同與其它區(qū)域 區(qū)別開來，邊緣、紋理、形狀、顏色等都是重要區(qū)別開來，邊緣、紋理、形狀、顏色等都是重要

4、的特征的特征 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割6 圖像分割引言 n圖像分割算法一般是基于亮度值的不連續(xù)性圖像分割算法一般是基于亮度值的不連續(xù)性 和相似性和相似性 不連續(xù)性是基于亮度的不連續(xù)變化分割圖像，稱不連續(xù)性是基于亮度的不連續(xù)變化分割圖像，稱 為基于邊界的技術(shù)，如邊緣檢測(cè)為基于邊界的技術(shù)，如邊緣檢測(cè) 相似性是指根據(jù)不同的準(zhǔn)則將圖像分割成相似的相似性是指根據(jù)不同的準(zhǔn)則將圖像分割成相似的 區(qū)域，稱為基于區(qū)域的技術(shù)，如閾值分割、區(qū)域區(qū)域，稱為基于區(qū)域的技術(shù)，如閾值分割、區(qū)域 生長(zhǎng)、區(qū)域分裂和合并生長(zhǎng)、區(qū)域分裂和合并 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割7 圖像分割的目的圖像分割的目的 把圖像

5、分解成構(gòu)成它的部件和對(duì)象；把圖像分解成構(gòu)成它的部件和對(duì)象； 有選擇性地定位感興趣對(duì)象在圖像中的位置有選擇性地定位感興趣對(duì)象在圖像中的位置 和范圍。和范圍。 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割8 從簡(jiǎn)到難，逐級(jí)分割從簡(jiǎn)到難，逐級(jí)分割 控制背景環(huán)境，降低分割難度控制背景環(huán)境，降低分割難度 注意力集中在感興趣的對(duì)象，縮小不相干圖像注意力集中在感興趣的對(duì)象，縮小不相干圖像 成分的干擾。成分的干擾。 圖像分割的基本思路圖像分割的基本思路 提取輪廓提取輪廓 車牌定位車牌定位 車牌識(shí)別車牌識(shí)別 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割9 圖像分割的基本策略：圖像分割的基本策略： n 把像素按灰度劃分到各個(gè)物體

6、對(duì)應(yīng)的把像素按灰度劃分到各個(gè)物體對(duì)應(yīng)的 區(qū)域中去；區(qū)域中去； n 確定存在于區(qū)域間的邊界；確定存在于區(qū)域間的邊界； n 先確定邊緣像素點(diǎn)，然后將它們連接起來先確定邊緣像素點(diǎn)，然后將它們連接起來 構(gòu)成所需的邊界；構(gòu)成所需的邊界； 區(qū)域：像素的連通集區(qū)域：像素的連通集 連通準(zhǔn)則：連通準(zhǔn)則： 4-4-連通連通 8-8-連通連通 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割10 4.4.圖像分割的方法圖像分割的方法 1) 1) 基于邊緣的分割方法基于邊緣的分割方法: :先提取區(qū)域邊界，再確定邊界限定的區(qū)域先提取區(qū)域邊界，再確定邊界限定的區(qū)域 。 2) 2) 區(qū)域分割區(qū)域分割: :確定每個(gè)像素的歸屬區(qū)域，從而形

7、成一個(gè)區(qū)域圖。確定每個(gè)像素的歸屬區(qū)域，從而形成一個(gè)區(qū)域圖。 3) 3) 區(qū)域生長(zhǎng)區(qū)域生長(zhǎng): :將屬性接近的連通像素聚集成區(qū)域。將屬性接近的連通像素聚集成區(qū)域。 4) 4) 分裂合并分割分裂合并分割: :綜合利用前兩種方法，既存在圖像的劃分，又綜合利用前兩種方法，既存在圖像的劃分，又 有圖像的合并。有圖像的合并。 分割對(duì)象分割對(duì)象 分割對(duì)象分割對(duì)象 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割11 圖像分割引言 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割12 間斷檢測(cè) n間斷檢測(cè)是間斷檢測(cè)是基于圖像像素灰度值的不連續(xù)性基于圖像像素灰度值的不連續(xù)性進(jìn)行進(jìn)行 圖像分割圖像分割 點(diǎn)檢測(cè)點(diǎn)檢測(cè) 線檢測(cè)線檢測(cè) 邊界檢測(cè)

8、邊界檢測(cè) n尋找間斷最一般的方法是模板檢測(cè)尋找間斷最一般的方法是模板檢測(cè) 1 12299 9 1 ii i Rw zw zw z w z 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割13 間斷檢測(cè) n點(diǎn)檢測(cè)點(diǎn)檢測(cè) 使用空域的高通濾波器來檢測(cè)孤立點(diǎn)，如果使用空域的高通濾波器來檢測(cè)孤立點(diǎn)，如果 ，則認(rèn)則認(rèn) 為在模板中心的位置檢測(cè)到一個(gè)點(diǎn)，為在模板中心的位置檢測(cè)到一個(gè)點(diǎn)，T是非負(fù)門限是非負(fù)門限 孤立點(diǎn)：該點(diǎn)的灰度級(jí)與其背景的差異相當(dāng)大，并且它孤立點(diǎn)：該點(diǎn)的灰度級(jí)與其背景的差異相當(dāng)大，并且它 所在的位置是一個(gè)均勻的或者近似均勻的區(qū)域所在的位置是一個(gè)均勻的或者近似均勻的區(qū)域 基本思想：如果一個(gè)孤立點(diǎn)與它周圍的點(diǎn)

9、很不相同，則基本思想：如果一個(gè)孤立點(diǎn)與它周圍的點(diǎn)很不相同，則 很容易被上述模板檢測(cè)到。在灰度級(jí)為常數(shù)的區(qū)域，模很容易被上述模板檢測(cè)到。在灰度級(jí)為常數(shù)的區(qū)域，模 板響應(yīng)板響應(yīng)R R為為0 0 RT 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割14 間斷檢測(cè) n點(diǎn)檢測(cè)點(diǎn)檢測(cè) R=(-1R=(-1* *1010* *8+88+8* *100)/9=720/9=80100)/9=720/9=80 可以設(shè)置閾值可以設(shè)置閾值T = 50T = 50 若若R=0R=0，則說明檢測(cè)點(diǎn)與周圍點(diǎn)像素值相同，則說明檢測(cè)點(diǎn)與周圍點(diǎn)像素值相同 若若R TR T，則說，則說 明檢測(cè)點(diǎn)與周明檢測(cè)點(diǎn)與周 圍點(diǎn)像素值非圍點(diǎn)像素值非 常

