圖像的檢測(cè)與分割課件

1、 模式識(shí)別：圖像分割1. 引言2. 閾值與圖像分割3. 邊緣檢測(cè)與圖像分割4. Hough變換5. 區(qū)域增長引言前面介紹的圖像增強(qiáng)和恢復(fù)是對(duì)整幅圖像的質(zhì)量進(jìn)行改善，是輸入輸出均為圖像的處理方法，而圖像分析則是更詳細(xì)地研究并描述組成一幅圖像的各個(gè)不同部分的特征及其相互關(guān)系，是輸入為圖像而輸出為從這些圖像中提取出來的屬性的處理方法。圖像分析的結(jié)果不是一幅完美的圖像，而是用數(shù)字、文字、符號(hào)、幾何圖形或其組合表示圖像的內(nèi)容和特征，對(duì)圖像景物的詳盡描述和解釋。典型的圖像分析和理解系統(tǒng)如下圖。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

2、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。圖像分割的目標(biāo)是重點(diǎn)根據(jù)圖像中的物體將圖像的像素分類，并提取感興趣目標(biāo)圖像分割是圖像識(shí)別和圖像理解的基本前提步驟圖像圖像預(yù)處理圖像識(shí)別圖像理解圖像分割圖像分割是將圖像劃分為若干互不相交的小區(qū)域的過程。圖像分割就是指把圖像分成互不重疊的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。圖像分割是由圖像處理進(jìn)到圖像分析的關(guān)健步驟。一方面，它是目標(biāo)表達(dá)的基礎(chǔ)，對(duì)特征測(cè)量有重要的影響。另一方面，因?yàn)閳D像分割及其基于分割的目標(biāo)表達(dá)、特征提取和參數(shù)測(cè)量等將原始圖像轉(zhuǎn)化為更抽象更緊湊的形式，使得更高層的圖像分析和理解成為可能。 圖像分割的基本策略是基于灰度值的兩個(gè)基

3、本特性：區(qū)域之間的不連續(xù)性先找到點(diǎn)、線（寬度為1）、邊（不定寬度）再確定區(qū)域區(qū)域內(nèi)部的相似性通過選擇閾值，找到灰度值相似的區(qū)域區(qū)域的外輪廓就是對(duì)象的邊閾值與圖像分割閾值是在分割時(shí)作為區(qū)分物體與背景像素的門限，大于或等于閾值的像素屬于物體，而其它屬于背景。這種方法對(duì)于在物體與背景之間存在明顯差別（對(duì)比）的景物分割十分有效。實(shí)際上，在任何實(shí)際應(yīng)用的圖像處理系統(tǒng)中，都要用到閾值化技術(shù)。為了有效地分割物體與背景，人們發(fā)展了各種各樣的閾值處理技術(shù)，包括全局閾值、自適應(yīng)閾值、最佳閾值等等。閾值與圖像分割圖像分割的經(jīng)典方法是基于灰度閾值的分割方法我們已經(jīng)討論了簡(jiǎn)單的單值閾值，它把一幅灰度圖像轉(zhuǎn)換成二值圖像簡(jiǎn)

4、單的單值閾值在數(shù)學(xué)上可以描述為：常用的方法是求解灰度直方圖中的雙峰或者多峰， 并以兩峰之間的谷底作為閾值T閾值舉例設(shè)想電腦玩家手中的撲克牌，我們需要對(duì)其進(jìn)行視覺上的分析原始圖像閾值圖像全局閾值（Global Thresholding）全局閾值是指整幅圖像使用同一個(gè)閾值做分割處理，并產(chǎn)生一個(gè)二值圖，區(qū)分出前景對(duì)象和背景。適用于背景和前景對(duì)比度大的圖像算法實(shí)現(xiàn)：選取一個(gè)合適的閾值T，逐行掃描圖像凡灰度級(jí)大于T的，顏色置為255；凡灰度級(jí)小于T的，顏色置為0基本的全局閾值算法基本的全局閾值T可以按如下計(jì)算：1、選擇一個(gè)初時(shí)估計(jì)值T （一般為圖像的平均灰度值）2、使用T分割圖像，產(chǎn)生兩組像素：G1包括

