第7章 圖像分割技術(shù)(1).ppt

1、本章重點(diǎn)： 圖像分割的基本概念及圖像分割分類的基礎(chǔ) 邊緣分割法 閾值分割法 區(qū)域分割法,第7章 圖像分割技術(shù),7.1 圖像分割概述 7.2 邊緣檢測 7.3 閾值分割 7.4 區(qū)域分割,第7章 圖像分割技術(shù),7.1 圖像分割概述,目的：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(biāo)相對(duì)應(yīng)。通過對(duì)分割結(jié)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，分類的依據(jù)可建立在: 像素間的相似性 非連續(xù)性,圖像分割和集合定義的描述 令集合R代表整個(gè)圖像區(qū)域，對(duì)R的圖像分割可以看作是將R分成N個(gè)滿足以下條件的非空子集R1，R2，.，RN：,圖像分割方法和種類 以不同的分類標(biāo)準(zhǔn)，圖像分

2、割方法可以劃分為不同的種類。,圖像分割應(yīng)用 機(jī)器閱讀理解 OCR錄入 遙感圖像自動(dòng)識(shí)別 在線產(chǎn)品檢測 醫(yī)學(xué)圖像樣本統(tǒng)計(jì) 醫(yī)學(xué)圖像測量 圖像編碼 圖像配準(zhǔn)的預(yù)處理,物體的邊緣是以圖像的局部特征不連續(xù)的形式出現(xiàn)的，也就是指圖像局部亮度變化最顯著的部分，例如灰度值的突變、顏色的突變、紋理結(jié)構(gòu)的突變等 ，同時(shí)物體的邊緣也是不同區(qū)域的分界處。 通常沿邊緣的走向灰度變化平緩，垂直于邊緣走向的像素灰度變化劇烈 。,7.2 邊緣檢測,7.2.1 邊緣檢測概述,根據(jù)灰度變化的特點(diǎn)，常見的邊緣可分為階躍型、房頂型和凸緣型 邊緣檢測是邊界分割方法的最基本的處理。,7.2.2 邊緣檢測方法,邊緣檢測的方法很多，主要有

3、以下幾種: 1、空域微分算子，也就是傳統(tǒng)的邊緣檢測方法。如Roberts算子、Prewitt算子和Sobel算子等 。 2、擬合曲面。該方法利用當(dāng)前像素鄰域中的一些像素值擬合一個(gè)曲面，然后求這個(gè)連續(xù)曲面在當(dāng)前像素處的梯度。 3、小波多尺度邊緣檢測。 4、基于數(shù)學(xué)形態(tài)學(xué)的邊緣檢測。,Prewitt算子 用卷積模板為： 其中 Kirsch算子 邊緣的梯度大小為 其中,幾種常用的邊緣檢測微分算子,，,LOG（Laplacian-Gauss）算子 Marr和Hildreth將Gaussian濾波器和Laplacian邊緣檢測結(jié)合在一起，形成了LoG(Laplacian of Gaussian)算法。即

4、先用高斯函數(shù)對(duì)圖像進(jìn)行平滑，然后再用拉普拉斯算子進(jìn)行運(yùn)算，形成Laplacian-Gauss算法，它使用一個(gè)墨西哥草帽函數(shù)形式。 特點(diǎn)： 與高斯濾波器進(jìn)行卷積，既平滑了圖像又降低了噪聲，孤立的噪聲點(diǎn)和較小的結(jié)構(gòu)組織將被濾除。 在邊緣檢測時(shí)僅考慮那些具有局部梯度最大值的點(diǎn)為邊緣點(diǎn)，用拉普拉斯算子將邊緣點(diǎn)轉(zhuǎn)換成零交叉點(diǎn)，通過零交叉點(diǎn)的檢測來實(shí)現(xiàn)邊緣檢測。,，,Canny（坎尼）算子 3個(gè)準(zhǔn)則： 信噪比準(zhǔn)則 定位精度準(zhǔn)則 單邊緣響應(yīng)準(zhǔn)則 具體步驟： 首先用2D高斯濾波模板進(jìn)行卷積以平滑圖像； 利用微分算子，計(jì)算梯度的幅值和方向； 對(duì)梯度幅值進(jìn)行非極大值抑制。即遍歷圖像，若某個(gè)像素的灰度值與其梯度方向

