數(shù)字圖像處理與分析圖像分割PPT課件

1、 圖像分割 將圖像中有意義的特征或需要應(yīng)用的特征提取出來 例 1）按幅度不同來分割各個區(qū)域：幅度分割 2）按邊緣不同來劃分各個區(qū)域：邊緣檢測 3）按形狀不同來分割各個區(qū)域：區(qū)域分割第6章 圖像分割第1頁/共47頁圖像輸入光電變換數(shù)字化圖像增強圖像恢復(fù)圖像編碼預(yù)處理閾值分割邊緣檢測區(qū)域分割圖像分割特征提取圖像識別圖像分析理解描述解釋圖像處理過程第6章 圖像分割第2頁/共47頁 預(yù)處理 圖像銳化、圖像平滑 分 割 直方圖分割、概率統(tǒng)計門限檢測、邊緣檢測、群聚、紋理匹配 特征提取 空間特征、變換特征、邊緣邊界、形狀特征、矩、 紋理特征第6章 圖像分割第3頁/共47頁6.1 灰度閾值法6.1.1 閾值

2、分割的原理6.1.2 閾值的提取第4頁/共47頁6.1 灰度閾值法6.1.1 閾值分割的原理 設(shè)輸入圖像為 ，輸出圖像為 ，閾值為T,則( , )f x y( , )fx y1,( , )( , )0,( , )f x yTfx yf x yT或1,( , )( , )0,( , )f x yTfx yf x yT第5頁/共47頁1）直方圖法6.1.2 閾值的選取( , )( , )( , )EBLf x yTg x yLf x yT第6頁/共47頁 非理想情況，各段的分界不明顯，有3種誤差：a）增加了新的區(qū)域，b）失去了原有的區(qū)域，c）區(qū)域分割邊界定位不正確 動態(tài)門限：把圖像分成子圖像，子圖

3、像做直方 圖，再定不同的門限6.1.2 閾值的選取第7頁/共47頁2) 統(tǒng)計門限法： 設(shè)圖像中目標(biāo)及背景的灰度為正態(tài)分布， 其灰度分布概率密度函數(shù)分別 p(z), q(z)T( )p z()qz6.1.2 閾值的選取第8頁/共47頁 設(shè)目標(biāo)占整體圖像的比例為t，整體圖像的灰度概率密度( )(1) ( )tp zt q z那么錯誤區(qū)分的概率由下式給出1( )(1) ( )tP Tt Q T求上式為最小值時的 ，便是閾值。也就是對上式求微分并使 之為零 1( )(1) ( )0dtP Tt Q TdT(1) ( )( )0t q Ttp T1( )( )P Tp z dz6.1.2 閾值的選取第9

4、頁/共47頁3) 自適應(yīng)門限：根據(jù)局部特性確定門限6.1.2 閾值的選取第10頁/共47頁6.2.1 梯度算子6.2.2 拉普拉斯算子6.2.3 Canny算子6.2 邊緣檢測第11頁/共47頁6.2 邊緣檢測 邊緣檢測 其導(dǎo)數(shù)在邊緣方向取得極值 邊緣檢測的特點： 階躍狀 屋頂狀第12頁/共47頁6.2 邊緣檢測第13頁/共47頁6.2.1 梯度算子TT22( , )mag( , )( , )( , )arctan(/)xyxyxyfff x yGGxyf x yGGf x yx yG G梯度的模叫：（）= 方向角：22( ,)()()fffx yxyT 對應(yīng)一階導(dǎo)數(shù)，連續(xù)圖像的導(dǎo)數(shù)在邊緣方向

5、上取得極值第14頁/共47頁( , )( , )(1 ,1 )(1 , )( ,1 )( , )(, ) (,)(, ) ( , )ijf x yf x yf xyf xyf x ygx yf i j hi mj nf i j hmn 簡 化 為 ：若 用 模 板 表 示 ：6.2.1 梯度算子第15頁/共47頁 常用的幾種算子1-11-1-11-11-11111-1-1-1a) robertb) prewitt6.2.1 梯度算子第16頁/共47頁c) sobeld) Zsotropic-11-22-11121-1-2-1-11-1-1-1-11122226.2.1 梯度算子第17頁/共47