10、的不同，為常的不同，為 孤立點(diǎn)孤立點(diǎn) 101010101010 10101001001010 101010101010 圖像圖像 -1-1-1-1-1-1 -1-18 8-1-1 -1-1-1-1-1-1 模板 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割15 間斷檢測(cè) 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割16 間斷檢測(cè) n線檢測(cè)線檢測(cè) 第一個(gè)模板對(duì)水平方向的線條（單像素寬）有更強(qiáng)的響應(yīng)第一個(gè)模板對(duì)水平方向的線條（單像素寬）有更強(qiáng)的響應(yīng) 第二個(gè)模板對(duì)于第二個(gè)模板對(duì)于4545度方向線有最佳響應(yīng)度方向線有最佳響應(yīng) 第三個(gè)模板對(duì)垂直線有最佳響應(yīng)第三個(gè)模板對(duì)垂直線有最佳響應(yīng) 第四個(gè)模板對(duì)于第四個(gè)模板對(duì)于-45

11、-45度線有最佳響應(yīng)度線有最佳響應(yīng) 每個(gè)模板系數(shù)相加總和為每個(gè)模板系數(shù)相加總和為0 0，保證了在灰度級(jí)恒定的區(qū)域，保證了在灰度級(jí)恒定的區(qū)域， 模板響應(yīng)為模板響應(yīng)為0 0 -1-1-1-1-1-1 2 22 22 2 -1-1-1-1-1-1 水平模板水平模板 -1-1-1-12 2 -1-12 2-1-1 2 2-1-1-1-1 4545度模板度模板 -1-12 2-1-1 -1-12 2-1-1 -1-12 2-1-1 垂直模板垂直模板 2 2-1-1-1-1 -1-12 2-1-1 -1-1-1-12 2 -45-45度模板度模板 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割17 間斷檢測(cè) n線檢

12、測(cè)線檢測(cè) 通過典型模板計(jì)算值的比較，確定一個(gè)點(diǎn)是否在通過典型模板計(jì)算值的比較，確定一個(gè)點(diǎn)是否在 某個(gè)方向的線上，以及當(dāng)前圖像的線性特征某個(gè)方向的線上，以及當(dāng)前圖像的線性特征 用四種模板分別計(jì)算用四種模板分別計(jì)算 R1=24R1=24 R2=0R2=0 R3=0R3=0 R4=0R4=0 1 11 11 1 5 55 55 5 1 11 11 1 1 11 11 1 5 55 55 5 1 11 11 1 1 11 11 1 5 55 55 5 1 11 11 1 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割18 間斷檢測(cè) 圖一為原圖像，圖二為使用圖一為原圖像，圖二為使用 負(fù)負(fù)4545度檢測(cè)器處理后的結(jié)

13、果度檢測(cè)器處理后的結(jié)果 （取絕對(duì)值），圖三為滿足（取絕對(duì)值），圖三為滿足 閾值條件的所有點(diǎn)，閾值條閾值條件的所有點(diǎn)，閾值條 件為大于等于原圖像中的最件為大于等于原圖像中的最 大值大值 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割19 間斷檢測(cè) n邊緣檢測(cè)邊緣檢測(cè) 邊緣是位于兩個(gè)區(qū)域的邊界線上的相連像素的集邊緣是位于兩個(gè)區(qū)域的邊界線上的相連像素的集 合合 邊緣可以通過計(jì)算局部微分算子來檢測(cè)邊緣可以通過計(jì)算局部微分算子來檢測(cè) 一階導(dǎo)數(shù)：通過梯度來計(jì)算一階導(dǎo)數(shù)：通過梯度來計(jì)算 二階導(dǎo)數(shù)：通過拉普拉斯算子來計(jì)算二階導(dǎo)數(shù)：通過拉普拉斯算子來計(jì)算 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割20 理想數(shù)字邊緣理想數(shù)字邊緣

14、 該模型生成的圖像邊緣該模型生成的圖像邊緣 是一組相連的是一組相連的 的象素集合（垂直方向上的象素集合（垂直方向上 ），每個(gè)象素），每個(gè)象素 都處在灰度躍變的一個(gè)垂都處在灰度躍變的一個(gè)垂 直的臺(tái)階上。直的臺(tái)階上。 間斷檢測(cè) 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割21 斜坡的斜率與邊緣的模糊程度斜坡的斜率與邊緣的模糊程度 成正比。成正比。 斜坡數(shù)字邊緣斜坡數(shù)字邊緣 間斷檢測(cè) 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割22 可用一階導(dǎo)數(shù)的幅度值來檢測(cè)可用一階導(dǎo)數(shù)的幅度值來檢測(cè) 邊緣的存在。邊緣的存在。 二階導(dǎo)數(shù)在一階導(dǎo)數(shù)的階躍上升二階導(dǎo)數(shù)在一階導(dǎo)數(shù)的階躍上升 區(qū)有一個(gè)向上的脈沖，而在一階區(qū)有一個(gè)向上的脈沖

15、，而在一階 導(dǎo)數(shù)的階躍下降區(qū)有一個(gè)向下的導(dǎo)數(shù)的階躍下降區(qū)有一個(gè)向下的 脈沖。這脈沖。這2個(gè)階躍之間的過零點(diǎn)正個(gè)階躍之間的過零點(diǎn)正 對(duì)應(yīng)原圖像中的邊緣位置。對(duì)應(yīng)原圖像中的邊緣位置。 一階導(dǎo)數(shù)的幅度峰值對(duì)應(yīng)邊緣位置，二階導(dǎo)數(shù)的過零點(diǎn)對(duì)應(yīng)邊緣位置，二階導(dǎo)數(shù)一階導(dǎo)數(shù)的幅度峰值對(duì)應(yīng)邊緣位置，二階導(dǎo)數(shù)的過零點(diǎn)對(duì)應(yīng)邊緣位置，二階導(dǎo)數(shù) 在過零點(diǎn)附近的符號(hào)確定邊緣象素在圖像邊緣的暗區(qū)或明區(qū)。在過零點(diǎn)附近的符號(hào)確定邊緣象素在圖像邊緣的暗區(qū)或明區(qū)。 間斷檢測(cè) 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割23 間斷檢測(cè) 左圖第一列為原圖像及其灰度級(jí)左圖第一列為原圖像及其灰度級(jí) 第二列為一階導(dǎo)數(shù)的圖像顯示及其值第二列為一階導(dǎo)數(shù)

16、的圖像顯示及其值 第三列為二階導(dǎo)數(shù)的圖像顯示及其值第三列為二階導(dǎo)數(shù)的圖像顯示及其值 從上向下的四行分別是無噪聲、輕微噪從上向下的四行分別是無噪聲、輕微噪 聲、中等噪聲和嚴(yán)重噪聲的情況聲、中等噪聲和嚴(yán)重噪聲的情況 一階、二階導(dǎo)數(shù)對(duì)噪聲比較敏感，因此一階、二階導(dǎo)數(shù)對(duì)噪聲比較敏感，因此 圖像受到噪聲的干擾時(shí)，通過求導(dǎo)數(shù)不圖像受到噪聲的干擾時(shí)，通過求導(dǎo)數(shù)不 能準(zhǔn)確的檢測(cè)邊緣能準(zhǔn)確的檢測(cè)邊緣 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割24 間斷檢測(cè) n上圖中第1列的圖像分割顯示了分割左右黑白區(qū)域的4個(gè)斜坡 邊緣的特寫圖。左上角的圖像分割是無噪聲的. 第1列的其他 3幅圖分別被附加的零均值且標(biāo)準(zhǔn)差偉0.1,1.