5、灰度級(jí)大于T的像素，G2包括灰度級(jí)小于等于T的像素3、計(jì)算G1 中像素的平均值并賦值給1，計(jì)算G2 中像素的平均值并賦值給24、計(jì)算一個(gè)新的閾值：5、重復(fù)步驟 2 4，一直到兩次連續(xù)的T之間的差小于預(yù)先給定的上界T閾值舉例2通過算法迭代產(chǎn)生全局閾值單值閾值的問題單值閾值只能對(duì)雙峰直方圖工作得較好對(duì)于其它類型的直方圖，需要更多的閾值單值閾值和光照不均勻的光照會(huì)使單值閾值方案失效基本的自適應(yīng)閾值解決單值閾值無法工作的一個(gè)方法是將圖像分割為子圖像，并分別進(jìn)行閾值化處理由于每個(gè)像素的閾值依賴于其在圖像中的位置，因此稱為自適應(yīng)（adaptive）閾值基本的自適應(yīng)閾值舉例下圖為對(duì)前面提到的圖像進(jìn)行自適應(yīng)閾

6、值后的圖像我們看到圖像得到了改善，但是需要對(duì)出錯(cuò)的圖像進(jìn)行進(jìn)一步的細(xì)分，從而得到更好的效果邊緣檢測(cè)與圖像分割邊緣檢測(cè)首先檢出圖像局部特性的不連續(xù)性，然后再將這些不連續(xù)的邊緣像素連接成完整的邊界。邊緣的特性是沿邊緣走向的像素變化平緩，而垂直于邊緣方向的像素變化劇烈。所以，從這個(gè)意義上說，檢測(cè)邊緣的算法就是檢出符合邊緣特性的邊緣像素的數(shù)學(xué)算子，目前，邊緣檢測(cè)場(chǎng)采用邊緣算子法和模板匹配法等。點(diǎn)檢測(cè)汽輪機(jī)葉片對(duì)應(yīng)的X光圖像點(diǎn)檢測(cè)的結(jié)果改變閾值的結(jié)果線檢測(cè)通過比較典型模板的計(jì)算值，確定一個(gè)點(diǎn)是否在某個(gè)方向的線上你也可以設(shè)計(jì)其它模板：模板系數(shù)之和為0感興趣的方向系數(shù)值較大-1-1-1222-1-1-1水平

7、模板-1-12-12-12-1-145度模板-12-1-12-1-12-1垂直模板2-1-1-12-1-1-12135度模板邊緣檢測(cè)與圖像分割術(shù)語定義邊緣的定義： 指圖像中像素灰度有階躍變化或屋頂變化的那些像素的集合。 一段邊緣是兩個(gè)具有相對(duì)不同灰度值特性的區(qū)域的邊界線邊緣的分類： 階躍狀 屋頂狀輪廓：邊緣列表或一條表示邊緣列表的擬合曲線邊緣連接：從無序邊緣表形成有序邊緣表的過程邊緣跟蹤：一個(gè)用來確定輪廊的圖像搜索過程邊緣檢測(cè)與圖像分割 兩種常見的邊緣一階導(dǎo)數(shù)和二階導(dǎo)數(shù)示意圖 (a)階躍函數(shù) (b)屋頂函數(shù)梯度與圖像分割一階微分：用梯度算子來計(jì)算當(dāng)物體與背景有明顯對(duì)比度時(shí)，物體的邊界處于圖像梯

8、度最高的點(diǎn)上，通過跟蹤圖像中具有最高梯度的點(diǎn)的方式獲得物體的邊界，可以實(shí)現(xiàn)圖像分割。這種方法容易受到噪聲的影響而偏離物體邊界，通常需要在跟蹤前對(duì)梯度圖像進(jìn)行平滑等處理，再采用邊界搜索跟蹤算法來實(shí)現(xiàn)。二階微分：用拉普拉斯算子來計(jì)算邊緣檢測(cè)與圖像分割幾種常用的邊緣檢測(cè)算子： 梯度算子 Roberts算子 Prewitt算子 Sobel算子 Kirsch算子 Laplacian算子 Marr算子常用的邊緣檢測(cè)器給定圖像中的一個(gè) 3*3區(qū)域，使用下面的邊緣檢測(cè)濾波器進(jìn)行檢測(cè)，它們都使用一階導(dǎo)數(shù)邊緣檢測(cè)舉例原始圖像水平梯度部分垂直梯度部分組合得到邊緣圖像邊緣檢測(cè)問題邊緣檢測(cè)中經(jīng)常碰到的問題是：圖像中存在

9、太多的細(xì)節(jié)。比如，前面例子中的磚墻圖像受到噪聲的干擾，不能準(zhǔn)確的檢測(cè)邊緣解決的一個(gè)方法是在邊緣檢測(cè)之前對(duì)圖像進(jìn)行平滑平滑后的邊緣檢測(cè)舉例原始圖像水平梯度部分垂直梯度部分組合得到邊緣圖像邊界提取與輪廓跟蹤為了獲得圖像的邊緣人們提出了多種邊緣檢測(cè)方法，如Sobel, Canny edge, LoG。在邊緣圖像的基礎(chǔ)上，需要通過平滑、形態(tài)學(xué)等處理去除噪聲點(diǎn)、毛刺、空洞等不需要的部分，再通過細(xì)化、邊緣連接和跟蹤等方法獲得物體的輪廓邊界。 將檢測(cè)的邊緣點(diǎn)連接成線就是邊緣跟蹤。線是圖像分析中一個(gè)基本而重要的內(nèi)容，它是圖像的一種中層符號(hào)描述，它使圖像的表述更簡(jiǎn)潔，并可用來完成一定圖像的識(shí)別任務(wù)。將邊緣點(diǎn)連成

