數(shù)字圖像處理PPT

圖像分割概述和分類基于閾值的分割基于區(qū)域的分割主要內(nèi)容圖像分割的概念根據(jù)灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分成若干個(gè)互不相交的區(qū)域，使得這些特征在同一區(qū)域內(nèi)，表現(xiàn)出一致性或相似性，而在不同區(qū)域間表現(xiàn)出明顯的不同。1概述和分類把圖像分解成構(gòu)成它的部件和對(duì)象的過(guò)程有選擇性地定位感興趣對(duì)象在圖像中的位置和范圍圖像分割的基本思路從簡(jiǎn)到難，逐級(jí)分割控制背景環(huán)境，降低分割難度把焦點(diǎn)放在增強(qiáng)感興趣對(duì)象，縮小不相干圖像成分的干擾上圖像分割的基本思路1.從簡(jiǎn)到難，逐級(jí)分割1)分割矩形區(qū)域2)定位牌照3)定位文字 圖像分割的基本思路2.控制背景環(huán)境，降低分割難度背景環(huán)境:路面、天空?qǐng)D像分割的基本思路3.把焦點(diǎn)放在增強(qiáng)感興趣對(duì)象，縮小不相干圖像成分的干擾上1)感興趣的對(duì)象：汽車牌照2)不相干圖像成分：非矩形區(qū)域圖像分割的基本策略圖像分割的基本策略，基于灰度值的兩個(gè)基本特性：不連續(xù)性——區(qū)域之間相似性——區(qū)域內(nèi)部根據(jù)圖像像素灰度值的不連續(xù)性先找到點(diǎn)、線（寬度為1）、邊（不定寬度）再確定區(qū)域圖像分割的基本策略根據(jù)圖像像素灰度值的相似性通過(guò)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)象的邊圖像分割介紹定義將圖像分成各具特性的區(qū)域，并提取出感興趣目標(biāo)的技術(shù)和過(guò)程灰度、顏色、紋理對(duì)應(yīng)單個(gè)區(qū)域和多個(gè)區(qū)域圖像處理過(guò)渡到圖像分析的關(guān)鍵步驟，也是一種基本的計(jì)算機(jī)視覺(jué)技術(shù)基于閾值的分割－通過(guò)閾值對(duì)不同物體進(jìn)行分割基于邊緣的分割－先確定邊緣象素，并把它們連接在一起，以構(gòu)成所需的邊界基于區(qū)域的分割－把各象素劃歸到各個(gè)物體或區(qū)域中基于運(yùn)動(dòng)的分割－通過(guò)視頻物體運(yùn)動(dòng)進(jìn)行分割圖像分割方法分類2基于閾值的分割圖像閾值分割是一種廣泛應(yīng)用的分割技術(shù)，利用圖像中要提取的目標(biāo)物與其背景在灰度特性上的差異，把圖像視為具有不同灰度級(jí)的兩類區(qū)域(目標(biāo)和背景)的組合，選取一個(gè)合適的閾值，以確定圖像中每個(gè)象素點(diǎn)應(yīng)該屬于目標(biāo)還是背景區(qū)域，從而產(chǎn)生相應(yīng)的二值圖像可以大量壓縮數(shù)據(jù)，減少存儲(chǔ)容量，而且能大大簡(jiǎn)化其后的分析和處理步驟對(duì)物體與背景具有較強(qiáng)對(duì)比的景物的分割很有效，而且總能用封閉連通的邊界定義不交疊的區(qū)域設(shè)原始圖像f(x,y)，以一定的準(zhǔn)則在f(x,y)中找出一個(gè)合適的灰度值，作為閾值t，則分割后的圖像g(x,y)，可由下式表示：g(x,y)=1f(x,y)≥t0f(x,y)<tg(x,y)=1f(x,y)≤t0f(x,y)>t或另外，還可以將閾值設(shè)置為一個(gè)灰度范圍[t1,t2]，凡是灰度在范圍內(nèi)的象素都變?yōu)?，否則皆變?yōu)?，即g(x,y)=1t1≤f(x,y)≤t20其它某種特殊情況下，高于閾值t的象素保持原灰度級(jí)，其它象素都變?yōu)?，稱為半閾值法，分割后的圖像可表示為：g(x,y)=f(x,y)f(x,y)≥t0其它閾值分割圖像的基本原理，可用下式表示：g(x,y)=ZEf(x,y)∈ZZB