17、0和10.0灰度級(jí) 的高斯噪聲污染。每幅圖像下面顯示的圖是穿過圖像的水平 掃描線的灰度級(jí)剖面線。 n第2列圖像是左邊圖像的一階導(dǎo)數(shù)圖像,在恒定的黑色和白色 區(qū)域?qū)?shù)為零。這是在導(dǎo)數(shù)圖像中的兩個(gè)黑色區(qū)域。不變化 的斜坡導(dǎo)數(shù)是常量,大小等于斜坡的斜率。這個(gè)在導(dǎo)數(shù)圖像中 不變的區(qū)域用灰色表示。當(dāng)我們將中心列向下移時(shí),導(dǎo)數(shù)變得 與無噪聲情況時(shí)越來越不相同。這些例子很好地說明了導(dǎo)數(shù) 對(duì)于噪聲的敏感性。 n第3列圖像顯示二階導(dǎo)數(shù)對(duì)于噪聲甚至更為敏感。二階導(dǎo)數(shù)圖 像和剖面線清楚地說明了,實(shí)際檢測(cè)這些圖像中為正和為負(fù)的 分量很困難,而這些分量是在邊緣檢測(cè)中非常有用的二階導(dǎo)數(shù) 特性。 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章

18、 圖像分割25 間斷檢測(cè) n邊緣檢測(cè)邊緣檢測(cè) 梯度算子梯度算子 函數(shù)函數(shù)f(x,y)在在(x,y)處的梯度為一個(gè)向量：處的梯度為一個(gè)向量： 向量的大?。合蛄康拇笮。?近似為：近似為： 向量的方向向量的方向 x y f G x F fG y 1 2 22 xy fmagFGG ,arctan y x G x y G xy fGG 邊緣在點(diǎn)邊緣在點(diǎn)(x,y)(x,y)處的方向與此點(diǎn)的梯度向量方向垂直處的方向與此點(diǎn)的梯度向量方向垂直 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割26 間斷檢測(cè) n邊緣檢測(cè)邊緣檢測(cè) Robert交叉梯度算子交叉梯度算子 特點(diǎn)：特點(diǎn)：與梯度算子檢測(cè)邊緣的方法類似，對(duì)噪聲敏感，但效

19、果較梯與梯度算子檢測(cè)邊緣的方法類似，對(duì)噪聲敏感，但效果較梯 度算子略好。度算子略好。 95x Gzz 86y Gzz 9586 fzzzz 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割27 間斷檢測(cè) n邊緣檢測(cè)邊緣檢測(cè) Prewitt算子算子 特點(diǎn)：特點(diǎn)：在檢測(cè)邊緣的同時(shí)，能抑止噪聲的影響在檢測(cè)邊緣的同時(shí)，能抑止噪聲的影響. 789123 369147 | ()() | | ()() | x y Gzzzzzz Gzzzzzz 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割28 間斷檢測(cè) n邊緣檢測(cè)邊緣檢測(cè) Sobel算子算子 特點(diǎn)：特點(diǎn)：對(duì)對(duì)4鄰域采用帶權(quán)方法計(jì)算差分；能進(jìn)一步鄰域采用帶權(quán)方法計(jì)算差分；能進(jìn)一

20、步 抑止噪聲；但檢測(cè)的邊緣較寬。抑止噪聲；但檢測(cè)的邊緣較寬。 789123 369147 |(2)(2)| |(2)(2)| x y Gzzzzzz Gzzzzzz SobelSobel算子與算子與PrewittPrewitt算子相比有較好的噪聲抑制功能算子相比有較好的噪聲抑制功能 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割29 間斷檢測(cè) n邊緣檢測(cè)邊緣檢測(cè) 用于檢測(cè)對(duì)角線方向上突變的用于檢測(cè)對(duì)角線方向上突變的PrewittPrewitt和和SobelSobel模模 板板 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割30 間斷檢測(cè) 圖圖a a原圖像，原圖像， 圖圖b b為為x x方向方向 梯度圖梯度圖G G

21、x x，圖，圖 c c為為y y方向梯方向梯 度圖度圖G Gy y ，圖 ，圖d d 為 完 整 梯 度為 完 整 梯 度 圖圖G Gx x+ G+ Gy y 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割31 間斷檢測(cè) n上圖說明了梯度的兩個(gè)分量|Gx|和|Gy|的響應(yīng)與這 兩個(gè)分量之和生成的梯度圖像。(b)和(c)中兩個(gè)分 量的方向性是很明顯的。特別注意, (b)中屋瓦,磚 塊的水平接縫和窗戶的水平分段的圖像是非常清晰 的.與之形成對(duì)照的是 (c)中表現(xiàn)出的垂直部分,諸 如墻附近的拐角,窗戶的垂直部分,磚塊的垂直接縫 和圖片右側(cè)的街燈柱子。 n原圖分辨率相當(dāng)高(12001600像素),且在圖片攝取

22、的距離上,墻磚對(duì)圖像細(xì)節(jié)的影響仍十分顯著。這種 程度的細(xì)節(jié)通常是不符合要求的。減少這種影響的 一種方法是對(duì)圖像進(jìn)行平滑處理。 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割32 間斷檢測(cè) 圖圖e e經(jīng)過經(jīng)過5X55X5 均 值 濾 波 后均 值 濾 波 后 的 原 圖 像 ，的 原 圖 像 ， 圖圖f f為為x x方向方向 梯度圖梯度圖G Gx x，圖，圖 g g為為y y方向梯方向梯 度圖度圖G Gy y ，圖 ，圖h h 為 完 整 梯 度為 完 整 梯 度 圖圖G Gx x+ G+ Gy y 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割33 間斷檢測(cè) n圖像e為對(duì)原圖像a使用了一個(gè)55的均值濾波器進(jìn) 行平

23、滑處理后結(jié)果。現(xiàn)在每個(gè)模板的相應(yīng)幾乎未顯 示出由磚塊造成的影響,得到的結(jié)果幾乎都是主要的 邊緣。注意取均值造成所有的邊緣相應(yīng)都被削弱。 na-h中明顯顯示出,水平和垂直Sobel模板對(duì)正負(fù)450 方向邊緣的反映幾乎一樣好。圖i和j顯示的是對(duì)角 Sobel模板的絕對(duì)響應(yīng)。在這幅圖中,這些模板更強(qiáng) 的對(duì)角響應(yīng)是很明顯的。兩個(gè)對(duì)角模板對(duì)水平和垂 直的邊緣具有相似的相應(yīng),但正如所期望的那樣,它 們?cè)谶@些方向上的響應(yīng)比圖 (b)和圖 (c)中顯示的 Sobel模板在水平和垂直方向上的響應(yīng)要弱。 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割34 間斷檢測(cè) 圖圖i i為使用用于檢測(cè)為使用用于檢測(cè)4545度對(duì)角線方向