6、頁 Kirch算子 由K0K7八個方向模板組成，將K0K7的模板算法分別與圖像中的33區(qū)域乘，選最大一個值，作為中央像素的邊緣強度0,1,1111( , )max( , )( , ) (,),Tiiklg x yg ggg x yK k l f x k y l其中：6.2.1 梯度算子若gi最大，說明f(x,y) 處有i方向的邊緣通過第18頁/共47頁555-30-3-3-3-3-355-305-3-3-3-3-35-305-3-35-3-3-3-305-355-3-3-3-30-3555-3-3-350-355-35-3-350-35-3-355-350-3-3-3-3k0k1k2k3k4k

7、5k6k76.2.1 梯度算子第19頁/共47頁 注意 邊緣檢測對噪聲敏感，常在作邊緣檢測前對圖像進行抑制噪聲預(yù)處理，如平滑處理等6.2.1 梯度算子第20頁/共47頁 由上節(jié)可見階躍狀邊緣的二階導(dǎo)數(shù)在邊緣處出現(xiàn)零點，出現(xiàn)零交叉，可用二階導(dǎo)數(shù)尋邊界22222( ,)( ,)( ,)(1,)(1,)( ,1)4( ,)fx yfx yfx yxyfxyfxyfx yfx y010111121141181242010111121T 缺點：1）對噪聲敏感 2）常產(chǎn)生雙像素寬的邊緣，無方向性6.2.2 拉普拉斯算子第21頁/共47頁6.2.3 Canny Canny算子 邊緣算子必須滿足三個準(zhǔn)則 1）

8、低錯誤率 邊緣算子應(yīng)該只對邊緣響應(yīng)，并能找到所有的邊，而對于非邊緣應(yīng)能舍棄。 2）定位精度 被邊緣算子找到的邊緣象素與真正的邊緣象素間的距離應(yīng)盡可能的小。 3）單邊響應(yīng) 在單邊存在的地方，檢測結(jié)果不應(yīng)出現(xiàn)多邊。第22頁/共47頁 在Canny的假設(shè)下，對于帶有Gaussian白噪聲的階躍邊緣，邊緣檢測算子是一個與圖像函數(shù)g(x,y) 進行卷積的濾波器f，這個卷積濾波器應(yīng)該平滑掉白噪聲并找到邊緣位置 6.2.3 Canny算子第23頁/共47頁a)Robert算子進行邊緣檢測 b)Sobel算子進行邊緣檢測 6.2.3 Canny算子第24頁/共47頁 c)拉普拉斯算子進行邊緣檢測 d)cann

9、y算子邊緣檢測 6.2.3 Canny算子第25頁/共47頁6.3.1 區(qū)域生長6.3.2 分裂合并6.3.3 水域分割6.3 區(qū)域分割第26頁/共47頁6.3 區(qū)域分割 區(qū)域分割 對于特征不連續(xù)的邊緣檢測，把圖像分割成特征相同的互相不重疊連續(xù)區(qū)域的處理 區(qū)域生長法 a）利用灰度差作為區(qū)域合并的判定標(biāo)準(zhǔn) b）根據(jù)小區(qū)域內(nèi)的灰度分布的相似性（灰度直方圖）進行 區(qū)域合并的方法 c）分裂合并法第27頁/共47頁6.3.1 區(qū)域生長T 思想：將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域 1) 找一個種子像素作為生長的起點 2) 將種子像素周圍鄰域中與種子像素有相同或相似性質(zhì)的像素（根據(jù)某種事先確定的生長或相似

10、準(zhǔn)則來判定）合并到種子像素所在的區(qū)域中 3)將這些新像素當(dāng)作新的種子像素繼續(xù)進行上面的過程，直到再沒有滿足條件的像素可被包括進來第28頁/共47頁 生長準(zhǔn)則 1基于區(qū)域灰度差 對像素進行掃描，找出尚沒有歸屬的像素； 以該像素為中心檢查它的鄰域像素，即將鄰域中的像素逐個與它比較，如果灰度差小于預(yù)先確定的閾值，將它們合并； 以新合并的像素為中心，返回到步驟，檢查新像素的鄰域，直到區(qū)域不能進一步擴張； 返回到步驟，繼續(xù)掃描直到所有像素都有歸屬，則結(jié)束整個生長過程。6.3.1 區(qū)域生長第29頁/共47頁 2基于區(qū)域內(nèi)灰度分布統(tǒng)計性質(zhì) 把像素分成互不重疊的小區(qū)域； 比較鄰接區(qū)域的累積灰度直方圖，根據(jù)灰度

