第8章 圖像分割課件

圖像分割空間信息技術(shù)系任課教師：楊曉霞2013年4月11日第8章圖像分割圖像分割的概念圖像分割的方法邊緣檢測(cè)區(qū)域分割區(qū)域生長(zhǎng)內(nèi)容大綱第8章圖像分割把圖像分成互不重疊的區(qū)域并提取感興趣目標(biāo)的技術(shù)圖像分割的概念第8章圖像分割令集合R代表整個(gè)圖像區(qū)域，對(duì)R的分割可看作將R分成N個(gè)滿足以下五個(gè)條件的非空子集（子區(qū)域）R1，R2，…，RN：完備性：；獨(dú)立性：對(duì)所有的i和j，i≠j，有Ri∩Rj=φ；單一性：對(duì)i=1,2,…,N，有P(Ri)=TRUE；互斥性：對(duì)i≠j，有P(Ri∪Rj)=FALSE；連通性：對(duì)i=1,2,…,N，

Ri是連通的區(qū)域。其中P(Ri)是對(duì)所有在集合Ri中元素的邏輯謂詞,φ代表空集圖像分割的定義第8章圖像分割令集合R代表整個(gè)圖像區(qū)域，對(duì)R的分割可看作將R分成N個(gè)滿足以下五個(gè)條件的非空子集（子區(qū)域）

R1，R2，…，RN：完備性：

條件1指出在對(duì)一幅圖像的分割結(jié)果中全部區(qū)域的總和（并集）應(yīng)能包括圖像中所有像素（即原圖像）也就是說(shuō)，圖像上的每一個(gè)像素都被分到某一個(gè)子集（子區(qū)域）中去圖像分割的定義第8章圖像分割令集合R代表整個(gè)圖像區(qū)域，對(duì)R的分割可看作將R分成N個(gè)滿足以下五個(gè)條件的非空子集（子區(qū)域）

R1，R2，…，RN：獨(dú)立性：對(duì)所有的i和j，i≠j，有Ri∩Rj=φ條件2指出分割結(jié)果中各個(gè)子區(qū)域是互不重疊的，或者說(shuō)在分割結(jié)果中一個(gè)像素不能同時(shí)屬于兩個(gè)區(qū)域圖像分割的定義第8章圖像分割令集合R代表整個(gè)圖像區(qū)域，對(duì)R的分割可看作將R分成N個(gè)滿足以下五個(gè)條件的非空子集（子區(qū)域）

R1，R2，…，RN：?jiǎn)我恍裕簩?duì)i=1,2,…,N，有P(Ri)=TRUE互斥性：對(duì)i≠j，有P(Ri∪Rj)=FALSE其中P(Ri)是對(duì)所有在集合Ri中元素的邏輯謂詞條件3指出屬于同一個(gè)區(qū)域中的像素應(yīng)該具有某些相同特征；條件4指出分割結(jié)果中屬于不同區(qū)域的像素應(yīng)該具有一些不同的特征圖像分割的定義第8章圖像分割令集合R代表整個(gè)圖像區(qū)域，對(duì)R的分割可看作將R分成N個(gè)滿足以下五個(gè)條件的非空子集（子區(qū)域）