其它閾值閾值的選取是閾值分割技術(shù)的關(guān)鍵，如果過(guò)高，則過(guò)多的目標(biāo)點(diǎn)被誤歸為背景；如果閾值過(guò)低，則會(huì)出現(xiàn)相反的情況由此可見(jiàn)，閾值化分割算法主要有兩個(gè)步驟：1、確定需要的分割閾值2、將分割閾值與象素值比較以劃分象素在利用閾值方法來(lái)分割灰度圖像時(shí)一般都對(duì)圖像有一定的假設(shè)?；谝欢ǖ膱D像模型的。最常用的模型：假設(shè)圖像由具有單峰灰度分布的目標(biāo)和背景組成，處于目標(biāo)或背景內(nèi)部相鄰象素間的灰度值是高度相關(guān)的，但處于目標(biāo)和背景交界處兩邊的象素在灰度值上有很大的差別。如果一幅圖像滿足這些條件，它的灰度直方圖基本上可看作是由分別對(duì)應(yīng)目標(biāo)和背景的兩個(gè)單峰直方圖混合構(gòu)成的。閾值選取方法直方圖閾值分割法類間方差閾值分割法二維最大熵值分割法模糊閾值分割法2.1直方圖閾值分割簡(jiǎn)單直方圖分割法最佳閾值1.簡(jiǎn)單直方圖分割法圖像的灰度級(jí)范圍為0,1,…l-1，設(shè)灰度級(jí)i的象素?cái)?shù)為ni，則一幅圖像的總象素N為N=∑i=0l-1ni灰度級(jí)i出現(xiàn)的概率定義為：pi=ni/N灰度圖像的直方圖反映一幅圖像上灰度分布的統(tǒng)計(jì)特性，成為利用象素灰度作屬性的分割方法的基礎(chǔ)Z1ZiZtZjZk暗亮PB1B2背景目標(biāo)60年代中期，Prewitt提出了直方圖雙峰法，即如果灰度級(jí)直方圖呈明顯的雙峰狀，則選取兩峰之間的谷底所對(duì)應(yīng)的灰度級(jí)作為閾值。注意：應(yīng)用灰度直方圖雙峰法來(lái)分割圖像，也需要一定的圖像先驗(yàn)知識(shí)，因?yàn)橥粋€(gè)直方圖可以對(duì)應(yīng)若干個(gè)不同的圖像，直方圖只表明圖像中各個(gè)灰度級(jí)上有多少個(gè)象素，并不描述這些象素的任何位置信息。該方法不適合直方圖中雙峰差別很大或雙峰間的谷比較寬廣而平坦的圖像，以及單峰直方圖的情況。70年代初，研究工作集中在直方圖變換，但無(wú)論是直方圖還是直方圖變換法都僅僅考慮了直方圖灰度信息而忽略了圖像的空間信息2.最佳閾值所謂最佳閾值是指圖像中目標(biāo)物與背景的分割錯(cuò)誤最小的閾值設(shè)一幅圖像只由目標(biāo)物和背景組成，已知其灰度級(jí)分布概率密度分布為P1(Z)和P2(Z)，且已知目標(biāo)物象素占全圖象素?cái)?shù)比為θ，因此，該圖像總的灰度級(jí)概率密度分布P(Z)可用下式表示：P(Z)=θP1(Z)+(1-θ)P2(Z)假定閾值為Z，認(rèn)為圖像由亮背景上的暗物體所組成，即灰度小于Z的為目標(biāo)物，大于Z的為背景P1(Z)P2(Z)Zt目標(biāo)物背景如圖所示，如選定Zt為分割閾值，則將背景象素錯(cuò)認(rèn)為是目標(biāo)物象素的概率為：E1(Zt)=∫-∞ZtP2(Z)dZE2(Zt)=∫zt∞P1(Z)dZ將目標(biāo)物象素錯(cuò)認(rèn)為是背景象素的概率為：因此，總的錯(cuò)誤概率E(Z)為：E(Zt)=(1-θ)E1(Zt)+θE