圖像分割基于閾值和區(qū)域的分割

第九章圖像分割1編輯ppt一、概論圖像處理圖像分析與理解輸出內容圖像數(shù)值，符號目的主要是增強視覺效果人看得更清楚讓計算機懂得圖像內容研究方法理論上比較成熟缺乏普適的方法，具體問題具體分析許多問題還很難解決課程特點理論推導直觀想像多教材內容大同小異不同教材內容變化較大2編輯ppt圖像分割：把圖像空間分成一些有意義的區(qū)域，與圖像中各種物體目標相對應。目的：通過對分割結果的描述，可以理解圖像中包含的信息。圖像分割是將像素分類的過程〔聚類〕，分類的依據可建立在：像素間的相似性：如相同的灰度值、相同的顏色等非連續(xù)性：邊界、邊緣傳統(tǒng)的圖像分割技術：基于像素灰度值的分割技術基于區(qū)域的分割技術基于邊界的分割技術3編輯ppt圖像的描述，包括邊界和區(qū)域的描述圖像分割和集合定義的描述令集合R代表整個圖像區(qū)域，對R的圖像分割可以看作是將R分成N個滿足以下條件的非空子集R1，R2，….，RN：(1)(2)對所有的

i和j，，有(3)對i=1,2,…,n，有P(Ri)=TRUE(4)對，有(5)對i=1,2,…,n，Ri是連通的區(qū)域4編輯ppt應用領域遙感圖像處理：地質資源探測、農作物估產、水文氣象監(jiān)測等；生物醫(yī)學圖像處理：斷層圖像重構CT、X光透視、B超體內病變檢測、各種細胞自動計數(shù)、自動檢測和識別、生物圖片分析等；軍事圖像處理：軍事目標檢測、地形配準、目標制導、紅外制導、無人駕駛飛機等；工業(yè)圖像處理：無損探傷、無接觸式檢測(溫度、形狀、應力等)、地質礦藏分析；文本圖像分析處理和識別：文字識別、版面分析和理解，指紋識別等；圖像檢索：從數(shù)據庫中匹配滿足條件的圖像；機器人視覺：水下機器人，自動化生產線、無人駕駛汽車等。5編輯ppt圖像分割技術分類運算方法：并行邊界技術

串行邊界技術

并行區(qū)域技術

串行區(qū)域技術結構分割方法邊緣分割法閾值分割法基于區(qū)域的分割6編輯ppt二、閾值分割法

根本原理： 原始圖像——f(x,y) 灰度閾值——T 閾值運算得二值圖像——g(x,y)單閾值分割圖例7編輯ppt多閾值分割圖像 確定一系列分割閾值多閾值分割圖例8編輯ppt最古老的分割技術，計算簡單。特別適用于目標與背景有較強比照的景物圖像中組成感興趣對象的灰度值是均勻的，并且和背景的灰度值不一樣不適合于由許多不同紋理組成一塊塊區(qū)域的圖像關鍵：怎樣選擇閾值。多閾值的灰度直方圖T2T1