R1，R2，…，RN：連通性：對(duì)i=1,2,…,N，

Ri是連通的區(qū)域條件5要求分割結(jié)果中同一個(gè)區(qū)域內(nèi)的任意兩個(gè)像素在區(qū)域內(nèi)互相連通，或者說(shuō)分割得到的區(qū)域是一個(gè)連通區(qū)域連通性：在一個(gè)連通集中的任意兩個(gè)像素之間，都存在一條完全由這個(gè)集合的元素構(gòu)成的連通路徑圖像分割的定義第8章圖像分割分割算法基于灰度值的兩個(gè)基本特性：不連續(xù)性和相似性檢測(cè)圖像像素灰度級(jí)的不連續(xù)性，找到點(diǎn)、線（寬度為1）、邊（不定寬度）。先找邊，后確定區(qū)域圖像分割的基本原則第8章圖像分割檢測(cè)圖像像素的灰度值的相似性，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P180頁(yè)改錯(cuò)圖像分割的基本原則第8章圖像分割基于邊緣的分割方法（梯度方法）先提取區(qū)域邊界，再確定邊界限定的區(qū)域區(qū)域分割（灰度閾值法）確定每個(gè)像素的歸屬區(qū)域，從而形成一個(gè)區(qū)域圖區(qū)域生長(zhǎng)（區(qū)域生長(zhǎng)方法）將屬性接近的連通像素聚集成區(qū)域圖像分割的方法第8章圖像分割邊緣的定義：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邊緣的分類階躍狀屋頂狀圖像分割：基于邊緣的分割方法第8章圖像分割階躍狀屋頂狀第8章圖像分割第8章圖像分割邊緣檢測(cè)算子基本思想：計(jì)算局部微分算子一階微分截面圖邊界圖像第8章圖像分割梯度算子Roberts算子Prewitt算子Sobel算子Laplacian算子幾種常用的邊緣檢測(cè)算子一階微分二階微分第8章圖像分割梯度算子函數(shù)f(x,y)在(x,y)處的梯度為一個(gè)向量：

f=[f/x,f/y]計(jì)算這個(gè)向量的大小為：G=[(f/x)2+(f/y)2]1/2近似為:

G|fx|+|fy|梯度的方向角為：

φ(x,y)=tan-1(fy/fx)可用下圖所示的模板表示-111-1第8章圖像分割6661212121266612121212666121212126666666666666666666666666666梯度算子P165圖7.146*(-1)+12*1=66*(-1)+6*1=0向量大?。簗6|+|0|=60000000060000006666000000000000000000000000000012*(-1)+12*1=012*(-1)+6*1=

-6向量大小：|0|+|-6|=666-111-1第8章圖像分割為了檢測(cè)邊緣點(diǎn)，選取適當(dāng)?shù)拈撝礣，對(duì)梯度圖像進(jìn)行二值化，則有：這樣形成了一幅邊緣二值圖像g(x,y)特點(diǎn)：僅計(jì)算相鄰像素的灰度差，對(duì)噪聲比較敏感，無(wú)法抑止噪聲的影響梯度算子第8章圖像分割Roberts算子公式：模板：特點(diǎn)：與梯度算子檢測(cè)邊緣的方法類似，對(duì)噪聲敏感，但效果較梯度算子略好-11fx’1-1fy’第8章圖像分割Prewitt算子公式模板：特點(diǎn)：在檢測(cè)邊緣的同時(shí)，能抑止噪聲的影響0-110-110-11-1-1-1000111第8章圖像分割Sobel算子公式模板特點(diǎn)：對(duì)4鄰域采用帶權(quán)方法計(jì)算差分能進(jìn)一步抑止噪聲但檢測(cè)的邊緣較寬-220-110-110000-1-1-2112第8章圖像分割拉普拉斯算子定義：二維函數(shù)f(x,y)的拉普拉斯是一個(gè)二階的微分定義為：

2f=[2f/x2,2f/y2]離散形式：模板：可以用多種方式被表示為數(shù)字形式。對(duì)于一個(gè)3×3的區(qū)域，經(jīng)驗(yàn)上被推薦最多的形式是： 第8章圖像分割拉普拉斯算子

定義數(shù)字形式的拉普拉斯的基本要求是，作用于中心像素的系數(shù)是一個(gè)負(fù)數(shù)，而且其周圍像素的系數(shù)為正數(shù)，系數(shù)之和必8章圖像分割優(yōu)點(diǎn)：各向同性對(duì)細(xì)線和孤立點(diǎn)檢測(cè)效果較好缺點(diǎn)：對(duì)噪音敏感不能檢測(cè)出邊的方向常產(chǎn)生雙像素的邊緣拉普拉斯算子第8章圖像分割梯度算子Roberts算子Prewitt算子Sobel算子原始圖像Laplacian算子第8章圖像分割邊緣跟蹤出發(fā)點(diǎn)由于噪音的原因，邊界的特征很少能夠被完整地描述，在亮度不一致的地方會(huì)中斷因此典型的邊檢測(cè)算法后面總要跟隨著連接過(guò)程和其它邊界檢測(cè)過(guò)程，用來(lái)歸整邊像素，成為有意義的邊第8章圖像分割邊緣跟蹤的概念將檢測(cè)的邊緣點(diǎn)連接成線就是邊緣跟蹤由邊緣形成線特征的兩個(gè)過(guò)程可構(gòu)成線特征的邊緣提取將邊緣連接成線連接邊緣的方法啟發(fā)式搜索曲線擬合邊界跟蹤邊緣跟蹤第8章圖像分割一幅圖像中屬于同一區(qū)域的像素應(yīng)具有相同或相似的屬性，不同區(qū)域的像素屬性不同基本思想：確定一個(gè)合適的閾值T將大于等于閾值的像素作為物體或背景，生成一個(gè)二值圖像Iff(x,y)