5、上前后兩個(gè)像素的灰度值相比不是最大，那么這個(gè)像素值置為0，即不是邊緣； 使用雙閾值算法檢測和連接邊緣。即使用累計(jì)直方圖計(jì)算兩個(gè)閾值，凡是大于高閾值的一定是邊緣；凡是小于低閾值的一定不是邊緣。如果檢測結(jié)果大于低閾值但又小于高閾值，那就要看這個(gè)像素的鄰接像素中有沒有超過高閾值的邊緣像素，如果有，則該像素就是邊緣，否則就不是邊緣。,，,圖像的輪廓（邊界）跟蹤與邊緣檢測是密切相關(guān)的，因?yàn)檩喞檶?shí)質(zhì)上就是沿著圖像的外部邊緣“走”一圈。 輪廓跟蹤也稱邊緣點(diǎn)連接，是一種基于梯度的圖像分割方法。是指從梯度圖中一個(gè)邊界點(diǎn)出發(fā)，依次通過對(duì)前一個(gè)邊界點(diǎn)的考察而逐步確定出下一個(gè)新的邊界點(diǎn)，并將它們連接而逐步檢測出邊

6、界的方法。,7.2.3 邊界跟蹤,具體輪廓跟蹤過程大致可分以下三步： (1) 確定輪廓跟蹤的起始邊界點(diǎn)。根據(jù)算法的不同，選擇一個(gè)或多個(gè)邊緣點(diǎn)作為搜索的起始邊緣點(diǎn)。 (2) 選擇一種合適的數(shù)據(jù)結(jié)構(gòu)和搜索策略，根據(jù)已經(jīng)發(fā)現(xiàn)的邊界點(diǎn)確定下一個(gè)檢測目標(biāo)并對(duì)其進(jìn)行檢測。 (3) 制定出終止搜尋的準(zhǔn)則(一般是將形成閉合邊界作為終止條件)，在滿足終止條件時(shí)結(jié)束搜尋。 常用的輪廓跟蹤技術(shù)有兩種:探測法和梯度圖法。,一種簡單的邊界跟蹤法(二值圖像）： (1)根據(jù)光柵掃描發(fā)現(xiàn)像素從0開始變?yōu)?的像素時(shí)，存儲(chǔ)它的坐標(biāo)（i,j)值。 (2)從像素(i,j-1)開始反時(shí)針方向研究8-鄰接像素，當(dāng)?shù)谝淮纬霈F(xiàn)像素值為1的像

7、素記為pk，開始k=1,，也同樣存儲(chǔ)p1的坐標(biāo)。 (3)同上，反時(shí)針方向從pk-1以前的像素研究pk的8-鄰接像素，把最先發(fā)現(xiàn)像素值為1的像素記為pk +1。 (4)當(dāng)pk= p0而且pk+1= p1時(shí)，跟蹤結(jié)束。在其他情況下，把k+1更新當(dāng)作k返回第(3)步。,右圖描述了邊界跟蹤的順序。 第一步，根據(jù)光柵掃描，發(fā)現(xiàn)像素p0，其坐標(biāo)為(3,5)。 第二步，反時(shí)針方向研究像素p0的8-鄰接像素(3,4)，(4,4)，(4,5)，由此發(fā)現(xiàn)像素p1。 第三步，反時(shí)針方問從p0以前的像素，即像素(3,4)開始順序研究p1的8-鄰接像素，因此發(fā)現(xiàn)像素p2。這時(shí)，因?yàn)閜0 p1，所以令pk= p2，返回第