24、上突度對(duì)角線方向上突 變的變的SobelSobel模板的結(jié)果模板的結(jié)果 圖圖j j為用于檢測(cè)負(fù)為用于檢測(cè)負(fù)4545度對(duì)角線方向上突變度對(duì)角線方向上突變 的的SobelSobel模板模板 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割35 間斷檢測(cè) n邊緣檢測(cè)邊緣檢測(cè) 拉普拉斯算子拉普拉斯算子 圖像函數(shù)圖像函數(shù)f(x,y)的拉普拉斯變換為的拉普拉斯變換為 22 2 22 ff f xy 2 52468 2 5123456789 4 8 fzzzzz fzzzzzzzzzz 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割36 間斷檢測(cè) n邊緣檢測(cè)邊緣檢測(cè) 拉普拉斯算子一般不以其原始形式用于邊緣檢測(cè)拉普拉斯算子一般不以

25、其原始形式用于邊緣檢測(cè) 的原因是的原因是 拉普拉斯算子對(duì)噪聲非常敏感拉普拉斯算子對(duì)噪聲非常敏感 拉普拉斯算子的幅值產(chǎn)生雙邊緣拉普拉斯算子的幅值產(chǎn)生雙邊緣 不能檢測(cè)邊緣的方向不能檢測(cè)邊緣的方向 拉普拉斯算子在分割中的作用拉普拉斯算子在分割中的作用 利用它的零交叉性質(zhì)進(jìn)行邊緣定位利用它的零交叉性質(zhì)進(jìn)行邊緣定位 確定一個(gè)像素在邊緣暗的一邊還是亮的一邊確定一個(gè)像素在邊緣暗的一邊還是亮的一邊 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割37 間斷檢測(cè) n邊緣檢測(cè)邊緣檢測(cè) LaplacianLaplacian算子和平滑算子和平滑GaussianGaussian濾波器進(jìn)行結(jié)合來濾波器進(jìn)行結(jié)合來 進(jìn)行邊緣檢測(cè)進(jìn)行邊緣

26、檢測(cè) 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割38 間斷檢測(cè) n邊緣檢測(cè)邊緣檢測(cè) 高斯型拉普拉斯算子高斯型拉普拉斯算子 高斯函數(shù)的目的是對(duì)圖像進(jìn)行平滑高斯函數(shù)的目的是對(duì)圖像進(jìn)行平滑 拉普拉斯算子的目的是提供一幅用零交叉確定邊緣位置拉普拉斯算子的目的是提供一幅用零交叉確定邊緣位置 的圖像的圖像 圖像的平滑處理減少了噪聲的影響圖像的平滑處理減少了噪聲的影響 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割39 間斷檢測(cè) LoGLoG檢測(cè)結(jié)果檢測(cè)結(jié)果 SobelSobel算子檢測(cè)結(jié)果算子檢測(cè)結(jié)果 LoGLoG圖像閾值圖像閾值 分割的結(jié)果分割的結(jié)果 零交叉點(diǎn)零交叉點(diǎn) 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割40 間斷檢測(cè)

27、 n邊緣檢測(cè)邊緣檢測(cè) 拉普拉斯算子和拉普拉斯算子和SobelSobel算子比較算子比較 缺點(diǎn)缺點(diǎn) v邊緣由許多閉合環(huán)的零交叉點(diǎn)決定邊緣由許多閉合環(huán)的零交叉點(diǎn)決定 v零交叉點(diǎn)的計(jì)算比較復(fù)雜零交叉點(diǎn)的計(jì)算比較復(fù)雜 優(yōu)點(diǎn)優(yōu)點(diǎn) v零交叉點(diǎn)圖像中的邊緣比梯度邊緣細(xì)零交叉點(diǎn)圖像中的邊緣比梯度邊緣細(xì) v抑制噪聲的能力和抗干擾能力比梯度算子強(qiáng)抑制噪聲的能力和抗干擾能力比梯度算子強(qiáng) 結(jié)論：梯度算子用的更多結(jié)論：梯度算子用的更多 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割41 間斷檢測(cè) n邊緣檢測(cè)邊緣檢測(cè) 邊緣檢測(cè)的邊緣檢測(cè)的MatlabMatlab函數(shù)函數(shù) BW = edge(I,sobel)BW = edge(I,

28、sobel) BW = edge(I,prewitt)BW = edge(I,prewitt) BW = edge(I,roberts)BW = edge(I,roberts) BW = edge(I,log)BW = edge(I,log) BW = edge(I,zerocross,thresh,h)BW = edge(I,zerocross,thresh,h) 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割42 間斷檢測(cè) nCannyCanny算子算子 1986 1986 年，年，Canny Canny 提出了邊緣檢測(cè)算子應(yīng)滿足以下提出了邊緣檢測(cè)算子應(yīng)滿足以下3 3 個(gè)判個(gè)判 斷準(zhǔn)則：信噪比準(zhǔn)則，

29、定位精確度準(zhǔn)則，單邊緣響應(yīng)準(zhǔn)則斷準(zhǔn)則：信噪比準(zhǔn)則，定位精確度準(zhǔn)則，單邊緣響應(yīng)準(zhǔn)則 ，并推導(dǎo)出了，并推導(dǎo)出了Canny Canny 算子。算子。 實(shí)現(xiàn)步驟有四個(gè)子過程：實(shí)現(xiàn)步驟有四個(gè)子過程： 第一步首先用二維高斯函數(shù)的一階導(dǎo)數(shù)對(duì)圖像進(jìn)行平滑 第二步用22 鄰域一階偏導(dǎo)的有限方差來計(jì)算平滑后的數(shù)據(jù)陣列 I(x,y) 的梯度幅值和梯度方向 第三步，為了精確定位邊緣，必須細(xì)化梯度幅值圖像M(i, j) 中 的屋脊帶，只保留幅值局部變化最大的點(diǎn)，這一過程稱為非極大 值抑制 最后在第四步，對(duì)經(jīng)過非極大值抑制的數(shù)據(jù)陣列N(i, j) 分別使 用高、低2 個(gè)閾值h 和l分割圖像，得到兩個(gè)閾值邊緣圖像 網(wǎng)絡(luò)多媒

30、體技術(shù)復(fù)習(xí) 第4章 圖像分割43 間斷檢測(cè) nCannyCanny算子的優(yōu)缺點(diǎn)算子的優(yōu)缺點(diǎn) 該算法有較好的抑制噪聲的能力，可以較完整的該算法有較好的抑制噪聲的能力，可以較完整的 檢測(cè)出邊緣。檢測(cè)出邊緣。 但比傳統(tǒng)邊緣微分算子復(fù)雜，運(yùn)算速度慢。另外但比傳統(tǒng)邊緣微分算子復(fù)雜，運(yùn)算速度慢。另外 ，Canny Canny 算子的雙閾值是根據(jù)全局特征信息來決算子的雙閾值是根據(jù)全局特征信息來決 定的，這導(dǎo)致了一方面無法消除局部噪聲干擾，定的，這導(dǎo)致了一方面無法消除局部噪聲干擾， 另一方面又會(huì)丟失灰度值變化緩慢的局部邊緣。另一方面又會(huì)丟失灰度值變化緩慢的局部邊緣。 可以通過改進(jìn)雙閾值的選取算法提高可以通過改