2(Zt)最佳閾值就是使E(Zt)為最小值時(shí)的Zt，將E(Zt)對(duì)Zt求導(dǎo)，并令其等于0，解出其結(jié)果為：θP1(Zt)=(1-θ)P2(Zt)設(shè)P1(Zt)和P2(Zt)均為正態(tài)分布函數(shù)，其灰度均值分別為μ1和μ2，對(duì)灰度均值的標(biāo)準(zhǔn)偏差分別為σ1和σ2，即將上兩式代入，且對(duì)兩邊求對(duì)數(shù)，得到：簡(jiǎn)化為：AZt2+BZt+C=0上式是Zt的一個(gè)二次方程式，有兩個(gè)解，因此，要使分割誤差最小，需要設(shè)置兩個(gè)閾值，即上式的兩個(gè)解。如果設(shè)σ2=σ12=σ22，即方差相等，則上式方程存在唯一解，即：如果設(shè)θ=1-θ，即θ＝1/2時(shí)，E1(Zt)E2(Zt)P1(Z)P2(Z)ZtZP從前面可以看出，假如圖像的目標(biāo)物和背景象素灰度級(jí)概率呈正態(tài)分布，且偏差相等(σ12=σ22)，背景和目標(biāo)物象素總數(shù)也相等(θ＝1/2)，則這個(gè)圖像的最佳分割閾值就是目標(biāo)物和背景象素灰度級(jí)兩個(gè)均值的平均2.2類間方差閾值分割這是由Ostu提出的最大類間方差法，又稱為大津閾值分割法，是在判決分析最小二乘法原理的基礎(chǔ)上推導(dǎo)得出的具體算法：設(shè)原始灰度圖像灰度級(jí)為L(zhǎng)，灰度級(jí)為i的象素點(diǎn)數(shù)為ni，則圖像的全部象素?cái)?shù)為N=n0+n1+…+nL-1歸一化直方圖，則pi=ni/N，∑i=0L-1pi=1按灰度級(jí)用閾值t劃分為兩類：C0=(0,1,..t)和C1=(t+1,t+2,…L-1),因此，C0和C1類的出現(xiàn)概率及均值分別由下列各式給出其中：可以看出，對(duì)任何t值，下式都能成立：C0和C1類的方差可由下式求得：定義類內(nèi)方差為：類間方差為：總體方差為：引入關(guān)于t的等價(jià)判決準(zhǔn)則：類間/類內(nèi)三個(gè)準(zhǔn)則是等效的，把使C0,C1兩類得到最佳分離的t值作為最佳閾值，因此，將λ(t)、η(t)、κ(t)定義為最大判決準(zhǔn)則。由于σw2是基于二階統(tǒng)計(jì)特性，而σB2是基于一階統(tǒng)計(jì)特性，它們都是閾值t的函數(shù)，而σT2與t值無(wú)關(guān)，因此三個(gè)準(zhǔn)則中η(t)最為簡(jiǎn)單，因此選其作為準(zhǔn)則，可得到最佳閾值t*2.3最大熵閾值分割一維最大熵閾值分割二維最大熵閾值分割1.一維最大熵閾值分割熵是平均信息量的表征原理根據(jù)信息論，熵的定義為：H=-∫-∞+∞p(x)lgp(x)dx所謂灰度的一維熵最大，就是選擇一個(gè)閾值，使圖像用這個(gè)閾值分割出的兩部分的一階灰度統(tǒng)計(jì)的信息量最大。設(shè)ni為數(shù)字圖像中灰度級(jí)i的象素點(diǎn)數(shù)，pi為灰度級(jí)i出現(xiàn)的概率，則pi=ni/(N×N),i=1,2…L圖像灰度直方圖如圖所示：piiOBtO區(qū)概率分布：pi/pti=1,2…tB區(qū)概率分布：pi/(1-pt)i=t+1,t+2…Lpt=∑i=1tpi其中：對(duì)于數(shù)字圖像，目標(biāo)區(qū)域和背景區(qū)域的熵分別定義為：熵函數(shù)定義為：當(dāng)熵函數(shù)取最大值時(shí)對(duì)應(yīng)的灰度值t*就是所求的最佳閾值，即二維最大熵閾值分割一維最大熵直方圖灰度信息，沒(méi)有利用空