图像分割技术

图像分割技术

图像分割就是将一副数字图像分割成不同的区域，在同一区域内具有在一定的准则下可认为是相同的性质，如灰度、颜色、纹理等，而任何相邻区域之间器性质具有明显的区别。

主要包括：边缘分割技术、阈值分割技术和区域分割技术。

1.边缘分割技术

边缘检测是检测图像特性发生变化的位置，是利用物体和背景在某种图像特性上的差异来实现的。不同的图像灰度不同，边界处会有明显的边缘，利用此特征可以分割图像。边缘检测分割法是通过检测出不同区域边界来进行分割的。

常见的边缘检测方法：微分算子、Canny算子和LOG算子等，常用的微分算子有Sobel 算子、Roberts算子和Prewit算子等。

（1）图像中的线段

对于图像的间断点，常用检测模板：

-1 -1 -1 -1 8 -1 -1 -1 -1⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦

对于图像中的线段，常用的检测模板：检测图像中的线段：

close all;clear all;clc;

I=imread('gantrycrane.png');

I=rgb2gray(I);

h1=[-1,-1,-1;2 2 2;-1 -1 -1];%模板

h2=[-1 -1 2;-1 2 -1;2 -1 -1];

h3=[-1 2 -1;-1 2 -1;-1 2 -1];

h4=[2 -1 -1;-1 2 -1;-1 -1 2];

J1=imfilter(I,h1);%线段检测

J2=imfilter(I,h2);

J3=imfilter(I,h3);

J4=imfilter(I,h4);

J=J1+J2+J3+J4;%4种线段相加

figure,

subplot(121),imshow(I);

subplot(122),imshow(J);

（2）微分算子

○1Roberts算子的计算公式：

采用edge()函数进行图像的边缘检测。

Roberts算子进行图像的边缘检测：

close all; clear all;clc;

I=imread('rice.png');

I=im2double(I);

%Roberts算法进行边缘检测

[J,thresh]=edge(I,'roberts',35/255);

figure,

subplot(121),imshow(I);

subplot(122),imshow(J);

○2Prewitt算子

对于复杂的图像，Roberts算子不能较好的得到图像的边缘，而需要采用更加复杂的3*3的算子，Prewittd算子如下，这两个分别表示图像的水平梯度和垂直梯度。close all; clear all;clc;

I=imread('cameraman.tif');

I=im2double(I);

%Prewitt算子进行边缘检测

[J,thresh]=edge(I,'prewitt',[ ],'both'); figure,

subplot(121),imshow(I);

subplot(122),imshow(J);

○3Sobel算子

Sobel算子模板：

采用Sobel算子进行图像的水平边缘检测：

close all; clear all;clc;

I=imread('gantrycrane.png');

I=rgb2gray(I);

I=im2double(I);

%Sobel算子进行边缘检测

[J,thresh]=edge(I,'sobel',[ ],'horizontal'); figure,

subplot(121),imshow(I);

subplot(122),imshow(J);

（3） Canny算子

Canny算子具有低误码率、高定位精度和抑制虚假边缘等优点。

close all; clear all;clc;

I=imread('rice.png');

I=im2double(I);

J=imnoise(I,'gaussian',0,0.01);%添加高斯噪声

[K,thresh]=edge(J,'canny');%Canny算子检测边缘

figure,

subplot(121),imshow(J);

subplot(122),imshow(K);

（4） LOG算子

拉普拉斯（Laplacian）算子是一种不依赖于边缘方向的二阶微分算子，它是标量而不是矢量，具有旋转不变的性质，在图像处理中经常被用来提取图像的边缘，表达式为：

首先用Gaussian函数对图像进行平滑，然后采用Laplacian算子根据二阶导数过零点来检测图像边缘，称为LOG算子。

优点：边界定位精度高，抗干扰能力强，连续性好等。

close all; clear all;clc;

I=imread('cameraman.tif');

I=im2double(I);

J=imnoise(I,'gaussian',0,0.005);%添加高斯噪声

[K,thresh]=edge(J,'log',[ ],2.3);%LOG算子检测边缘

figure,

subplot(121),imshow(J);

subplot(122),imshow(K);

2.阈值分割技术

阈值分割技术关键在于寻找合适的阈值，通常根据图像的直方图来选取。

（1）全局阈值

整个图像中只使用一个阈值，图像分为两个区域，目标对象（黑色）和背景对象（白色），全局阈值将整个图像的灰度阈值设置为常数。

对于物体和北京比较明显的图像，其灰度值直方图为双峰形状，可以选择良峰之间的波谷对应的像素值作为全局阈值，将图像分割为目标对象和背景，公式

为：