31、進(jìn)雙閾值的選取算法提高Canny Canny 算子算子 的邊緣檢測(cè)性能。的邊緣檢測(cè)性能。 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割44 間斷檢測(cè) 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割45 間斷檢測(cè) 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割46 邊緣連接和邊界檢測(cè) n邊緣連接邊緣連接 由于噪聲、不均勻照明等原因產(chǎn)生邊緣間斷，使由于噪聲、不均勻照明等原因產(chǎn)生邊緣間斷，使 得到的一組像素很少能完整地描繪一條邊緣得到的一組像素很少能完整地描繪一條邊緣 典型的做法是在使用邊緣檢測(cè)算法之后，使用連典型的做法是在使用邊緣檢測(cè)算法之后，使用連 接過程將邊緣像素組合成有意義的邊緣接過程將邊緣像素組合成有意義的邊緣 局部

32、處理局部處理 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割47 邊緣連接和邊界檢測(cè) n局部處理局部處理 分析圖像中每個(gè)邊緣點(diǎn)分析圖像中每個(gè)邊緣點(diǎn)(x,y)(x,y)的的一個(gè)鄰域內(nèi)的像素一個(gè)鄰域內(nèi)的像素， 根據(jù)某種準(zhǔn)則將根據(jù)某種準(zhǔn)則將所有相似點(diǎn)所有相似點(diǎn)進(jìn)行連接，由滿足該進(jìn)行連接，由滿足該 準(zhǔn)則的像素連接組成的一條邊緣，稱為邊緣連接，準(zhǔn)則的像素連接組成的一條邊緣，稱為邊緣連接， 又稱為邊緣跟蹤。又稱為邊緣跟蹤。 連接原則連接原則 比較兩個(gè)邊緣點(diǎn)梯度算子比較兩個(gè)邊緣點(diǎn)梯度算子 的響應(yīng)強(qiáng)度和梯度方向來確的響應(yīng)強(qiáng)度和梯度方向來確 定兩個(gè)點(diǎn)是否屬于一條邊定兩個(gè)點(diǎn)是否屬于一條邊 點(diǎn)點(diǎn)(x(x,y,y) ) 點(diǎn)點(diǎn)

33、(x,y)(x,y) 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割48 邊緣連接和邊界檢測(cè) n局部處理局部處理 比較邊緣像素的梯度算子的響應(yīng)強(qiáng)度 比較邊緣像素的梯度方向比較邊緣像素的梯度方向 比較梯度向量的方向角 當(dāng)梯度值和方向角都是相似的，則點(diǎn)(x,y)，與邊點(diǎn) 界(x,y)是連接的。 如果，則點(diǎn)(x,y) 與其鄰域內(nèi)的點(diǎn) 如果 ，則點(diǎn)(x,y) 與其鄰域內(nèi)的點(diǎn) 00 ,f x yf xyE 00 ,x yxyA (x,y)的梯度響應(yīng)強(qiáng)度相似 (x,y)的梯度方向相似 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割49 連接算法步驟 1）設(shè)定）設(shè)定A、T的閾值大小，確定鄰的閾值大小，確定鄰 域的大?。挥虻拇笮?/p>

34、； 2）對(duì)圖像上每一個(gè)像素的鄰域點(diǎn)）對(duì)圖像上每一個(gè)像素的鄰域點(diǎn) 進(jìn)行分析，判斷是否需要連接；進(jìn)行分析，判斷是否需要連接； 3）記錄像素連接的情況，另開一）記錄像素連接的情況，另開一 個(gè)空間，給不同的邊以不同的標(biāo)個(gè)空間，給不同的邊以不同的標(biāo) 記；記； 4）刪除孤立線段，連接斷開的線）刪除孤立線段，連接斷開的線 段。段。 點(diǎn)點(diǎn)(x(x,y,y) ) 點(diǎn)點(diǎn)(x,y)(x,y) 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割50 邊緣連接和邊界檢測(cè) n局部處理局部處理 如果梯度算子的響應(yīng)強(qiáng)度和梯度方向都是相似的，如果梯度算子的響應(yīng)強(qiáng)度和梯度方向都是相似的， 則邊緣點(diǎn)則邊緣點(diǎn)(x,y)(x,y)和和(x,y)(x

35、,y)是連接的是連接的 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割51 邊緣連接光柵掃描跟蹤 n邊緣跟蹤的方法很多，常見的有邊緣跟蹤的方法很多，常見的有光柵跟蹤光柵跟蹤和和 輪廓跟蹤輪廓跟蹤 n光柵掃描跟蹤光柵掃描跟蹤 光柵掃描跟蹤是一種采用電視光柵行掃描順序?qū)?遇到的像素進(jìn)行分析，從而確定是否為邊緣的跟 蹤方法。 光柵跟蹤方法的基本思想是先利用檢測(cè)準(zhǔn)則確定 和接受對(duì)象點(diǎn)，然后根據(jù)被接受的對(duì)象點(diǎn)和跟蹤 準(zhǔn)則確定并接受新的對(duì)象點(diǎn)，最后將所有標(biāo)記為1 且相鄰的對(duì)象點(diǎn)聯(lián)接起來就得到了檢測(cè)到的細(xì)曲 線。 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割52 邊緣連接光柵掃描跟蹤 n使用光柵跟蹤方法，需要遵循下面的三個(gè)準(zhǔn)

36、使用光柵跟蹤方法，需要遵循下面的三個(gè)準(zhǔn) 則則 參數(shù)準(zhǔn)則：需要事先確定檢測(cè)閾值d 、跟蹤閾值t ，且要求dt； 檢測(cè)準(zhǔn)則：對(duì)圖像逐行掃描，將每一行中灰度值 大于或等于檢測(cè)閾值d 的所有點(diǎn)（稱為接受對(duì)象 點(diǎn)）記為1； 跟蹤準(zhǔn)則：設(shè)置位于第i 行的點(diǎn)(i, j) 為已接 受的對(duì)象點(diǎn)，如果位于第i +1 行上的相鄰點(diǎn) (i+1,j1)、(i+1,j)和(i+1,j+1)的灰度值大于或 等于跟蹤閾值t ，就將其接受為新的對(duì)象點(diǎn)，并 記為1。 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割53 邊緣連接光柵掃描跟蹤 具體步驟具體步驟 (1) 確定一個(gè)較大的閾值d為檢測(cè)閾值，把高于該閾值的像素作為對(duì)象點(diǎn)。 (2) 選