間信息基于分割效果差信噪比降低在圖像特征中，點(diǎn)灰度是最基本的特征，但它對(duì)噪聲敏感，區(qū)域灰度特征包含了部分空間信息，且對(duì)噪聲的敏感程度低于點(diǎn)灰度特征綜合利用點(diǎn)灰度特征和區(qū)域灰度特征，可以較好的表征圖像的信息利用圖像點(diǎn)灰度和區(qū)域灰度均值得二維最大熵閾值法具體方法如下：首先以原始灰度圖像(L個(gè)灰度級(jí))中各象素及其4鄰域的4個(gè)象素為一個(gè)區(qū)域，計(jì)算出區(qū)域灰度均值圖像(L個(gè)灰度級(jí))，這樣原始圖像中的每個(gè)象素都對(duì)應(yīng)一個(gè)點(diǎn)灰度-區(qū)域灰度均值對(duì)，這樣的數(shù)據(jù)對(duì)存在L×L種可能的取值設(shè)ni,j為圖像中點(diǎn)灰度為i及其區(qū)域灰度均值為j的象素點(diǎn)數(shù)，pi,j為點(diǎn)灰度-區(qū)域灰度均值對(duì)(i,j)發(fā)生的概率，則pi,j=ni,j/(N×N){pi,j}就是該圖像關(guān)于點(diǎn)灰度-區(qū)域灰度均值得的二維直方圖點(diǎn)灰度-區(qū)域灰度均值對(duì)(i,j)的概率高峰主要分布在XOY平面的對(duì)角線附近，并且在總體上呈現(xiàn)雙峰和一谷狀態(tài)這是由于圖像的所有象素中，目標(biāo)點(diǎn)和背景點(diǎn)所占比例最大，而目標(biāo)區(qū)域和背景區(qū)域內(nèi)部象素灰度級(jí)比較均勻，點(diǎn)灰度及其區(qū)域灰度均值相差不大，所以都集中在對(duì)角線附近，兩個(gè)峰分別對(duì)應(yīng)于目標(biāo)和背景，遠(yuǎn)離XOY平面對(duì)角線的坐標(biāo)處，峰的高度急劇下降，這部分所反映的是圖像中的噪聲點(diǎn)、邊緣點(diǎn)和雜散點(diǎn)二維直方圖的XOY平面圖目標(biāo)背景邊界噪聲在A區(qū)和B區(qū)上用點(diǎn)灰度-區(qū)域灰度均值二維最大熵法確定最佳閾值，使真正代表目標(biāo)和背景的信息量最大設(shè)A區(qū)和B區(qū)各自具有不同的概率分布，用A區(qū)和B區(qū)的后驗(yàn)概率對(duì)各區(qū)域的概率pi,j進(jìn)行歸一化處理，以使分區(qū)熵之間具有可加性。如果閾值設(shè)在(s,t)，則PA=∑i∑jpi,j，i=1,2…s,j=1,2…tPB=∑i∑jpi,j，i=s+1,s+2…L,j=t+1,t+2…L定義離散二維熵為：H=-∑i∑jpi,jlgpi,j則A區(qū)和B區(qū)的二維熵分別為：其中：由于C區(qū)和D區(qū)包含的是關(guān)于噪聲和邊緣的信息，所以將其忽略不計(jì)，即假設(shè)C區(qū)和D區(qū)的pi,j≈0。C區(qū)：i=s+1,s+2,…L；j=1,2…t。D區(qū)：i=1,2,…s；j=t+1,t+2…L，可以得到：PB=1-PA

HB=HL-HAHL=-∑i∑jpi,jlgpi,ji=1,2…L，j=1,2,…L則：H(B)=lg(1-PA)+(HL-HA)/(1-PA)選取的最佳閾值向量(s*,t*)滿足：熵的判別函數(shù)定義為：（3）單邊緣響應(yīng)準(zhǔn)則要保證對(duì)單邊緣只有一個(gè)響應(yīng)，檢測(cè)算子的脈沖響應(yīng)導(dǎo)數(shù)的0交叉點(diǎn)平均距離Dzca(f’)應(yīng)滿足(h’’(x)為h(x)的二階導(dǎo)數(shù))：以上面的指標(biāo)和準(zhǔn)則為基礎(chǔ)，利用泛函求導(dǎo)的方法，可導(dǎo)出一個(gè)由邊緣定位精度和信噪比乘積組成的表達(dá)式，這個(gè)表達(dá)式近似于高斯函數(shù)的一階導(dǎo)數(shù)。