8、三步。 反復(fù)以上操作，以p0, p1, pn的順序跟蹤8-鄰接的邊界像素。,區(qū)域生長是區(qū)域分割最基本的方法。所謂區(qū)域生長就是一種根據(jù)事先定義的準(zhǔn)則將像素或者子區(qū)域聚合成更大區(qū)域的過程。,7.4 基于區(qū)域的分割,7.4.1 區(qū)域生長,基本思想 以一組生長點(diǎn)（可以是單個(gè)像素，也可以是某個(gè)小區(qū)域）開始，搜索其鄰域，把圖像分割成特征相似的若干區(qū)域，比較相鄰區(qū)域與生長點(diǎn)特征的相似性，若它們足夠相似，則作為同一區(qū)域合并，形成新的生長點(diǎn)。以此方式將特征相似的區(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。,在實(shí)際應(yīng)用時(shí)，要解決三個(gè)問題： 1）確定區(qū)域的數(shù)目，也就是選擇一

9、組能正確代表所需區(qū)域的生長點(diǎn)像素； 2）選擇有意義的特征，也就是確定在生長過程中將相鄰區(qū)域像素包括進(jìn)來的方式； 3）確定相似性準(zhǔn)則，即獲取生長過程停止的準(zhǔn)則。,特征相似性是構(gòu)成與合并區(qū)域的基本準(zhǔn)則，相鄰性是指所取的鄰域方式。根據(jù)所用的鄰域方式和相似性準(zhǔn)則的不同，產(chǎn)生各種不同的區(qū)域生長法。 將灰度相關(guān)的值作為區(qū)域生長準(zhǔn)則，區(qū)域生長可分為單一型(像素與像素)、質(zhì)心型(像素與區(qū)域)和混合型(區(qū)域與區(qū)域)三種。,單一型區(qū)域生長法原理： 以圖像的某個(gè)像素為生長點(diǎn)，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(diǎn)，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。 下面給出以像素灰度為

10、特征進(jìn)行簡單區(qū)域生長的步驟。 (1)對(duì)圖像進(jìn)行光柵掃描，找出尚沒有歸屬的像素。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)不屬于任何一個(gè)區(qū)域的像素進(jìn)行比較，若灰度差值小于某一閾值，則將它們合并為同一個(gè)區(qū)域，并對(duì)合并的像素賦予標(biāo)記。 (3)從新合并的像素開始，反復(fù)進(jìn)行(2)的操作，直到區(qū)域不能再合并為止。 (4)返回(1)操作，尋找能作為新區(qū)域出發(fā)點(diǎn)的像素。,優(yōu)缺點(diǎn)： 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(diǎn)時(shí)，如圖7-20，兩個(gè)區(qū)域會(huì)合并起來。 解決方法： 為消除這一點(diǎn)，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

11、度平均值與該區(qū)域鄰接的像素灰度值。,（a）平緩的邊緣 （b）邊緣的縫隙 圖7-20 邊緣對(duì)區(qū)域擴(kuò)張的影響,質(zhì)心型區(qū)域生長 與簡單區(qū)域生長不同，它是比較單個(gè)像素的特征與其相鄰區(qū)域的特征，若相似則將像素歸并到區(qū)域中。 操作步驟 類似簡單區(qū)域生長法，唯一不同的是在上述(2)的操作中，改為比較已存在區(qū)域的像素灰度平均值與該區(qū)域鄰接的像素灰度值。若差值小于閾值，則合并。 例子 ：,（a）原始圖像 （b）第一次生長結(jié)果 （c）第二次生長結(jié)果 （d）最終生長結(jié)果 圖7-21 質(zhì)心型區(qū)域生長,混合型區(qū)域生長 把圖像分割成小區(qū)域，比較相鄰小區(qū)域的相似性，如果相似則合并。 下面介紹兩種混合型區(qū)域生長的方法。 1.