37、擇一個(gè)較低的閾值t 作為跟蹤閾值，且要求td，該閾值可以根據(jù)不 同準(zhǔn)則來選擇；可選擇灰度差、梯度方向、對(duì)比度等作為跟蹤閾值。 (3) 從第一行起用檢測(cè)閾值d 逐行對(duì)圖像進(jìn)行掃描，依次將灰度值大于或等 于檢測(cè)閾值d 的點(diǎn)的位置記為1。 (4) 確定跟蹤?quán)徲颍缦聢D中選取的 (i+1,j1)、(i+1,j)、(i+1,j+1) 。 (5) 從第二行起逐行掃描圖像，若圖像中的(i, j) 點(diǎn)為對(duì)象點(diǎn)，則在第i +1 行上找該點(diǎn)跟蹤?quán)徲蛑谢叶炔钚∮诨虻扔诟欓撝祎 的鄰點(diǎn)，并確定為 新的對(duì)象點(diǎn)，將相應(yīng)位置記為1。 (6) 對(duì)于已檢測(cè)出來的某個(gè)對(duì)象點(diǎn)，進(jìn)行跟蹤結(jié)束、分支和合并的處理。如 果某個(gè)對(duì)象點(diǎn)（由

38、于步驟(3)的原因產(chǎn)生的對(duì)象點(diǎn)）在上一行的對(duì)應(yīng)鄰域中 沒有對(duì)象點(diǎn)，則說明一條新的曲線可開始。 (7) 重復(fù)(5)、(6)這兩個(gè)步驟，直至圖像中最末一行被掃描完為止。 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割54 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割55 邊緣連接光柵掃描跟蹤 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割56 邊緣連接光柵掃描跟蹤 n光柵跟蹤的優(yōu)缺點(diǎn)光柵跟蹤的優(yōu)缺點(diǎn) 光柵掃描跟蹤法是一種簡(jiǎn)單的利用局部信息、通光柵掃描跟蹤法是一種簡(jiǎn)單的利用局部信息、通 過掃描的方式將邊緣點(diǎn)連接起來的方法。過掃描的方式將邊緣點(diǎn)連接起來的方法。 該跟蹤算法采用電視光柵行掃描順序?qū)τ龅降南裨摳櫵惴ú捎秒娨暪鈻判袙?/p>

39、描順序?qū)τ龅降南?素進(jìn)行分析，從而確定其是否為邊緣。由于光柵素進(jìn)行分析，從而確定其是否為邊緣。由于光柵 掃描跟蹤和掃描方向有關(guān)，因此最好沿其他方向掃描跟蹤和掃描方向有關(guān)，因此最好沿其他方向 再跟蹤一次。再跟蹤一次。 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割57 邊緣連接輪廓跟蹤法 n一種適用于黑白二值圖像的圖像分割方法，而且輪廓跟蹤改一種適用于黑白二值圖像的圖像分割方法，而且輪廓跟蹤改 變了光柵跟蹤中掃描方向的單一的缺點(diǎn)，跟蹤方向可以是任變了光柵跟蹤中掃描方向的單一的缺點(diǎn)，跟蹤方向可以是任 意方向，并且有足夠大的跟蹤距離。意方向，并且有足夠大的跟蹤距離。 n輪廓跟蹤是改變了鄰域定義和跟蹤準(zhǔn)則的一種

40、二值圖像的光輪廓跟蹤是改變了鄰域定義和跟蹤準(zhǔn)則的一種二值圖像的光 柵跟蹤法。柵跟蹤法。 n算法的具體步驟算法的具體步驟 (1)(1)在靠近邊緣處任取一起始點(diǎn)，然后按照每次只前進(jìn)一步，步距為在靠近邊緣處任取一起始點(diǎn)，然后按照每次只前進(jìn)一步，步距為 一個(gè)象素的原則開始跟蹤；一個(gè)象素的原則開始跟蹤； (2)(2)當(dāng)跟蹤中的某步是由白區(qū)進(jìn)入黑區(qū)時(shí)，以后各步向左轉(zhuǎn)，直到穿當(dāng)跟蹤中的某步是由白區(qū)進(jìn)入黑區(qū)時(shí)，以后各步向左轉(zhuǎn)，直到穿 出黑區(qū)為止；出黑區(qū)為止； (3)(3)當(dāng)跟蹤中的某步是由黑區(qū)進(jìn)入白區(qū)時(shí)，以后各步向右轉(zhuǎn)，直到穿當(dāng)跟蹤中的某步是由黑區(qū)進(jìn)入白區(qū)時(shí)，以后各步向右轉(zhuǎn)，直到穿 出白區(qū)為止；出白區(qū)為止；

41、(4)(4)當(dāng)圍繞目標(biāo)邊界循環(huán)跟蹤一周回到起點(diǎn)時(shí)，則所跟蹤的軌跡便是當(dāng)圍繞目標(biāo)邊界循環(huán)跟蹤一周回到起點(diǎn)時(shí)，則所跟蹤的軌跡便是 目標(biāo)的輪廓；否則，應(yīng)繼續(xù)按目標(biāo)的輪廓；否則，應(yīng)繼續(xù)按(2)(2)和和(3)(3)的原則進(jìn)行跟蹤。的原則進(jìn)行跟蹤。 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割58 邊緣連接輪廓跟蹤法 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割59 4 圖像閾值分割圖像閾值分割 原理原理 取閾值是一種廣泛使用的取閾值是一種廣泛使用的 圖像分割技術(shù)，通過對(duì)灰度取閾值圖像分割技術(shù)，通過對(duì)灰度取閾值 后得到的圖像，各個(gè)區(qū)域可以分離后得到的圖像，各個(gè)區(qū)域可以分離 開，但要將目標(biāo)提取出來，還需要開，但要將目標(biāo)提

42、取出來，還需要 將各區(qū)域識(shí)別標(biāo)記。將各區(qū)域識(shí)別標(biāo)記。 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割60 圖像閾值分割 閾值分割法的基本思想：閾值分割法的基本思想：（邊界上的點(diǎn)的灰度值出現(xiàn)次數(shù)較少）（邊界上的點(diǎn)的灰度值出現(xiàn)次數(shù)較少） 確定一個(gè)合適的閾值確定一個(gè)合適的閾值T T（閾值選定的好壞是此方法成敗的關(guān)（閾值選定的好壞是此方法成敗的關(guān) 鍵）。鍵）。 將大于等于閾值的像素作為物體或背景，生成一個(gè)二值圖將大于等于閾值的像素作為物體或背景，生成一個(gè)二值圖 像。像。 nIf f(x,y) If f(x,y) T set 255 T set 255 nElse set 0Else set 0 閾值分割法的特點(diǎn)

43、：閾值分割法的特點(diǎn)：適用于物體與背景有較強(qiáng)對(duì)比的適用于物體與背景有較強(qiáng)對(duì)比的 情況，重要的是背景或物體的灰度比較單一。（可通過先情況，重要的是背景或物體的灰度比較單一。（可通過先 求背景，然后求反得到物體）這種方法總可以得到封閉且求背景，然后求反得到物體）這種方法總可以得到封閉且 連通區(qū)域的邊界。連通區(qū)域的邊界。 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割61 門限處理 n門限處理基礎(chǔ)門限處理基礎(chǔ) 根據(jù)門限根據(jù)門限T T的不同，可分為全局門限、局部門限、自適應(yīng)的不同，可分為全局門限、局部門限、自適應(yīng) 門限門限 全局門限全局門限: T=Tf(x,y): T=Tf(x,y) T T僅取決于僅取決于f(x