4基于區(qū)域的分割圖像分割－把圖像分解為若干個(gè)有意義的子區(qū)域，而這種分解－基于物體有平滑均勻的表面，與圖像中強(qiáng)度恒定或緩慢變化的區(qū)域相對(duì)應(yīng)，即每個(gè)子區(qū)域都具有一定的均勻性質(zhì)前面所討論的邊緣、閾值，沒(méi)有明顯使用分割定義中的均勻測(cè)度度量區(qū)域分割－直接根據(jù)事先確定的相似性準(zhǔn)則，直接取出若干特征相近或相同象素組成區(qū)域常用的區(qū)域分割－區(qū)域增長(zhǎng)(區(qū)域生長(zhǎng))、區(qū)域分裂－合并方法等區(qū)域增長(zhǎng)原理和步驟基本思想－將具有相似性質(zhì)的象素集合起來(lái)構(gòu)成區(qū)域。具體步驟－先對(duì)每個(gè)需要分割的區(qū)域找一個(gè)種子象素作為生長(zhǎng)起點(diǎn)，然后將種子象素周圍鄰域中與種子象素有相同或相似性質(zhì)的象素(根據(jù)某種事先確定的生長(zhǎng)或相似準(zhǔn)則來(lái)判定)合并到種子象素所在的區(qū)域中。將這些新象素當(dāng)做新的種子象素繼續(xù)進(jìn)行上面的過(guò)程，直到再?zèng)]有滿足條件的象素可被包括進(jìn)來(lái)，這樣一個(gè)區(qū)域就長(zhǎng)成了●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●●R1R5R4R3R2如圖給出已知種子點(diǎn)區(qū)域生長(zhǎng)的一個(gè)示例。1047510477015552056522564115551155511555115551155511575115771155521555225551111111111111111111111111(a)(b)(c)(d)(a)給出需要分割的圖像，設(shè)已知兩個(gè)種子象素(標(biāo)為深淺不同的灰色方塊)，現(xiàn)在進(jìn)行區(qū)域生長(zhǎng)采用的判斷準(zhǔn)則是：如果所考慮的象素與種子象素灰度值差的絕對(duì)值小于某個(gè)門(mén)限T，則將該象素包括進(jìn)種子象素所在的區(qū)域圖(b)給出T=3時(shí)區(qū)域生長(zhǎng)的結(jié)果，整幅圖被較好的分成2個(gè)區(qū)域圖(c)給出T=1時(shí)區(qū)域生長(zhǎng)的結(jié)果，有些象素?zé)o法判定圖(d)給出T=6時(shí)區(qū)域生長(zhǎng)的結(jié)果，整幅圖都被分成1個(gè)區(qū)域。從上面的例子可以看出，在實(shí)際應(yīng)用區(qū)域生長(zhǎng)法時(shí)需要解決三個(gè)問(wèn)題：（1）選擇或確定一組能正確代表所需區(qū)域的種子象素（2）確定在生長(zhǎng)過(guò)程中能將相鄰象素包括進(jìn)來(lái)的準(zhǔn)則（3）制定讓生長(zhǎng)過(guò)程停止的條件或規(guī)則種子象素的選取?？山柚唧w問(wèn)題的特點(diǎn)進(jìn)行。