圖像的分割技術

圖像的分割技術第1頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義7.1圖像分割定義和方法分類圖像分割的定義

圖像分割是把圖像分成各具特性的區(qū)域并提取出感興趣目標的技術和過程。

——圖像分割技術是圖像處理技術研究的熱點之一。第2頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義實例第3頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義第4頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義第5頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義第6頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義第7頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義圖像分割的性質（1）（2）對所有i和j，i≠j，有（3）對i=1,2,…,n，有（4）對i≠j，有（5）對i=1,2,…,n，Ri是連通的區(qū)域第8頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義分割方法分類從分割依據(jù)出發(fā)“相似性分割”就是將具有同一灰度級或紋理的像素聚集在一起，形成圖像中的不同區(qū)域。這種基于相似性原理的方法常稱為“基于區(qū)域相關的分割技術”“非連續(xù)性分割”需要先檢測圖像的局部不連續(xù)性，然后將它們連接起來形成邊界，這些邊界將圖像分割成不同的區(qū)域。這種基于不連續(xù)原理檢測圖像中物體邊緣的方法也稱為“基于點相關的分割技術”。這兩種方法具有互補性，一般來說在不同的場合需要不同的方法，有時也將它們的處理結果相結合，以獲得更好的效果。根據(jù)分割算法本身閾值法、邊緣檢測法、匹配法等第9頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義分割算法分類根據(jù)策略分類串行算法串行邊界類、串行區(qū)域類并行算法并行邊界類、并行區(qū)域類第10頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義7.2邊緣檢測邊緣可定義為在局部區(qū)域內(nèi)圖像的差別，他表現(xiàn)為圖像上的不連續(xù)性。(灰度級的突變，紋理結構的突變，顏色的變化)，可通過灰度門限法和空間特性分類得到。第11頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義7.2邊緣檢測——邊緣分類相鄰區(qū)域灰度值不同圖像灰度剖面一階導數(shù)第12頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義階躍第13頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義脈沖第14頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義第15頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義微分算子1.梯度算子

G[f(x,y)]=[f/x,f/y]T第16頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義

第17頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義典型算子1-11-1Roberts-1-1-1111-1-11-111-1-2-1121-11-22-11PrewittSobel第18頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義微分算子2.拉普拉斯算子0-10-14-10-10-1-1-1-18-1-1-1-1第19頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義提取邊緣策略應當先對圖像去噪聲，再進行邊緣提取。若先對圖像平滑處理，抑制噪聲，再求微分，則為Marr等算子第20頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義MARR算子fs(x,y)=f(x,y)*G(x,y,)

取高斯濾波器作平滑濾波，可以使頻域具有通帶窄、空域方差小的最佳特點。馬爾和希爾德雷斯（Hildreth）提出的最佳邊緣檢測算子（簡稱M-H算子，常稱為Marr算子）。連接零交叉點的軌跡，就可以得到圖像的邊緣。第21頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義7.3輪廓跟蹤和圖搜索輪廓跟蹤

又稱邊緣點鏈接方法，從一個邊緣點出發(fā)，依次搜索，從鄰接點檢測出輪廓并連接。第22頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義輪廓跟蹤流程第23頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義圖搜索方法借助狀態(tài)空間搜索來尋求全局最優(yōu)的輪廓基本概念有向弧有向圖父節(jié)點、子節(jié)點展開層最小代價第24頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義圖搜索法例6.3.2第25頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義7.4閾值分割最常用的圖像分割技術主要利用圖像中背景與對象之間的灰度差異。理想狀態(tài)下圖像的灰度直方圖上呈明顯的雙峰分布，兩類物體灰度級間無交疊。在直方圖中處于谷底的區(qū)域選取一個灰度值作為閾值，根據(jù)灰度與閾值的關系將像素判定為對象點或背景點，這個過程稱為圖像二值化。對二值圖像進行進一步的分析就可以獲得圖像的分割結果。第26頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義二值化設f(x,y)表示原圖像，g(x,y)表示分割后的圖像，T為選定的灰度閾值，分割算法表示為或其中：“1”表示物體（對象、目標），

