图形分割图像及处理
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
区域合并法
• 把图像分割成特征均匀、大小为nxn的小区 域,然后根据邻接小区域内灰度分布的相 似性进行区域合并
区域分离合并法
• 和区域合并法相反,区域分离合并法采用 递归的方式分割图像,获得小区域,使每 个小区域具有均匀的灰度特征。
• 1,首先,把整个图像当作一个区域,检查特征的 均匀性。 • 2,若特征不均匀,则按如图所示把区域分割成4 个矩形区域,若特征均匀,则停止。 • 3,对于由分割得到的各矩形区域,递归执行1, 2的处理。
四叉树表示
示例:分裂 示例:
分裂
合并
(a)
(b)
(c)
(d)
数字图像的四叉树分解
结束
概述
• 分类 连续性与处理策略 分类—连续性与处理策略
– 连续性: 连续性:
• 不连续性:边界 不连续性: • 相似性:区域 相似性:
– 处理策略:早期处理结果是否影响后面的处理 处理策略:
• 并行:不 并行: • 串行:结果被其后的处理利用 串行:
– 四种方法
• 并行边界;串行边界;并行区域;并行边界 并行边界;串行边界;并行区域;
i j
) = false
Biblioteka Baidu
( 5 ) 对 i = 1 , 2 ,..., n , R i 是连通的区域
概述
• 地位
– 图像处理着重强调图像之间进行变换以改善图 像的效果 – 图像分析则主要是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 – 图像理解的重点是在图像分析的基础上,进一 步研究图像中各目标的性质和它们之间的相互 关系,并得出对图像的解释
图像分割
(Image Segmentation) )
xxxxxxxxx xxxxxx
主讲内容
概述
图像分割定义 形式化定义 地位 分类
边缘检测
梯度算子 拉普拉斯算子 Log算子 算子 Canny算子 算子
阀值分割
双峰法 迭代法 最大类间方差法
基于区域的 图像分割
区域生长图像分割 区域分离合并
概述
• 图像分割定义
图像的导数
• 梯度算子 梯度是图像处理中最为常用的一次微分方法。 Robert算子 Prewitt算子 Sobel算子 图像经过梯度运算能灵敏地检测出中边界,而克 服导数运算的方向性,但是梯度运算比较复杂。 • 拉普拉斯算子 对应二阶微分: 具有各向同性、线性、位移不变性等。
用Sobel、Prewitt和Roberts算子边 缘检测
概述
• 分类—分割依据
–相似性分割:将相似灰度级的像素聚集在一起 。形成图像中的不同区域。这种基于相似性原 理的方法也称为基于区域相关的分割技术 –非连续性分割:首先检测局部不连续性,然后 将它们连接起来形成边界,这些边界把图像分 以不同的区域。这种基于不连续性原理检出物 体边缘的方法称为基于点相关的分割技术 –两种方法是互补的。有时将它们地结合起来, 以求得到更好的分割效果。
用Sobel、Prewitt和Roberts算子边 缘检测
用Log和Canny算子边缘检测
用Log和Canny算子边缘检测
添加高斯噪声
添加高斯噪声
阀值分割
• 阀值分割是一种简单有效地图像分割法,它对物体与背景有较强对比 的景物分割特别有用。 • 该方法用一个或几个阀值将图像的灰度级分为几部分,将隶属于同一 部分的像素视为相同区域。 利用图像中要提取的目标物与其背景在灰度特性上的差异,把图像视为 具有不同灰度级的两类区域(目标和背景)的组合,选取一个合适的阈 值.以确定图像中每一个像素点应该属于目标还是背景区域.从而产 生相应的二值图像。 要从复杂的景物中分辨出目标,并将其形状完整地提取出来,阈值的 选取是阈值分割技术的关键。如果阈值选取过高,则过多的目标点被 误认为背景;阈值选得过低,则会出现相反的情况。至今还未能找到 一种对所有图像都能有效分割的阈值选取方法。
– 按照一定的规则将一幅图像分成各具特性的区域,并 提取出感兴趣目标的技术和过程 – 其它名称:
• 目标轮廓技术(object delineation ) • 目标检测(target detection) • 阈值化技术(thresholding)
– 图像处理到图像分析的关键步骤
概述
• 形式化定义
双峰法
双峰法
迭代法
最大类间方差法图像分割
基于区域的图像分割
• 区域生长
• 区域合并
• 区域分离合并
区域生长
• 区域生长的基本思想是将具有相似性质的 像素集合起来构成一个区域。 • 为此先取一个需要分割的区域,从中选取 一个种子像素作为生长起点。 • 然后将种子像素领域中与种子像素有相同 或相似性质的像素合并到种子像素所在区 域中。 • 反复下去就可以将一幅图片分割成若干个 区域。
– 令集合R代表整个图像区域,对R的分割可看作将R分 成若干个满足以下条件的非空子集(子区域) R1, R2, R3,… Rn:
n
(1 )U R
i=1
i
( 2 ) 对所有的
i和 j , i ≠ j , 有 R ∪ R
i
∩ R
j
= φ
( 3 ) 对 i = 1 , 2 ,..., n , 有 P ( R i ) = true (4 )对 i ≠ j, 有 P ( R
边缘检测
• 图像边界是图像局部特征不连续的反 映,它标志着一个区域的终结和另一 个区域的开始。 • 查找边缘是所有基于边界的分割方法 的第一步。 • 查找图像的轮廓的图像处理方法叫做 边缘检测。
边缘检测
简单边缘检测方法 最早的边缘检测方法都是基于像素的数值导数的 ,在数字图像中应用差分代替导数运算。 由于边缘是图像上灰度变化比较剧烈的地方,在 灰度变化突变处进行微分,将产生高值,因此在 数学上可用灰度的导数来表示变化。