迭代－從大到小逐步收縮典型軍用紅外圖像中檢測(cè)目標(biāo)時(shí)，目標(biāo)輻射較大，可選圖像中最亮的象素作為種子象素如果具體問(wèn)題沒(méi)有先驗(yàn)知識(shí)，則常可借助生長(zhǎng)所用準(zhǔn)則對(duì)每個(gè)象素進(jìn)行相應(yīng)的計(jì)算，如果計(jì)算結(jié)果呈現(xiàn)聚類的情況，則接近聚類重心的象素可取為種子象素生長(zhǎng)準(zhǔn)則的選取不僅依賴于具體問(wèn)題本身，也和所用圖像數(shù)據(jù)的種類有關(guān)如當(dāng)圖像是彩色的時(shí)候，僅用單色的準(zhǔn)則效果受到影響，另外還需考慮象素間的連通性和鄰近性，否則有時(shí)會(huì)出現(xiàn)無(wú)意義的分割結(jié)果一般生長(zhǎng)過(guò)程，在進(jìn)行到再?zèng)]有滿足生長(zhǎng)準(zhǔn)則需要的象素時(shí)停止，但常用的基于灰度、紋理、彩色的準(zhǔn)則大都是基于圖像中的局部性質(zhì)，并沒(méi)有充分考慮生長(zhǎng)的“歷史”。為增加區(qū)域生長(zhǎng)的能力，常考慮一些尺寸、形狀等圖像和目標(biāo)的全局性質(zhì)有關(guān)準(zhǔn)則，在這種情況下，需對(duì)分割結(jié)果建立一定的模型或輔以一定的先驗(yàn)知識(shí)生長(zhǎng)準(zhǔn)則和過(guò)程區(qū)域生長(zhǎng)的一個(gè)關(guān)鍵是選擇合適的生長(zhǎng)或相似準(zhǔn)則，大部分區(qū)域生長(zhǎng)準(zhǔn)則使用圖像的局部性質(zhì)。生長(zhǎng)準(zhǔn)則可根據(jù)不同原則制定，而使用不同的生長(zhǎng)準(zhǔn)則，將會(huì)影響區(qū)域生長(zhǎng)的過(guò)程。主要介紹3種基本的生長(zhǎng)準(zhǔn)則和方法基于區(qū)域灰度差基于區(qū)域內(nèi)灰度分布統(tǒng)計(jì)性質(zhì)基于區(qū)域形狀實(shí)例設(shè)一幅圖像，如圖(a)所示，檢測(cè)灰度為9和7，平均灰度均勻測(cè)度度量中閾值K取2，分別進(jìn)行區(qū)域增長(zhǎng)55864897228533335586489722853333558648972285333355864897228533335586489722853333(a)原圖(b)(c)(d）(e)在原圖(a)中，以9為起點(diǎn)開(kāi)始區(qū)域增長(zhǎng)，第一次區(qū)域增長(zhǎng)得到3個(gè)灰度值為8的鄰點(diǎn)，灰度級(jí)差值為1，如圖(b)所示，此時(shí)這4個(gè)點(diǎn)的平均灰度為(8＋8+8+9)/4=8.25，由于閾值取2，因此，第2次區(qū)域增長(zhǎng)灰度值為7的鄰點(diǎn)被接受，如圖(c)所示，此時(shí)5個(gè)點(diǎn)的平均灰度級(jí)為(8＋8＋8＋9＋7)/5=8。在該區(qū)域的周圍無(wú)灰度值大于6地鄰域，即均勻測(cè)度為假，停止區(qū)域增長(zhǎng)。圖(d)和(e)是以7為起點(diǎn)的區(qū)域增長(zhǎng)結(jié)果基于區(qū)域內(nèi)灰度分布統(tǒng)計(jì)性質(zhì)以灰度分布相似性作為生長(zhǎng)準(zhǔn)則把式的均勻性準(zhǔn)則用在將一個(gè)區(qū)域當(dāng)作為非均勻區(qū)域方面可能會(huì)導(dǎo)致錯(cuò)誤，如常常出現(xiàn)有大量的小區(qū)域似乎在圖像中并沒(méi)有任何真實(shí)的對(duì)應(yīng)物利用相似統(tǒng)計(jì)特性尋找具有均勻性的區(qū)域可以避免出現(xiàn)這種情況－這種方法是通過(guò)將一個(gè)區(qū)域上的統(tǒng)計(jì)特