第七章图像分割

合集下载

数字图像处理课程第七章_图像分割

特点：仅计算相邻像素的灰度差，对噪声比较敏感，无法抑止噪声的影响。
Roberts算子
• 公式：
fx f (x 1, y 1) f (x 1, y 1) f y f (x 1, y 1) f (x 1, y 1)
• 模板： -1
1
• 特点：
fx’
1
fy’ -1
– 与梯度算子检测边缘的方法类似，对噪声敏感，但效果较梯度算子略好
数字图像处理
第七章图像分割
陈震中武汉大学遥感信息工程学院
2016-2017学年上学期
7.1 概述
• 图像分析的概念 – 对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息，从而建立对图像的描述.
• 图像分析的步骤 – 把图像分割成不同的区域或把不同的对象分开 – 找出分开的各区域的特征 – 识别图像中要找的对象或对图像进行分类 – 对不同区域进行描述或寻找出不同区域的相互联系，进而找出相似结构或将相关区域连成一个有意义的结构
– 区域生长 • 将属性接近的连通像素聚集成区域
– 分裂－合并分割 • 综合利用前两种方法，既存在图像的划分，又有图像的合并。
7.2 边缘检测算子
• 边缘的定义：
图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合
• 边缘的分类
– 阶跃状 – 屋顶状
阶跃状
屋顶状
7.2 边缘检测算子
• 几种常用的边缘检测算子
333 3 0 -5 3 -5 -5
3 3 -5 3 0 -5 3 3 -5
3 -5 -5 3 0 -5 333
-5 -5 -5 303 333
-5 -5 3 -5 0 3 333
特点
在计算边缘强度的同时可以得到边缘的方向各方向间的夹角为45º

07-图像分割

-1 -1
2
-1 -1
-1
2 -1
-1
-1 2
水平模板
45度模板
垂直模板
135度模板
43
例：图像
1
1
1
1
1
1
1
1
1
5
1
5
1
5
1
5
1
5
1
5
1
5
1
5
1
5
1
用4种模板分别计算 R水平 = -6 + 30 = 24
R45度 = -14 + 14 = 0
R垂直 = -14 + 14 = 0 R135度 = -14 + 14 = 0
相同；

当R的值足够大时，说明该点的值与周围的点非常不
同，是孤立点。通过阈值T来判断： |R| > T 检测到一个孤立点。
42
2. 线的检测
通过比较典型模板的计算值，确定一个点是否在某个方向的线上:
-1
2 -1
-1
2 -1
-1
2 -1
-1
-1 2
-1
2 -1
2
-1 -1
-1
-1 -1
2
2 2-1128 8 源自 8-1-18
-1
-1
-1
R = (-1 * 8 * 8 + 128 * 8) / 9
= (120 * 8) / 9 = 960 / 9 = 106 设：阈值：T = 64 R>T
41
算法描述：

设定阈值 T，如T = 32、64、128等,并计算高通滤波值
R；

如果R值等于0，说明当前检测点的灰度值与周围点的

图像分割

阶跃型边缘两边像素点的灰度值存在着明显的差异，而屋顶型边缘则位于灰度值上升或下降的转折处。正是基于这一特性，可以使用微分算子进行边缘检测，即使用一阶导数的极值与二阶导数的过零点来确定边缘，具体实现时可以使用图像与模板进行卷积来完成。
图像分割的一种重要途径是通过边缘检测，即检测灰度级或者结构具有突变的地方，表明一个区域的终结，也是另一个区域开始的地方。这种不连续性称为边缘。不同的图像灰度不同，边界处一般有明显的边缘，利用此特征可以分割图像。
形状特征
通常情况下，形状特征有两类表示方法，一类是轮廓特征，另一类是区域特征。图像的轮廓特征主要针对物体的外边界，而图像的区域特征则关系到整个形状区域。
各种基于形状特征的检索方法都可以比较有效地利用图像中感兴趣的目标来进行检索，但它们也有一些共同的问题，包括：
1.目前基于形状的检索方法还缺乏比较完善的数学模型；
面向对象图像分析方法是目前遥感图像分析中的新技术，分割是其核心步骤之一。对象是一个抽象术语，具体来说表现为图像上的一个区域，是具有某些相似性质的相邻像素的集合体，通过像素间的这种集合，表现的不再仅仅是光谱信息，更多的是包含了上下文，形状，大小，纹理，统计特征等信息以及来自其他对象的信息。而且面向对象的思想模仿了人类大脑认知过程，人类大脑对眼睛看到的东西不是简单的反映，而是基于已有知识和经验的重构，看到对象的某些部
其中，T为阈值，对于物体的图像元素g(i,j)=1，对于背景的图像元素g(i,j)=0。
由此可见，阈值分割算法的关键是确定阈值，如果能确定一个合适的阈值就可准确地将图像分割开来。阈值确定后，将阈值与像素点的灰度值逐个进行比较，而且像素分割可对各像素并行地进行，分割的结果直接给出图像区域。