單一閾值的灰度直方圖9編輯ppt1.閾值選取依據僅取決于圖像灰度值，僅與各個圖像像素本身性質相關的閾值選取——全局閾值全局閾值是最簡單的圖像分割方法。取決于圖像灰度值和該點鄰域的某種局部特性，即與局部區(qū)域特性相關的的閾值選取——局部閾值當背景不均勻，或者不同區(qū)域的前景灰度有較大變化時。除取決于圖像灰度值和該點鄰域的某種局部特性之外，還取決于空間坐標，即得到的閾值與坐標相關的閾值選取——動態(tài)閾值或者自適應閾值10編輯ppt2.全局閾值原理：假定物體和背景分別處于不同灰度級，圖像的灰度分布曲線近似用兩個正態(tài)分布概率密度函數(shù)分別代表目標和背景的直方圖，出現(xiàn)兩個別離的峰值。依據最小誤差理論等準那么求出兩個峰間的波谷，其灰度值即分割的閾值。閾值T11編輯ppt確定最正確全局閾值的常用方法：P-tile-thresholding〔P片〕直方圖分析法(極小值點閾值選取)最小誤差自動門限法類別方差門限法最正確熵自動門限法迭代法12編輯ppt(1)P-tile-thresholding〔P片〕法如果分割正確的圖像的一些特征，閾值確定比較簡單，只要試驗不同的值，看是否滿足特征即可。例如打印的紙張，如果打印的字符占一張紙上的面積的百分比，可以找適宜的閾值，使該條件得到滿足。這就是最早使用的P片法。此方法不適合于事先不知道目標面積比的情況。13編輯ppt(a)Grayscaletext(b)Histogram(c)Highthreshold(d)Mediumthreshold(e)LowthresholdT=0.67T=0.50T=0.10圖9.1P-片法確定閾值進行文字分割14編輯ppt直方圖分析法〔極小值點閾值選取〕檢查/觀察圖像的直方圖，然后選擇一個適宜的閾值。雙峰情況：目標物體內部具有均勻一致的灰度值，并分布在另一個灰度值的均勻背景上，其灰度直方圖將有明顯雙峰。峰谷法：雙峰情況下選擇兩峰之間的谷點作為門限值。該方法簡單，但不適用于兩峰值相差極大，有寬且平谷底的圖像。問題：噪聲干擾使谷的位置難以判定或者結果不穩(wěn)定可靠解決：對直方圖進行平滑或曲線擬合15編輯ppt圖9.2由直方圖確定閾值進行分割〔1〕16編輯ppt圖9.3由直方圖確定閾值進行分割〔2〕17編輯ppt(3)基于最小誤差的最正確閾值選取(原理)最正確閾值是指使圖像中目標和背景分割錯誤最小的值。暗的目標物體：分布函數(shù)P1(z)，概率θ亮的背景：分布函數(shù)P2(z)，概率(1-θ)總的灰度級分布概率密度函數(shù)：圖9.4最正確閾值示意圖18編輯pptzt為分割閾值,那么總的錯誤概率E(zt)為最正確閾值就是使E(zt)為最小值時的zt。故有：〔9-1〕設p1(z)和p2(z)為正態(tài)分布函數(shù),其灰度均值分別為μ1和μ2,對灰度均值的標準偏差分別為σ1和σ2,那么有19編輯ppt將上兩式代入〔9-1〕，兩邊求對數(shù)那么有這種方法不適用于直方圖中雙峰值差異很大，或雙峰間的谷寬廣而平坦的情況，以及單峰直方圖的情況?！?-2〕20編輯ppt(4)最大類間方差法——大津方法Otsu在1979年提出，一直被認為是閾值自動選取方法的最優(yōu)方法。屬于基于最小誤差的最正確閾值選取方法。根本思想：設定一個閾值k，將圖像分成兩組。變動k的取值使得兩組的類間方差最大，此時該值K為所求分割閾值。該方法計算簡單，在一定條件下不受圖像比照度與亮度變化的影響，因而在一些實時圖像處理系統(tǒng)中得到了廣泛的應用。21編輯ppt具體算法M×N大小的圖像f(x,y)，灰度級取值為[0~L-1]〔通常為[0,255]〕。記p(k)為k灰度值為的頻率，那么有：設用灰度值t為閾值分割出的目標與背景，那么：目標局部比例：目標局部點數(shù)：22編輯ppt背景局部比例：背景局部點數(shù)：目標均值：背景均值：總均值：(9-1)23編輯ppt圖像最正確閾值g

(9-2)右邊括號內實際上就是類間方差值。方差是灰度分布離散性的一種度量，方差值越大，說明構成圖像的和兩局部差異越大。當局部目標錯分為背景或局部背景錯分為目標都會導致兩局部差異變小。使類間方差最大的分割意味著錯分概率最小，——大津方法的真正含義。24編輯ppt原始圖像Otsu法二值化圖像圖9.5Ostu法確定閾值進行分割25編輯ppt(5)迭代法選取初始圖像灰度值T，把原始圖像中全部像素分成前景、背景兩大類。分別對其進行積分并將結果取平均以獲取一新的閾值，并按此閾值將圖像分成前景、背景。如此反復迭代下去，當閾值不再發(fā)生變化，即迭代已經收斂于某個穩(wěn)定的閾值時，此刻的閾值即作為最終的結果并用于圖像的分割。26編輯ppt數(shù)學描述 (9-3)

ibackground和

iobject分別是循環(huán)第i次得到的背景灰度值和對象灰度值。(9-3)式也可寫為

(9-4)L為灰度級的個數(shù)，hi是灰度值為k的像素點的個數(shù)。迭代一直進行到Ti+1=Ti時結束。結束時的Ti為閾值。27編輯ppt迭代法的初始閾值選取策略