44、,y)f(x,y)， 整幅圖像采用單一門限整幅圖像采用單一門限 局部門限局部門限: T=Tf(x,y), p(x,y): T=Tf(x,y), p(x,y) T T僅取決于僅取決于f(x,y)f(x,y)和和p(x,y)p(x,y)，p(x,y)p(x,y)表示點(diǎn)表示點(diǎn)(x,y)(x,y)的局部性質(zhì)的局部性質(zhì) 不同局部區(qū)域采用不同門限不同局部區(qū)域采用不同門限 自適應(yīng)門限自適應(yīng)門限: T=Tx,y,f(x,y), p(x,y): T=Tx,y,f(x,y), p(x,y) T T取決于空間坐標(biāo)取決于空間坐標(biāo)x x和和y y 每個(gè)像素點(diǎn)的門限隨像素的點(diǎn)的特性而變化每個(gè)像素點(diǎn)的門限隨像素的點(diǎn)的特性而

45、變化 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割62 門限處理 n基本全局門限基本全局門限 通過對(duì)圖像逐像素掃描，將灰度級(jí)大于閾值的像通過對(duì)圖像逐像素掃描，將灰度級(jí)大于閾值的像 素標(biāo)記為對(duì)象，將灰度級(jí)小于閾值的像素標(biāo)記為素標(biāo)記為對(duì)象，將灰度級(jí)小于閾值的像素標(biāo)記為 背景背景 全局門限的確定全局門限的確定 試探法試探法 自動(dòng)確定自動(dòng)確定 經(jīng)典的全局閾值分割方法經(jīng)典的全局閾值分割方法 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割63 門限處理 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割64 門限處理 n基本全局門限基本全局門限 自動(dòng)確定門限的算法自動(dòng)確定門限的算法 選擇一個(gè)選擇一個(gè)T T的初始估計(jì)值的初始估計(jì)值 用用T

46、 T分割圖像，分割圖像，G G1 1由所有灰度值大于由所有灰度值大于T T的像素組成，的像素組成，G G2 2由由 所有小于或等于所有小于或等于T T的像素組成的像素組成 對(duì)區(qū)域?qū)^(qū)域G G1 1和和G G2 2中的所有像素計(jì)算平均灰度值中的所有像素計(jì)算平均灰度值1 1和和2 2 計(jì)算新的門限值計(jì)算新的門限值T=(T=(1 1 + +2 2)/2)/2 重復(fù)步驟重復(fù)步驟2 2到到4 4，直到逐次迭代得到的，直到逐次迭代得到的T T值之差小于事先值之差小于事先 定義的參數(shù)定義的參數(shù)T T0 0 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割65 門限處理 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割66 門限處理

47、 基本全局門限基本全局門限 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割67 經(jīng)典全局閾值分割方法 n經(jīng)典全局閾值分割方法經(jīng)典全局閾值分割方法 p-分位數(shù)法分位數(shù)法 迭代法迭代法 最大類間方差法最大類間方差法 熵閾值法熵閾值法 最小誤差法最小誤差法 二維二維Otsu 閾值分割法閾值分割法 二維熵閾值分割法二維熵閾值分割法 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割68 經(jīng)典全局閾值分割方法 np-分位數(shù)法分位數(shù)法 基本原理是根據(jù)先驗(yàn)知識(shí)，得到目標(biāo)與背景像素的先驗(yàn)概 率比例，再根據(jù)此條件依次累計(jì)灰度直方圖，直到累計(jì)值 大于或等于該比例數(shù)，此時(shí)的灰度值即最佳閾值。 該算法簡(jiǎn)單，有一定的抗噪聲能力，但對(duì)于一些復(fù)雜

48、圖像 的先驗(yàn)概率比較難求得，不適用于所有圖像。 n迭代法迭代法 基本原理是選取圖像的平均灰度T0為初始閾值，然后用T0 將圖像的像素點(diǎn)分作兩部分，計(jì)算兩部分各自的平均灰度 之間的中點(diǎn)T1 ，將T1 作為新的全局閾值代替T0 ，重復(fù)以 上過程，如此迭代，直至閾值收斂。 當(dāng)圖像的灰度直方圖雙峰不明顯，圖像目標(biāo)和背景比例差 異懸殊時(shí)，迭代法的分割效果不理想。 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割69 經(jīng)典全局閾值分割方法 n最大類間方差法最大類間方差法 最大類間方差法是Otsu 于1978 年提出的，是應(yīng)用最廣泛的閾值分割 法之一。 其中o 為目標(biāo)的概率， o 為目標(biāo)的平均灰度值，b 為背景的概率，

49、 b 為背景的平均灰度值。 n熵閾值法熵閾值法 基本思想都是利用圖像的灰度分布密度函數(shù)定義圖像的信息熵，根據(jù) 假設(shè)或者視角的不同提出不同的熵準(zhǔn)則，最后通過優(yōu)化該準(zhǔn)則得到最 佳閾值，其中以Kapur 等人提出的熵準(zhǔn)則最為有名，又稱為KSW 熵 法。 n最小誤差法最小誤差法 最小誤差法來源于Bayes 的最小誤差分類方法，其原理是選擇一個(gè)合 適的閾值，使目標(biāo)錯(cuò)分到背景和背景錯(cuò)分到目標(biāo)的誤差概率總和達(dá)到 最小，此時(shí)的閾值即為最佳閾值。 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割70 設(shè)圖像由目標(biāo)和背景兩部分組成，目標(biāo)的灰設(shè)圖像由目標(biāo)和背景兩部分組成，目標(biāo)的灰 度分布概率密度為度分布概率密度為p po o(

50、r)(r)，而背景的灰度分布概率密而背景的灰度分布概率密 度為度為p pb b(r)(r)，同時(shí)設(shè)目標(biāo)占整個(gè)畫面的百分比為同時(shí)設(shè)目標(biāo)占整個(gè)畫面的百分比為q q，則則 背景占背景占1-1- q q。若取閾值為。若取閾值為t t，則：，則： p po o(r)(r) p pb b(r)(r) 將背景點(diǎn)誤判為物體點(diǎn)的誤判概率為：將背景點(diǎn)誤判為物體點(diǎn)的誤判概率為： 將物體點(diǎn)誤判為背景點(diǎn)的誤判概率為：將物體點(diǎn)誤判為背景點(diǎn)的誤判概率為： 注意到上式右端第二項(xiàng)恰好是灰度小于注意到上式右端第二項(xiàng)恰好是灰度小于 t t 的背景點(diǎn)出現(xiàn)的總概率的背景點(diǎn)出現(xiàn)的總概率P Pb b(t)(t)，故：，故： 因此總的誤判概