数字图像处理第七章图像分割

第七章图像分割1、什么是区域？什么是图像分割？答：在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣。

这些感兴趣的部分常称为目标或图像，它们一般对应图像中的特定的、具有独特性质的区域。

这里的区域是指相互连通的、有一致属性的像素的集合。

图像分割是指把图像分成互不重叠区域并提取感兴趣目标的技术。

2、边缘检测的理论依据是什么，有哪些方法？各有哪些特点？答：边缘是指图像中像素灰度有阶跃变化或屋顶状变化的那些像素的集合。

它存在于目标和背景、目标与目标、区域与区域、基元与基元之间。

他对图像识别和分析十分有用，边缘能够画出目标物体轮廓，使观察者一目了然，包含了丰实的信息，是图像识别中抽取的重要属性。

利用边缘灰度变化的一阶或二阶导数特点，可以将边缘点检测出来。

方法包括：（1）梯度算子；特点是仅计算相邻像素的灰度差，对噪音敏感，无法抑制噪声的影响。

（2）Roberts梯度算子；与梯度算子检测边缘的方法类似，但效果较梯度算子略好。

（3）Prewitt和Sobel算子；该算子不仅能检测边缘点，且能进一步抑制噪声的影响，但检测的边缘较宽。

（4）方向算子；检测能力强，抗噪能力好。

（5）拉普拉斯算子；特点是各向同性、线性和位移不变的；对细线和孤立点检测效果较好。

但边缘方向信息丢失，常产生双像素的边缘，对噪声有双倍加强作用。

（6）马尔算子；马尔算子用到的卷积模板一般较大，不过这些模板可以分解为一维卷积来快速计算。

（7）Canny算子；可以减少小模板检测中的边缘中断，有利于得到较为完整的线段。

3、什么是hough变换？hough变换检测直线时，为什么不采用y=kx+b的表达式？试述采用hough变换检测直线的原理。

答：设在直线坐标系中有一条直线L,在原点到该直线的垂直距离为Ρ，垂线与x周的夹角为θ，则可用Ρ、θ来表示该直线，其直线方程为：Ρ=xcosθ+ysinθ而这条直线用极坐标表示则为一点（Ρ，θ）,可见，直角坐标系中的一条直线对应极坐标系中的一点，这种线到点的变换叫做hough变换。

第七章图像分割海事朱虹

均匀性度量法

所谓的均匀性度量方法，是根据“物以类聚”的思想而设计的。其基本设计思想是：属于“同一类别”的对象具有较大的一致性。实现的手段是：以均值与方差作为度量均匀性的数字指标。
均匀性度量法算法步骤

1）给定一个初始阈值Th=Th0 (例如，可以默认为1，或者是128等)，则将原图像素点分为C1和C2两类

P-参数法算法步骤
1）设图像的大小为m*n，计算得到原图的灰度直方图h；
2）输入目标物所占的画面的比例p；

3）尝试性地给定一个阈值 Th=Th0; 4）计算在Th下判定的目标物的像素点数N；

5）判断ps=N/(m*n)是否接近p? 是，则输出结果；否则，Th=Th+dT; (if ps<p,则dT>0; else dT<0); 转至第四步，直到满足条件。