策略1： 假設圖像中處于四個角的像素是屬于背景局部，其它像素屬于感興趣對象，然后定義一個背景灰度和對象灰度的初始值。策略2： 選取圖像灰度范圍的中值作為初始值T，把原始圖像中全部像素分成前景、背景兩大類。28編輯ppt原始圖像分割結果(T=170)圖9.6迭代法確定閾值進行分割〔1〕29編輯ppt圖9.7血液及其閾值迭代分割結果(a)血液標準檢測圖像(b)采用策略2，經5次閾值迭代后，用收斂后的穩(wěn)定輸出值97作為最終的分割閾值的分割結果30編輯ppt3.自適應閾值問題：圖像中，不同區(qū)域的物體/背景比照度不一致，難以采用統(tǒng)一的閾值分割。解決：根據圖像的局部特征分別采用不同的閾值進行分割。31編輯ppt自適應閾值方法的根本步驟將整幅圖像分成一系列互相之間有50%重疊的子圖像；做出每個子圖像的直方圖；檢測各個子圖像的直方圖是否為雙峰，如果是，那么采用最正確閾值法確定一個閾值，否那么就不進行處理；根據對直方圖為雙峰的子圖像得到的閾值通過插值得到所有子圖像的閾值。32編輯ppt

原圖大津法結果自適應大津法結果圖9.8自適應閾值分割圖例33編輯ppt4.動態(tài)閾值〔分水嶺閾值算法〕一些物體粘連的圖像，如何區(qū)分？用全局閾值不易分割典型：分水嶺閾值算法算法的主要目標是找出分水線。和直接在最正確閾值處分割不同，分水嶺閾值算法是一種特殊的自適應迭代閾值分割算法?？梢钥闯墒且环N自適應的多閾值分割算法。時間和空間復雜性較高，但抗噪聲能力強。34編輯ppt谷底孔分水嶺圖9.9分水嶺算法示意圖35編輯ppt(1)根本概念分水嶺概念是以對圖像進行三維可視化處理為根底的。其中兩個是坐標，另一個是灰度級。對于分水嶺這種“地形學〞的解釋，需考慮三點：〔a〕屬于局部性最小值的點；〔b〕當一滴水放在某點的位置上的時候，一定會下落到一個單一的最小值點；〔c〕當水處在某個點的位置時，水會等概率地流向不止一個這樣的最小值點。“匯水盆地〞或“分水嶺〞： 對一個特定區(qū)域最小值，滿足條件〔b〕的點的集合稱為這個最小值的“匯水盆地〞或“分水嶺〞。“分水線〞或“分割線〞： 滿足條件〔c〕的點的集合組成地形外表的峰線。36編輯ppt圖9.20分水嶺形成示意圖分水嶺對應于原始圖像中的邊緣(2)根本思想假設在每個區(qū)域最小值的位置上打一個洞，并且讓水以均勻的上升速率從洞中涌出，從低到高淹沒整個地形。當處在不同的會聚盆地中的水將要聚合在一起時，修建的大壩將阻止聚合。水將只能到達大壩的頂部處于水線之上的程度。這些大壩的邊界對應于分水嶺的分割線。37編輯ppt

圖中給出的是一幅圖像中的一個剖面，其中灰度較高的兩個峰分別對應目標O1和O2。分割的任務是將兩個目標從背景中提取出來并互相分開。先用一個較大的閾值進行分割，它可將圖中的兩個目標與背景分開，只是其間的間隙太寬。如果接下來逐漸減小閾值，目標的邊界隨閾值的減小而相向擴展，最終兩個目標會相遇；但此時不讓兩個目標合并。這樣它們相接觸前所保存的最后像素集合就給出了兩個目標間最終的邊界。這個過程在閾值減小到背景灰度之前結束，即在被恰當分割的物體的邊界正確地確定時終止。可以用圖來進一步說明：38編輯ppt原始圖閾值分割分水嶺疊加輪廓