10、線的方法很多，但都不完善，基本上是按一定的規(guī)則來進(jìn)行，且需要知識(shí)的引導(dǎo)，對(duì)跟蹤的效果往往要人工編輯。 由邊緣形成線特征包括兩個(gè)過程：提取可構(gòu)成線特征的邊緣；將邊緣連成線。連接邊緣的方法很多，主要有光柵掃描跟蹤和全向跟蹤法 邊界提取與輪廓跟蹤Hough變換對(duì)于圖像中某些符合參數(shù)模型的主導(dǎo)特征，如直線、圓、橢圓等，可以通過對(duì)其參數(shù)進(jìn)行聚類的方法，抽取相應(yīng)的特征。Hough變換Hough的定義：如圖 (a)，在直角坐標(biāo)系中有一條直線l，原點(diǎn)到該直線的垂直距離為，垂線與x軸的夾角為，則這條直線是唯一的，且其直線方程為： =xcos+ysin而這條直線用極坐標(biāo)表示則為一點(diǎn)（、）?？梢姡苯亲鴺?biāo)系中的一條

11、直線對(duì)應(yīng)極坐標(biāo)系中的一點(diǎn)，這種線到點(diǎn)的變換就是Hough變換。 Hough變換在直角坐標(biāo)系中過任一點(diǎn)（x0,y0）的直線系，如圖(b)，滿足=x0cos+y0sin =(x02+y02)1/2sin(+) 其中=tg-1(y0/x0)Hough變換而這些直線在極坐標(biāo)系中所對(duì)應(yīng)的點(diǎn)（、）構(gòu)成圖(c)中的一條正弦曲線。反之，在極坐標(biāo)系中位于這條正弦曲線上的點(diǎn)，對(duì)應(yīng)直角坐標(biāo)系中過點(diǎn)(x0,y0)的一條直線，如圖 (d)所示。 Hough變換設(shè)平面上有若干點(diǎn)，過每點(diǎn)的直線系分別對(duì)應(yīng)于極坐標(biāo)上的一條正弦曲線。若這些正弦曲線有共同的交點(diǎn)（，），如圖(e),則這些點(diǎn)共線，且對(duì)應(yīng)的直線方程為 =xcos+ys

12、in 這就是Hough變換檢測(cè)直線的原理。 Hough變換原圖Hough變換進(jìn)行邊緣檢測(cè)Hough變換圖像灰度閾值分割技術(shù)都沒有考慮到圖像像素空間的連通性。區(qū)域增長是把圖像分割成特征相同的若干小區(qū)域，比較相鄰小區(qū)域特征的相似性，若它們足夠相似，則作為同一區(qū)域合并，以此方式將特征相似的小區(qū)域不斷合并，直到不能合并為止，最后形成特征不同的各區(qū)域。這種分割方式也稱區(qū)域擴(kuò)張法。區(qū)域內(nèi)像素的相似性度量可以包括平均灰度值、紋理、顏色等信息。區(qū)域增長進(jìn)行區(qū)域增長首先要解決三個(gè)問題：確定區(qū)域的數(shù)目；選擇有意義的特征；確定相似性準(zhǔn)則。 簡(jiǎn)單區(qū)域擴(kuò)張法以圖像的某個(gè)像素為生長點(diǎn)，比較相鄰像素的特征，將特征相似的相鄰像素合并為同一區(qū)域；以合并的像素為生長點(diǎn)，繼續(xù)重復(fù)以上的操作，最終形成具有相似特征的像素的最大連通集合。這種方法稱簡(jiǎn)單（單一型）區(qū)域擴(kuò)張法。下面給出以像素灰度為特征進(jìn)行簡(jiǎn)單區(qū)域增長的步驟。1）對(duì)圖像進(jìn)行光柵掃描，求出不屬于任何區(qū)域的像素。當(dāng)尋找不到這樣的像素時(shí)結(jié)束操作。2）把這個(gè)像素灰度同其周圍（4-鄰域或8-鄰域）不屬于其他區(qū)域的像素進(jìn)行比較，若灰度差值小于閾值，則合并到