图像分割说明示例

图像分割示例：条码的二值化

图像分割示例：肾小球区域的提取

图像分割示例：细菌检测

图像分割示例：印刷缺陷检测

图像分割示例：印刷缺陷检测
图像分割的难点

从前面的例子可以看到，图像分割是比较困难的。原有是画面中的场景通常是复杂的，要找出两个模式特征的差异，并且可以对该差异进行数学描述都是比较难的。

均匀性度量法处理效果示例
聚类方法

基本设计思想： 1. 聚类方法是采用了模式识别中的聚类思想。 2. 以类内保持最大相似性以及类间保持最大距离为最佳阈值的求取目标。
聚类方法算法步骤

1）给定一个初始阈值Th=Th0 (例如，可以默认为1，或者是128等)，则将原图像素点分为C1和C2两类

图像分割与特征提取 ppt课件

ppt课件
5
7.1 图像分割的概念
2. 图像分割的依据和方法
◆图像分割的依据是各区域具有不同的特性，这些特性可以是灰度、颜色、纹理等。而灰度图像分割的依据是基于相邻像素灰度值的不连续性和相似性。也即，子区域内部的像素一般具有灰度相似性，而在区域之间的边界上一般具有灰度不连续性。
◆灰度图像分割是图像分割研究中最主要的内容，其本质是按照图像中不同区域的特性，将图像划分成不同的区域。
7.2.1 图像边缘
图像
剖面
一阶导数
二阶导数
上升阶跃边缘（a）
下降阶跃边缘（b）
脉冲状边缘（c）
屋顶边缘（d）
图7.1 图像边缘及其导数曲线规律示例
ppt课件
11
7.2 基于边缘检测的图像分割
7.2.1 图像边缘
综上所述，图像中的边缘可以通过对它们求导数来确定，而导数可利用微分算子来计算。对于数字图像来说，通常是利用差分来近似微分。
方向：
f (x, y) = arctan(Gx / Gy )
（7.5）
ppt课件
14
7.2.2 梯度边缘检测
(1) Roberts算子
是一个交叉算子，其在点(i,j)的梯度幅值表示为：
G(i, j) = f (i, j) f (i 1, j 1) f (i 1, j) f (i, j 1) （7.6）
ppt课件
2
7.1 图像分割的概念
◆目标或前景 ◆背景 ◆目标一般对应于图像中特定的、具有独特性质的区域。
ppt课件
3
7.1 图像分割的概念
1. 图像分割
图像分割就是依据图像的灰度、颜色、纹理、边缘等特征，把图像分成各自满足某种相似性准则或具有某种同质特征的连通区域的集合的过程。

7-第七章图像分割1、2

30
拉普拉斯算子
0 1 0
1 -4 1
0 1 0
1 1
1 -8
1 1
1
1
1
图7.5 两种常用的拉普拉斯算子模板
31
拉普拉斯算子一般不以其原始形式用于边缘检测，原因在于： (1)它是一个二阶导数，对噪声非常敏感。 (2)拉普拉斯算子的幅值产生双边缘。(最大负值和最大正值) (2)不能检测边缘的方向。（无方向模版）那么它在分割中所起的作用: (1)利用它的零交叉性质进行边缘定位----该算子与平滑过程一起利用零交叉作为找到边缘的前兆。 (2)确定一个象素在边缘暗的一边还是亮的一边。
I=imread(„rice.tif‟);
imshow(I); BW1=edge(I,‟prewitt‟); BW2=edge(I,‟canny‟); figure;
Imshow(BW1); figure; imshow(BW2);
37
38
7.3
边缘连接（跟踪）
利用前面的方法检测出边缘点,但由于噪声、光照不均等因素的影响，获得边缘点有可能是不连续的，必须使用连接过程将边缘像素组合成有意义的边缘信息，以备后续处理。边缘跟踪的方法 1. 局部边缘连接法； 2. 光栅扫描跟踪法； 3. Hough 变换法。
第七章图像分割
1
2
图像分割
作用
图像分割是图像识别和图像理解的基本前提步骤，图像分割质量的好坏直接影响后续图像处理的效果。
图像
图像预处理图像分割
图像识别
图像理解
图7.1图像分割在整个图像处理过程中的作用
3
4
图像分割
◘灰度图像分割的依据基于亮度值的两个基本特性：不连续性 --- 区域之间；相似性 ----- 区域内部。