11、分布的相似性進行區(qū)域合并； 設(shè)定終止準(zhǔn)則，通過反復(fù)進行步驟中的操作將各個區(qū)域依次合并直到滿足終止準(zhǔn)則 6.3.1 區(qū)域生長第30頁/共47頁 3、基于區(qū)域形狀 把圖像分割成灰度固定的區(qū)域，設(shè)兩相鄰區(qū)域的周長 和 ，把兩區(qū)域共同邊界線兩側(cè)灰度差小于給定值的那部分設(shè)為 ，如果（ 為預(yù)定的閾值）1P2PL1T112min ,LTP P則合并兩區(qū)域6.3.1 區(qū)域生長第31頁/共47頁 把圖像分割成灰度固定的區(qū)域，設(shè)兩鄰接區(qū)域的共同邊界長度為B，把兩區(qū)域共同邊界線兩側(cè)灰度差小于給定值的那部分長度設(shè)為L，如果（ 為預(yù)定閾值）2T2LTB則合并兩區(qū)域。區(qū)別：第一種方法是合并兩鄰接區(qū)域的共同邊界中對比度較低

12、部分占整個區(qū)域邊界份額較大的區(qū)域，第二種方法則是合并兩鄰接區(qū)域的共同邊界中對比度較低部分比較多的區(qū)域。6.3.1 區(qū)域生長第32頁/共47頁6.3.2 分裂合并 從整幅圖像開始通過不斷分裂得到各個區(qū)域圖像 四叉樹表達方法的迭代分裂合并算法R1R2R3R41R42R43R44RR4R3R2R1R44R43R42R41第33頁/共47頁6.3.2 分裂合并第34頁/共47頁6.3.3 水域分割基本原理 又稱Watershed變換，借鑒形態(tài)學(xué)理論的分割方法，利用圖像區(qū)域特性來分割圖像，將邊緣檢測與區(qū)域生長的優(yōu)點結(jié)合起來，能得到單像素寬的、連通的、封閉的、位置準(zhǔn)確的輪廓。 第35頁/共47頁基本思想:

13、 基于局部極小值和積水盆（Catchment Basin）概念。積水盆是地形中局部極小點的影響區(qū)（Influence Zones），水平面從這些局部極小值處上漲，在水平面浸沒地形的過程中，每一個積水盆被筑起的“壩”所包圍，這些壩用來防止不同積水盆里的水混合到一起。在地形完全浸沒到水中之后，這些筑起的壩就構(gòu)成了分水嶺。6.3.3 水域分割第36頁/共47頁 地形浸沒過程說明第37頁/共47頁基于標(biāo)記的watershed變換 3個步驟： 對原圖進行梯度變換，得到梯度圖。 用合適的標(biāo)記函數(shù)把圖像中相關(guān)的目標(biāo)及背景標(biāo)記出來，得到標(biāo)記圖。 將標(biāo)記圖中的相應(yīng)標(biāo)記作為種子點，對梯度圖像進行 watershe

14、d變換，產(chǎn)生分水線6.3.3 水域分割第38頁/共47頁 原細胞圖像 經(jīng)典的canny梯度 梯度圖像的流域分界線 分割結(jié)果第39頁/共47頁6.4 HoughHough變換6.4.1 Hough變換的原理6.4.2 廣義Hough變換第40頁/共47頁6.4 HoughHough變換6.4.1 Hough變換的原理 Hough變換是一種檢測、定位直線和解析曲線的有效方 法。是把二值圖變換到Hough參數(shù)空間，在參數(shù)空間用極值點的檢測來完成目標(biāo)的檢測 第41頁/共47頁XY用于直線檢測的Hough變換示意圖YX第42頁/共47頁 應(yīng)用Hough變換對傾斜表格圖像糾偏(a) 傾斜的表格圖像 (b)

15、 對(a)二值化(c)Hough變換累加數(shù)組 (d)最長直線的角度糾正傾斜圖像pqo第43頁/共47頁6.4.2 廣義HoughHough變換 Hough變換是用于檢測平面內(nèi)的直線和二次曲線的，實際應(yīng)用中，物體的輪廓不能用直線和二次曲線來描述，有必要將Hough變換作進一步的推廣。 優(yōu)點：抗噪聲能力強，能夠在信噪比較低的條件下，檢測出直線或解析曲線。 缺點：需要首先做二值化以及邊緣檢測等圖像預(yù)處理工作，使輸入圖像轉(zhuǎn)變成寬度為一個像素的直線或曲線形式的點陣圖 第44頁/共47頁作業(yè)6-1 解釋本章的圖6-10中，為什么采用Robert算子、Sobel算子和拉普拉斯算子進行邊緣檢測的結(jié)果是不一樣的。6-2 試用Robert算子和拉普拉斯算