“0”表示背景。第27頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義多閾值二值化有時對象的灰度分布相對集中，而背景的灰度分布很散，就需要設置兩個灰度閾值T1、T2,T1>T2，這兩個閾值間的灰度范圍都對應于對象，即：第28頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義1111111114565651157888611688876115788861148777611654565111111111012345678灰度級201030像素點(a)(b)Th=4Th=7(c)灰度取域法，閾值對分割結果影響很大（a）數(shù)字圖像（b）直方圖（c）取閾結果Th=4,Th=7第29頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義1、極小值點閾值h(z)——直方圖“直方圖雙峰法”：如果灰度直方圖呈現(xiàn)明顯的雙峰狀，則選取兩峰之間的谷底對應的灰度級作為閾值。谷底就是直方圖的極小值。將各端點相連，形成直方圖的包絡線h(z)，這是一條曲線，它的極小值滿足第30頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義T=120（a）原圖（b）直方圖（c）二值化結果Rice圖像雙峰法分割第31頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義2、最優(yōu)閾值算法設圖像由兩類對象1、2組成，它們的條件概率分別為：P(x/1)、P(x/2),其中x是灰度級，T是閾值二值化判斷：x>T,x2；x<T,x1最優(yōu)域值法示意圖P(x/w1)P(x/w2)x0T第32頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義最優(yōu)條件2誤為1的誤差概率：

1(T)=(-,T)P(x/2)dx1誤為2的誤差概率：

2(T)=(T,+)P(x/1)dx先驗概率P(2),P(1),P(2)+P(1)=1總誤判概率：

(T)=P(1)1(T)+P(2)2(T)let(T)/T=0,then1(T)/T=P(x/2),2(T)/T=-P(x/1),總誤差最小時有

P(2)P(x/2)x=T=P(1)P(x/1)x=T第33頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義

已知概率模型下的簡化若兩類對象均服從正態(tài)分布，總誤差最小時有：第34頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義IfP(2)=P(1)=1/2,12=22thenT=(2+2

)/2第35頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義7.5基于變換直方圖選取閾值1.直方圖變換具有低梯度值像素的直方圖，谷變深具有高梯度值像素的直方圖，峰變高可進行加權變換例如:權值＝1/(1+g)2第36頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義灰度－梯度散射圖作圖：

分別以灰度和梯度為橫縱坐標進行投影。以形成的聚類團作為分割的依據(jù)。第37頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義7.6空間聚類空間聚類可看作是閾值分割概念的推廣?？臻g聚類是把圖像中的像素點按照特征用相應的特征點表示，這些點形成的類團作為分割的依據(jù)灰度－梯度散射就屬于一種空間聚類的算法第38頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義K均值聚類算法：（迭代算法）設定任意類的均值進行迭代，把任意像素點按下面的準則進行分配：分配完畢后更新類的均值直到類均值不再產(chǎn)生變化，即算法收斂為止。第39頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義K均值聚類其中K為初始設定的分類數(shù)實際采用試算方法來確定合理的K值。即首先根據(jù)圖像特征，設定不同的K值，然后根據(jù)聚類的結果選擇較合理的K值。第40頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義ISODATA聚類和K均值法類似，采用聚類的中心來進行迭代搜索確定N個聚類中心位置根據(jù)中心位置劃分各個像素點為不同區(qū)域重新確定區(qū)域的中心位置迭代至中心位置不在產(chǎn)生移動第41頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義最基本的區(qū)域分割方法，它按照一定的同質判據(jù)H把圖像分解為N個相鄰的區(qū)域fk，即：7.7區(qū)域生長分解的區(qū)域滿足其中ki是不同區(qū)域的增長核心?；疽兀?）區(qū)域的數(shù)目，各區(qū)域的生長核心（種子）；2）區(qū)域間相區(qū)別的性質特征，由此構造同質判據(jù)。第42頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義區(qū)域生長算法1）給定同質判據(jù)H；2）掃描圖像，獲得不屬于任何已分割區(qū)域的像素點，作為生長核心ki；3）以ki為核心，H為判據(jù)進行生長：將該像素與它的4鄰域或8鄰域像素相比較，若滿足規(guī)則H，就將它們合并為同一個區(qū)域，并標記同樣的區(qū)域符號；4）對于那些新并入的像素，重復3）的操作；5）反復進行3）、4），直至區(qū)域不能再增長為止；6）返回2），尋找新的區(qū)域核心，直至圖像中的所有像素點都已經(jīng)歸入某一個區(qū)域。第43頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義區(qū)域生長算法例子6.7.1第44頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義區(qū)域生長算法改進：設定灰度差的閾值為零，先進行相似區(qū)域的擴張，獲得一系列的小區(qū)域求出小區(qū)域的平均灰度值合并平均灰度值差小于門限的鄰接區(qū)域第45頁，共48頁，2023年，2月20日，星期四醫(yī)學圖像處理講義區(qū)域生長的誤差（1）區(qū)域為均勻的