(完整版)图像分割-数字图像处理

典型的图像分析和理解的系统：系统分为图像输入、预处理、图像分割（image segment）、图像识别、结构句法分析。
图7.1 图像分析系统
分割结果中同一个子区域内的像素应当是连通的
同一个子区域内的任两个像素在该子区域内互相连通。图像分割
不连续性检测
相似性检测
边界分割边缘检测边缘跟踪 Hough变换
BW = [1 1 1 0 0 0 0 0; 1 1 1 0 1 1 0 0; 1 1 1 0 1 1 0 0; 1 1 1 0 0 0 1 0; 1 1 1 0 0 0 1 0; 1 1 1 0 0 0 1 0; 1 1 1 0 0 1 1 0; 1 1 1 0 0 0 0 0];
L4 = bwlabel(BW,4) L8 = bwlabel(BW,8)
区域分割阈值分割
区域分裂与合并
自适应
图7.2 图像分割算法
7.2 像素的邻域和连通性
1. 4邻域
对一个坐标为 (x, 的y)像素p，它可以有两个水平和两个垂
直的近邻像素。它们的坐标分别是
(x 1, y),(x 1, y),(x, y 1),(x, y 1)
这四个像素称为p 的4邻域。
互为4邻域的像素又称为4连通的。
%给定的二值图像矩阵 %根据4连通准则判定目标 %根据8连通准则判定目标
➢根据4连通准则，得到的目标是3个： L4 = 1 1 1 0 0 0 0 0 11102200 11102200 11100030 11100030 11100030 11100330 11100000
➢ 根据8连通准则，得到目标是2个： L8 =1 1 1 0 0 0 0 0 11102200 11102200 11100020 11100020 11100020 11100220 11100000

第7章图像分割技术2

19
自动阈值
分水岭算法
(a)原始图像
(b)图像对应的拓扑地形图图7.5 图像对应的拓扑表面图
20
自动阈值
分水岭算法
三类点：①属于局部性最小值的点；②当一滴水放在
某点的位置上时，水一定会下落到一个单一的最小值点；
③当水处在某个点的位置时，水会等概率地流向不止一个这样的最小值点。对于一个特定的区域最小值，满足条件②的点的集合称为这个最小值的“汇水盆地”或“分水岭”。满足条件③ 的点的集合组成地形表面的峰线，称为“分水线”或“分割线”。
灰度变化等，固定的全局阈值分割，效果不好。
解决方法：利用与坐标相关的一组阈值对图像进行分割 ——变化阈值法、自适应阈值法。
18
自动阈值
分水岭算法
分水岭算法(watershed)是一种借鉴了形态学理论的分
割方法，它将一幅图象看成为一个拓扑地形图，其中灰度
值被认为是地形高度值。高灰度值对应着山峰，低灰度值处对应着山谷。
g (i, j ) k k 0,1,...,K ; Tk 1 f (i, j ) Tk
阈值选择直接影响分割效果，通常可以通过对灰度直方图
的分析来确定它的值。
9
阈值选择
利用灰度直方图求双峰或多峰选择两峰之间的谷底作为阈值
10
人工阈值
人工选择法是通过人眼的观察，应用人对图像的知识，在分析图像直方图的基础上，人工选出合适的阈值。也可以在人工选出阈值后，根据分割效果，不断的交互操作，从而选择出最佳的阈值。
11
人工阈值
原始图像
T=155的二值化图像
T=210的二值化图像
图像直方图
12
自动阈值
迭代法