12、 不依賴于起始點(diǎn)的方法 (1)設(shè)灰度差的閾值為0，用簡單區(qū)域生長法把具有相同灰度的像素合并到同一區(qū)域，得到圖像的初始分割圖像； (2)從分割圖像一個(gè)小區(qū)域開始，求出相鄰區(qū)域間的灰度差，將差值最小的相鄰區(qū)域合并； (3)重復(fù)(2)的操作，把區(qū)域依次合并。 缺點(diǎn)：這種方法若不在適當(dāng)?shù)碾A段停止區(qū)域合并，整幅圖像經(jīng)區(qū)域生長的最終結(jié)果就會(huì)為一個(gè)區(qū)域。,2. 假設(shè)檢驗(yàn)法 不依賴于起始點(diǎn)的方法是把灰度差作為區(qū)域合并的判定標(biāo)準(zhǔn)，而假設(shè)檢驗(yàn)法則是根據(jù)區(qū)域內(nèi)的灰度分布的相似性進(jìn)行區(qū)域合并。 具體步驟如下： (1)把圖像分割成互不交迭的、大小為 的小區(qū)域。 (2)比較相鄰小區(qū)域的灰度直方圖，如果灰度分布情況都是相似

13、的，則合并成一個(gè)區(qū)域，相似性判斷標(biāo)準(zhǔn)可選用下面其中之： (a)Ko1mogorov-Smirnov檢測標(biāo)準(zhǔn):,(b)Smoothed-Diffference檢測標(biāo)準(zhǔn)：,其中H1(g)、H2(g)分別是相鄰兩區(qū)域的累積灰度直方圖。在數(shù)字圖像中，累積灰度直方圖為：,(3)反復(fù)進(jìn)行(2)的操作，直至區(qū)域不能合并為止。 這種方法不僅能分割灰度相同的區(qū)域，也能分割紋理性的圖像。但采用這種方法難點(diǎn)在于n如何確定。 n太大，則區(qū)域形狀變得不自然，小的目標(biāo)就會(huì)遺漏； n太小，則(a)和(b)可靠性下降，導(dǎo)致分割質(zhì)量差。實(shí)際中一般取510，由于檢測標(biāo)準(zhǔn)(b)的要求比(a)的嚴(yán)，采用檢測標(biāo)準(zhǔn)(b)比用(a)會(huì)帶來

14、更好的結(jié)果。,7.4.2 區(qū)域分裂與合并,區(qū)域生長過程是從一組生長點(diǎn)開始，通過不斷接納新像素最后得到整個(gè)區(qū)域。 一種替換方法是在開始時(shí)將圖像分割成一系列任意不相交的區(qū)域，然后將他們進(jìn)行合并或分裂得到各個(gè)區(qū)域。 在這類方法中，最常用的方法是四叉樹分解法：,設(shè)R表示整個(gè)圖像區(qū)域，P代表邏輯謂詞。對(duì)R進(jìn)行分割的一種方法是反復(fù)將分割得到的結(jié)果圖像再次分為四個(gè)區(qū)域，直到對(duì)任何區(qū)域Ri，有P(Ri)=TRUE。 具體的分割過程： 從整幅圖像開始，如果P(Ri)=FALSE，就將圖像分割為4個(gè)區(qū)域； 對(duì)分割后得到的區(qū)域，如果依然有P(Ri)=FALSE，就可以將這4個(gè)區(qū)域的每個(gè)區(qū)域再次分別分割為4個(gè)區(qū)域，如此類推，直到Ri為單個(gè)像素。,如果僅使用分裂，最后得到的分割結(jié)果可能包含具有相同性質(zhì)的相鄰區(qū)域。為此，可在分裂的同時(shí)進(jìn)行區(qū)域合并。 合并規(guī)則： 只要P(RiU Rj)=TRUE，則可以將兩個(gè)相鄰的區(qū)域Ri和Rj進(jìn)行合并。 基本的分裂合并算法步驟： 1） 對(duì)任何區(qū)域Ri，如