51、率為：因此總的誤判概率為： ( )( )( ) t ooo Etpr drP t t b t bb drrpdrrptE)(1)()( )(1)()(tPdrrptE b t bb )(1)1 ()(tPtP bo qq 最小誤差法 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割71 最佳閾值最佳閾值 我們的目標(biāo)是求出我們的目標(biāo)是求出最佳閾值最佳閾值 t t ，使總的誤判概率最小，可以將上述，使總的誤判概率最小，可以將上述 誤判函數(shù)對(duì)誤判函數(shù)對(duì) t t 求導(dǎo)，并令其為零，故有：求導(dǎo)，并令其為零，故有： 或?qū)懗桑夯驅(qū)懗桑?若已知背景和目標(biāo)的灰度概率密度，可以利用數(shù)值方法求出最佳閾值。若已知背景和目標(biāo)的灰度

52、概率密度，可以利用數(shù)值方法求出最佳閾值。 設(shè)目標(biāo)區(qū)和背景區(qū)灰度的均值分別為設(shè)目標(biāo)區(qū)和背景區(qū)灰度的均值分別為 m mo o 和和 m mb b，均方差分別為，均方差分別為 s so o和和 s sb b，則：，則： 2 2 2 2 2 )( 2 )( 2 1 )( 2 1 )( b b o o r b b r o o erp erp s m s m s s 0 )( )1 ( )( dt tPd dt tPd bo qq 0)()1 ()(tptp bo qq 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割72 代入上述總誤判概率表達(dá)式，并取對(duì)數(shù)得：代入上述總誤判概率表達(dá)式，并取對(duì)數(shù)得： 經(jīng)化簡(jiǎn)，此方程具

53、有以下形式：經(jīng)化簡(jiǎn)，此方程具有以下形式： 其中：其中： 因此可以通過求解二次方程，求出兩個(gè)根因此可以通過求解二次方程，求出兩個(gè)根 t t1 1和和 t t2 2，并選取合理的結(jié)果。，并選取合理的結(jié)果。 22 22 ()() ln(1)lnlnln 22 bo ob bo ttmm qsqs ss 0 2 CBtAt 22 22 222222 2() 2ln() 1 bo boob o boobbo b A B C ss m sm s sq smsms s sq 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割73 基于區(qū)域的分割 n基本公式基本公式 分割的目標(biāo)是將圖像劃分為不同的區(qū)域分割的目標(biāo)是將圖像劃分

54、為不同的區(qū)域 令令R表示整幅圖像，可以將分割看成是將表示整幅圖像，可以將分割看成是將R劃分劃分 為為n個(gè)子區(qū)域的過程，個(gè)子區(qū)域的過程，n個(gè)子區(qū)域滿足以下條件個(gè)子區(qū)域滿足以下條件 完備性：完備性： 連通性：每個(gè)連通性：每個(gè)Ri都是一個(gè)連通區(qū)域都是一個(gè)連通區(qū)域 獨(dú)立性：獨(dú)立性： 單一性：?jiǎn)我恍裕?互斥性：互斥性： 1 n i i RR , ij RRij ij 對(duì)所有的 和 1,2, i P RTRUEin， ij P RRFALSEij， 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割74 區(qū)域增長(zhǎng)法區(qū)域增長(zhǎng)法 通過象素聚合的區(qū)域增長(zhǎng)法是最基本的區(qū)域分割技術(shù)。根據(jù)通過象素聚合的區(qū)域增長(zhǎng)法是最基本的區(qū)域分割

55、技術(shù)。根據(jù) 事先定義的準(zhǔn)則將象素或子區(qū)域聚合成更大區(qū)域的過程。事先定義的準(zhǔn)則將象素或子區(qū)域聚合成更大區(qū)域的過程。 區(qū)域生長(zhǎng)的三個(gè)問題：區(qū)域生長(zhǎng)的三個(gè)問題： n 種子：進(jìn)行生長(zhǎng)的起點(diǎn)。種子：進(jìn)行生長(zhǎng)的起點(diǎn)。 n 相似性準(zhǔn)則：確定增長(zhǎng)的規(guī)則。相似性準(zhǔn)則：確定增長(zhǎng)的規(guī)則。 n 終止規(guī)則：考慮區(qū)域大小、形狀、相似性等因素。終止規(guī)則：考慮區(qū)域大小、形狀、相似性等因素。 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割75 基于區(qū)域的分割 n區(qū)域生長(zhǎng)區(qū)域生長(zhǎng) 算法實(shí)現(xiàn)算法實(shí)現(xiàn) 根據(jù)圖像的不同應(yīng)用選擇一個(gè)或一組種子根據(jù)圖像的不同應(yīng)用選擇一個(gè)或一組種子 選擇一個(gè)條件選擇一個(gè)條件 從該種子開始向外擴(kuò)張，首先把種子像素加入集

56、合，然從該種子開始向外擴(kuò)張，首先把種子像素加入集合，然 后不斷將與集合中各個(gè)像素連通、且滿足給定條件的像后不斷將與集合中各個(gè)像素連通、且滿足給定條件的像 素加入集合素加入集合 上一過程進(jìn)行到不再有滿足條件的新像素點(diǎn)加入集合為上一過程進(jìn)行到不再有滿足條件的新像素點(diǎn)加入集合為 止止 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割76 基于區(qū)域的分割 網(wǎng)絡(luò)多媒體技術(shù)復(fù)習(xí) 第4章 圖像分割77 單連接區(qū)域增長(zhǎng)方法：?jiǎn)芜B接區(qū)域增長(zhǎng)方法： 對(duì)圖像進(jìn)行光柵掃描，求出不屬于任何區(qū)域的象素（根據(jù)對(duì)圖像進(jìn)行光柵掃描，求出不屬于任何區(qū)域的象素（根據(jù) 圖像的不同應(yīng)用圖像的不同應(yīng)用選擇一個(gè)或一組種子選擇一個(gè)或一組種子，它或者是最亮或最暗，它或者是最亮或最暗 的點(diǎn)，或者是位于點(diǎn)簇中心的點(diǎn)。）；的點(diǎn)，或者是位于點(diǎn)簇中心的點(diǎn)。）； 2. 將該點(diǎn)的灰度值與其鄰域內(nèi)不屬于任何一個(gè)區(qū)域的將該點(diǎn)的灰度值與其鄰域內(nèi)不屬于任何一個(gè)區(qū)域的 象素灰象素灰 度值比較，如果度值比較，如果其差的絕對(duì)值其差的絕對(duì)值小于小于某個(gè)設(shè)定的門限值某個(gè)設(shè)定的門限值，就把它，就把它 們合并為同一區(qū)域；們合并為同一區(qū)域； 3. 對(duì)新合并的象素，重復(fù)（對(duì)新合并的象素，重復(fù)（2）的操作；）的操作； 4. 反復(fù)進(jìn)行（反復(fù)進(jìn)行（2）（）（3）的操作，直到不能再增加為止；）的操作，直到不能再增加為止； 5. 返回至（返回至（1），重新