第7章_图像分割

f(x,y) g(x,y)= 0 其它
f(x,y)≥T
阈值分割图像的基本原理，可用下式表示：阈值 Z f(x,y)∈Z
g(x,y)=
E
ZB
其它
阈值的选取时阈值分割技术得关键，如果过高，则过多的目标点被误归为背景；如果阈值过低，则会出现相反的情况。由此可见，阈值化分割算法主要有两个步骤： 1) 确定需要的分割阈值；2) 将分割阈值与象素值比较以划分象素。在利用阈值方法来分割灰度图像时一般都对图像有一定的假设。基于一定的图像模型的。最常用的模型：假设图像由具有单峰灰度分布的目标和背景组成，处于目标或背景内部相邻象素间的灰度值是高度相关的，但处于目标和背景交界处两边的象素在灰度值上有很大的差别。如果一幅图像满足这些条件，它的灰度直方图基本上可看作是由分别对应目标和背景的两个单峰直方图混合构成的。
1 ini q i 0 1k
L 1
k 1
ip
i 0 L 1 i k
k 1
i
(1)
1 ini q i k 2k
(Zt 1 ) 2 (Zt 2 ) 2 ln 1 ln P ln 2 ln P2 1 2 2 2 1 2 2
• 由于上式是Zt的二次方程，有两个解，要使分割误差最小，需要设置两个门限，也就是方程的两个根，如果设 2 12 22 ，则方程存在唯一解，即： 2

t
• 将将背景象素错认为是目标象素的概率是：
e2 p2 ( x)dx
t

• 因此，总的错误概率e(t)为 e(t)=P1 e1(t)+P2e2(t)，最佳门限就是使e(t)为最小值时的t，将e(t)对t求导，并令其等于零，得:

教学课件第七章图像分割与边缘检测

2. p
p尾法仅适用于事先已知目标所占全图像百分比的场合。
若一幅图像由亮背景和黑目标组成，已知目标占图像的(100－p)%面积，则使得至少(100－p)%的像素阈值化后匹配为目标的最高灰度，将选作用于二值化处理的阈值。
第七章图像分割与边缘检测
7.1.3 区域生长
分割的目的是把一幅图像划分成一些区域，最直接的方法就是把一幅图像分成满足某种判据的区域，也就是说，把点组成区域。
第七章图像分割与边缘检测
7.2.2 高斯-拉普拉斯(LOG)
噪声点对边缘检测有较大的影响，效果更好的边缘检测器是高斯-拉普拉斯(LOG)算子。它把高斯平滑滤波器和拉普拉斯锐化滤波器结合起来，先平滑掉噪声，再进行边缘检测，所以效果更好。
常用的LOG算子是 5×2 5的 4模板 4： 4 2
第七章图像分割与边缘检测
本章内容
7.1 图像分割 7.2 边缘检测 7.3 轮廓跟踪与提取 7.4 图像匹配 7.5 投影法与差影法 7.6 应用实例
第七章图像分割与边缘检测
7.1 图像分割
7.1.1 概述
图像分割是将图像划分成若干个互不相交的小区域的过程，小区域是某种意义下具有共同属性的像素的连通集合。
如不同目标物体所占的图像区域、前景所占的图像区域等。
第七章图像分割与边缘检测
连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径。对于离散图像而言，连通有4连通和8连通之分，如图7-1所示。
(a)
(b)
图7-1 4连通和8连通
第七章图像分割与边缘检测
4连通指的是从区域上一点出发，可通过4个方向，即上、下、左、右移动的组合，在不越出区域的前提下，到达区域内的任意像素；

数字图像处理PPT——第七章图像分割

p-参数法
针对已知目标物在画面中所占比例的情况。基本设计思想选择一个值Th，使前景目标物所占的比例为p，背景所占比例为1-p。基本方法先试探性地给出一个阈值，统计目标物的像素点数在整幅图中所占的比例是否满足要求，是则阈值合适；否则，阈值则偏大或者偏小，再进行调整，直到满足要求。
p-参数法算法步骤
⎧ σ b2 ⎫ η | Th* = max ⎨ 2 ⎬ ⎩σ in ⎭
局部阈值方法
提出的原因阈值方法对于较为简单的图像（目标与背景差别大，容易区分的图像）简单有效，对于较为复杂的图像，分割效果不稳定。方法把图像分成子块，在每个子块上再采样前述阈值分割方法
灰度－局部灰度均值散布图法
σ 12 =
f ( x , y )∈C 1
∑
( f ( x, y ) − μ1 )2
2 σ2 =
f ( x , y )∈C 22 )2
1 μ1 = N C1
f ( x , y )∈C 1
∑
f ( x, y )
1 μ2 = NC 2
f ( x , y )∈C 2
∑
f ( x, y )
参数空间的一条直线对应xy空间的一个点
Hough变换提取直线原理
Xy空间一条直线上的n个点，对应kb 空间经过一个公共点的n条直线 Kb空间一条直线上的n点对应于xy空间中过一公共点的n条直线
Hough变换提取直线算法
假设原图像为二值图像，扫描图中的每一个像素点：背景点，不作任何处理目标点，确定直线： b = − xk + y 参数空间上的对应直线上所有的值累加1 循环扫描所有点参数空间上累计值为最大的点(k*,b*)为所求直线参数按照该参数与原图像同等大小的空白图像上绘制直线