Tset255Elseset0區(qū)域分割：灰度閾值法025525502550255255255第8章圖像分割特點(diǎn)：適用于物體與背景有較強(qiáng)對(duì)比的情況，重要的是背景或物體的灰度比較單一。（可通過(guò)先求背景，然后求反得到物體）這種方法總可以得到封閉且連通區(qū)域的邊界灰度閾值法灰度值f(x0,y0)T第8章圖像分割全局閾值法（固定的閾值）如果背景的灰度值在整個(gè)圖像中可合理地看為恒定，且所有目標(biāo)與背景都具有幾乎相同的對(duì)比度，那么只要選擇了正確的閾值，使用一個(gè)固定的全局閾值就會(huì)有較好的分割效果自適應(yīng)閾值法（變化的閾值）背景的灰度值并不是常數(shù)，目標(biāo)和背景的對(duì)比度在圖像中也有變化。在這種情況下，可把灰度閾值設(shè)置成一個(gè)隨位置變化而緩慢變化的函數(shù)值灰度閾值法第8章圖像分割閾值選定的好壞是此方法成敗的關(guān)鍵閾值的選擇直方圖法自適應(yīng)閾值方法分水嶺算法灰度閾值法第8章圖像分割通過(guò)直方圖得到閾值基本思想：邊界上的點(diǎn)的灰度值出現(xiàn)次數(shù)較少取值的方法：取直方圖谷底，為最小值的灰度值為閾值T缺點(diǎn)：會(huì)受到噪音的干擾，最小值不是預(yù)期的閾值，而偏離期望的值灰度閾值法T第8章圖像分割通過(guò)直方圖得到閾值改進(jìn)：取兩個(gè)峰值之間某個(gè)固定位置，如中間位置上。由于峰值代表的是區(qū)域內(nèi)外的典型值，一般情況下，比選谷底更可靠，可排除噪音的干擾灰度閾值法T第8章圖像分割簡(jiǎn)單全局閾值分割基本思想：用前述方法獲得閾值T，并產(chǎn)生一個(gè)二值圖，區(qū)分出前景對(duì)象和背景算法實(shí)現(xiàn)：規(guī)定一個(gè)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灰度閾值法025525502550255255255第8章圖像分割灰度閾值分割技術(shù)都沒(méi)有考慮到圖像像素空間的連通性。區(qū)域生長(zhǎng)的基本思想是將具有相似性質(zhì)的像素集合起來(lái)構(gòu)成區(qū)域?qū)γ總€(gè)需要分割的目標(biāo)區(qū)域找一個(gè)種子像素作為生長(zhǎng)的起點(diǎn)；將種子像素周圍鄰域中與種子像素性質(zhì)相同或相似的像素合并到種子像素所在的區(qū)域中；再將這些像素當(dāng)作新的種子像素繼續(xù)進(jìn)行上述過(guò)程，直到再也沒(méi)有能滿足條件的新像素加入?yún)^(qū)域?yàn)橹箞D像分割：區(qū)域生長(zhǎng)方法第8章圖像分割選擇一組能正確代表區(qū)域的種子像素根據(jù)圖像的不同應(yīng)用選擇一個(gè)或一組種子，它或者是最亮或最暗的點(diǎn)，或者是位于點(diǎn)簇中心的點(diǎn)確定生長(zhǎng)過(guò)程中能將相鄰像素包括進(jìn)來(lái)的規(guī)則考慮像素間的連通性和近鄰性制定讓生長(zhǎng)停止的條件或準(zhǔn)則區(qū)域生長(zhǎng)方法第8章圖像分割面向區(qū)域的分割