图像分割与边缘检测 优秀课件

2． 迭代阈值法
1）基本思想： 开始时选择一个阈值作为初始估计值，然后按某种策略不断地改进 这一估计值，直到满足给定的准则为止。
注意：在迭代过程中，关键之处在于选择什么样的阈值改进策略， 好的阈值的改进策略应该具备两个特征，一是能够快速收敛，二是 在每一个迭代过程中，新产生阈值优于上一次的阈值。
2）迭代阈值算法：
第5章 图像分割与边缘检测
➢ 5.1 阈值分割 ➢ 5.2 基于区域的分割 ➢ 5.3 边缘检测 ➢ 5.4 区域标记与轮廓跟踪 ➢ 5.5 分水岭分割 ➢ 5.6 投影法与差影法
5.1.1 概述
5.1 阈值分割
阈值分割
➢适用范围：目标和背景占据不同灰度级范围的图像，具有双峰性质。
➢方法：把图像灰度分成不同的等级，然后设置灰度门限（阈值T ），用T 将图像分为2个或多个部分，从而确定有意义的区域或分割物体的边界。
背景
目标
灰度概率密度函数
把目标像素分割为背景的误差概率E1(T)为
E1(T)Tp2(z)d z
把背景像素分割为目标的误差概率E2(T)为
E2(T)Tp1(z)dz
总的误差概率E(T)为
E (T ) P 2 E 1 (T ) P 1 E 2 (T )
将E(T)对T求导并使其导数为0
P 1p2(T)P 2p1(T)
(1) 选择一个初始阈值T1（通常取中间值）。 (2) 根据阈值T1将图像分割为G1和G2两部分。分别求出G1和G2的 平均灰度值μ1和μ2。
Ti
ini
u i0
1
Ti
ni
i0
L 1
ini
, u2
i Ti L 1
ni
i Ti
ni ：灰度为i的像素个数
(3) 计算新的阈值 T2=(μ1+μ2)/2。 (4) 如果|T2-T1|≤T0(T0为预先指定的很小的正数)，即迭代过程中 前后两次阈值很接近时，终止迭代，否则T1= T2，重复(2)和(3)。最后 的T2就是所求的阈值。
例如：
目标 背景
(a)
(b)
(c)
(d)
图5-3 不同阈值对阈值化结果的影响
(a) 原始图像； (b) 阈值T=91；
(c) 阈值T=130； (d) 阈值T=43
图5-4 细胞图像的直方图
确定阈值的方法
阈值
全局阈值：阈值仅与各个像素的灰度有关
阈值与像素本身及其局部性质(如
局部阈值： 邻域的平均灰度值)有关 动态阈值： 阈值不仅与局部性质有关， 还 /自适应阈值 与像素的位置有关
➢假设前提： 1. 图像目标或背景内部的相邻像素间的灰度值是高度相关的. 2.目标与背景之间的边界两侧像素的灰度值差别很大， 图像目标与背景
的灰度分布都是单峰的。
➢用途：
阈值分割常用做图像的二值化处理，即选择一阈值，将图像转换为黑白
二值图像，用于图像分割及边缘跟踪等预处理.
阈值化处理的变换函数表达式:
适用范围：
对于直方图双峰明显，谷底较深的图像，迭代方法可以较快地获得满 意结果。但是对于直方图双峰不明显，或图像目标和背景比例差异大， 迭代法效果不好。
3． 最优阈值法
当目标与背景的灰度值有部分相同时，用一个全局阈值 会出现分割误差。一部分目标像素被错分为背景，一部分 背景像素被错分为目标。
基本思想： 选择一个阈值，使总的分类误差概率最小。
当P1=P2时，灰度概率密度函数p1(z)与p2(z)的交点对应的灰 度值就是所求的最优阈值T。
事实上，目标与背景像素的出现概率P1和P2，和两者
的概率密度函数p1(z)与p2(z)，往往未知，需要估计，但是很 难估计。
所以，一般假设目标与背景的灰度均服从高斯分布，可 以简化估计。
P 1p 2(T )P 2p 1(T )
方法：
假定图像中仅包含两类主要的灰度区域(目标和背景)， z：灰度值， p(z) ：混合概率密度 P1：背景像素出现的概率，P2：目标像素出现的概率(P1+P2=1)。 p1(z)：背景的概率密度函数 p2(z) ：目标的概率密度函数， 混合概率密度函数p(z)：
p (z) P 1 p 1 (z) P 2 p 2 (z)
g 255
0 T1 T2 255 f g
255
0 T1 T2 255 f
图5-2(b) 阈值变换曲线
⑸ 多阈值分割
0 g(x,y) k
f(x,y)T1 Tkf(x,y)Tk1
255f(x,y)Tm
k1,2, ,K1
有多个目标且灰度差别较大时， 可以设置多个阈值
‼ 注意：
阈值的选取不能过大或过小： 阈值过大， 会过多地把背景像素错分为目标； 阈值过小，又会过多地把目标像素错分为背景。
5.1.2 全局阈值
当图像目标与背景之间具有高对比度时，利用全局阈 值可以成功地分割图像。
图5-2 直方图具有双峰性质的阈值分割
确定全局阈值的方法
极小点阈值法 迭代阈值法 最优阈值法 Otsu阈值法 最大熵法 p参数法等
1． 极小点阈值法
基本思想： 将直方图的包络线看做一条曲线，求曲线的极小值，找 到直方图的谷底点，将其作为分割阈值。 设 p(z) 代表直方图，极小点应满足： p′(z)=0 且 p″(z)>0
说明：
设定常数T0的目的是为了加快迭代速度，如果不关心 迭代速度，则可以设置T0 ＝0。 当目标与背景的面积相当时，可以将初始阈值T1置 为整幅图像的平均灰度。 当目标与背景的面积相差较大时，更好的选择是将初 始阈值T1置为最大灰度值与最小灰度值的中间值。
原始图像
迭代阈值二值化图象
迭代式阈值二值化图像
⑴
ห้องสมุดไป่ตู้
g
g(x,y)0 f(x,y)T
255
255 f(x,y)T
⑵
g(x,y)255 f(x,y)T
0
f(x,y)T
0
T
255
f
g(x,y) 1 0
f(x,y)T f(x,y)T
图5-2(a) 阈值变换曲线
⑶
g(x,y)0 T1f(x,y)T2 255 其它
⑷
g(x,y)255 0
T1f(x,y)T2 其它
图像分割与边缘检 测
第5章 图像分割与边缘检测
图像分割在整个图像处理过程中的作用
预处理
图像分割
特征提取
图像识别 图像理解
图像分割与特征提取
边缘检测
边缘检测
RS Application in Monitoring the Changes of Landuse(1)
RS Application in Monitoring the Changes of Landuse(2)