数字图像处理-SJTUMediaLab-上海交通大学

第七章图像分割-3
Digital Image Processing
引言
人们观察景物时，所看到的是一个个物体。
数字图像处理设法把图像分成像素集合，每个集合代表一个物体。
上海交通大学图像通信与网络工程研究所第七章图像分割-4
Digital Image Processing
引言
图像分割的目的：
数字图像处理
Digital Image Processing
主讲：张重阳
上海交通大学图像通信与网络工程研究所
Email ：sunny_zhang@ 上海交通大学图像通信研究所
Digital Image Processing
上海交通大学图像通信与网络工程研究所
第七章图像分割-2
把图像分解成构成它的部件和对象；
有选择性地定位感兴趣对象在图像中的位置和范围。
上海交通大学图像通信与网络工程研究所
第七章图像分割-5
Digital Image Processing
本章概述
相关章节的关系：
增强/复原：输出的是“质量有提高”的数字图象，目的在于看得
“更清楚”；
压缩/变换：为了更有效地传输、存储；分割/描述：输出的是目标的特性，是对图象的描述。
原来仅用一个特征：“灰度值”，在一维特征空间里分类。若再加一个“特征”，根据二个特征共同来判别更好，因为二维特征空间分类，类别可分离性↑
问题：另一维是什么特征？它和空间信息有关
上海交通大学图像通信与网络工程研究所第七章图像分割-11
（2）可变门限
（3）利用空间信息进行门限选择
Digital Image Processing
灰度门限

《MATLAB图像处理实例详解》课件Chapter_7a第7章图像分割技术

7.4.1 区域生长法
区域生长是一种串行区域分割的图像分割方法。区域生长的基本思想是将具有相似性质的像素集合起来构成区域。区域增长方法根据同一物体区域内像素的相似性质来聚集象素点的方法，从初始区域（如小邻域或单个象素）开始，将相邻的具有同样性质的象素或其它区域归并到目前的区域中从而逐步增长区域，直至没有可以归并的点或其它小区域为止。区域内象素的相似性度量可以包括平均灰度值、纹理、颜色等信息。
差分来逼近梯度算子，即：
2、Prewitt算子下面介绍Prewitt算子。 Prewitt算子的大小为3×3，如下所示：
这两个算子分别代表图像的水平梯度和垂直梯度。 3、Sobel算子 Sobel算子的大小和Prewitt算子的大小相同，都是3×3。Soble算子的模板如下所示：
在MATLAB中，函数edge( )可以采用Sobel算子进行边缘检测。
设为图像的位置处的灰度值，灰度级为，则。若灰度级的所有像素个数为，则第级灰度出现的概率为：
其中
，并且
。
7.3.3 迭代式阈值分割
迭代阈值法是阈值法图像分割中比较有效的方法，通过迭代的方法来求出分割的最佳阈值，具有一定的自适应性。迭代法阈值分割的步骤如下：
（1）设定参数，并选择一个初始的估计阈值。（2）用阈值分割图像。将图像分成两部分：是由灰度值大于的像素组成，
对于图像中的间断点，常用的检测模板为：
对于图像中的线段，常用的检测模板为：
2 1 1
1 2 1
1 1 2
7.4ቤተ መጻሕፍቲ ባይዱ2 微分算子
常用的微分算子有Sobel算子、Prewitt算子和Roberts算子。通过这些算子对图像进行滤波，就可以得到图像的边缘。下面分别进行介绍。