圖9.10

分水嶺閾值法分割圖像實例39編輯ppt三、基于區(qū)域的分割法閾值分割法缺點：沒有或很少考慮空間關系，使多閾值選擇受到限制?；趨^(qū)域的分割方法：利用圖像的空間性質，認為分割出來的屬于同一區(qū)域的像素應具有相似的性質。傳統(tǒng)的區(qū)域分割算法：區(qū)域增長法和區(qū)域分裂合并法。對含有復雜場景或自然景物等先驗知識缺乏的圖像，也可以取得較好的分割性能。〔優(yōu)點〕空間和時間開銷都比較大。〔缺點〕40編輯ppt1.什么是區(qū)域圖像中屬于某個區(qū)域的像素點必須加以標注當應用區(qū)域生長法來分割圖像時，最終應該不存在沒有被標注的像素點。在同一區(qū)域的像素點必須相連可以從現(xiàn)在所處的像素點出發(fā)，按照某種連接方式到達任何一個鄰近的像素點。常用的有兩種各向同性連通方式：四連通和八連通。區(qū)域之間不能重疊也就是說一個像素只能有一個標注。在區(qū)域Ri中每一個像素點必須遵從某種規(guī)那么P(Ri)例：當區(qū)域Ri中所有像素具有相似的灰度(相似性在一定的范圍內)，P(Ri)為真。兩個不同的區(qū)域Ri和Rj具有的規(guī)那么不同41編輯ppt2.區(qū)域生長法

根本思想：將相似像素結合起來構成區(qū)域根本步驟：選擇區(qū)域的種子像素確定將相鄰像素包括進來的準那么制定生長停止的規(guī)那么(確定相似性準那么)最簡單的區(qū)域生長法是將像素聚類。影響因素：種子像素的選取生長準那么依賴應用42編輯ppt生長例如根據直方圖選取聚類中心的像素為種子根據與種子像素灰度差〔>T〕判斷是否生長根據圖像邊緣確定生長何時終結原始圖

T=3T=2T=743編輯ppt特征相似性是構成與合并區(qū)域的根本準那么。相鄰性是指所取的鄰域方式。將灰度相關的值作為區(qū)域生長準那么，區(qū)域生長可分為：單一型(像素與像素)質心型(像素與區(qū)域)混合型(區(qū)域與區(qū)域)單一型區(qū)域生長法原理以圖像的某個像素為生長點，將特征相似的相鄰像素合并為同一區(qū)域；然后以合并的像素為生長點，重復以上的操作，最終形成具有相似特征的像素的最大連通集合。44編輯ppt以像素灰度為特征進行簡單區(qū)域生長的步驟：對圖像進行光柵掃描，找出尚沒有歸屬的像素。當尋找不到這樣的像素時結束操作。把這個像素灰度同其周圍(4-鄰域或8-鄰域)不屬于任何一個區(qū)域的像素進行比較，假設灰度差值小于某一閾值，那么將它們合并為同一個區(qū)域，并對合并的像素賦予標記。從新合并的像素開始，反復進行②的操作。反復進行②、③的操作，直到區(qū)域不能再合并為止。返回①操作，尋找能作為新區(qū)域出發(fā)點的像素。45編輯ppt優(yōu)缺點：這種方法簡單，但如果區(qū)域之間的邊緣灰度變化很平緩或邊緣交于一點時，如圖9.23(a)，兩個區(qū)域會合并起來。解決方法：在步驟②中不是比較相鄰像素灰度，而是比較已存在區(qū)域的像素灰度平均值與該區(qū)域鄰接的像素灰度值。區(qū)域1區(qū)域2灰度區(qū)域1區(qū)域2〔a〕平緩的邊緣〔b〕邊緣的縫隙圖9.11邊緣對區(qū)域擴張的影響46編輯ppt3.聚類分割：紅外圖像分割與目標提取(d)距離聚類后圖像(e)灰度聚類結果(f)簡單閾值分割結果(a)原始圖像(b)梯度圖像(c)梯度聚類后圖像47編輯ppt4.區(qū)域分割與合并

(1)區(qū)域分裂原理將圖像分割成越來越小的區(qū)域直至每個區(qū)域中的像素點具有相似的數(shù)值。優(yōu)點：不再需要前面所說的種子像素。明顯的缺點：會使分割后的區(qū)域具有不連續(xù)的邊界。解決：分裂+區(qū)域合并。48編輯ppt(2)四叉樹分解法最常用的方法設R表示整個圖像區(qū)域，P代表邏輯謂詞。從整幅圖像開始，如果P(Ri)=FALSE，就將圖像分割為4個區(qū)域；對分割后得到的區(qū)域