图像分割 第三讲

g(x,y)=
1 f(x,y)≥t
或 0 f(x,y)<t
g(x,y)=
1 f(x,y)≤t 0 f(x,y)>t
另外，还可以将阈值设置为一个灰度范围[t1,t2]，凡是灰度在范 围内的象素都变为1，否则皆变为0，即
g(x,y)=
1 t1≤f(x,y)≤t2 0 其它
某种特殊情况下，高于阈值t的象素保持原灰度级，其它象素都 变为0，称为半阈值法，分割后的图像可表示为：
2 通过边界特性选择阈值
基本思想：改善直方图的波峰形状，我们只把区域边缘的像素绘入直方 图，而不考虑区域中间的像素。用微分算子，处理图像，使图像只剩下边界 中心两边的值。这样直方图的各个波峰很高、很窄、对称，且被很深的波谷 分开时，有利于选择阈值。 优点：1) 在前景和背景所占区域面积差别很大时，不会造一个灰度级的 波峰过高，而另一个过低；2)边缘上的点在区域内还是区域外的概率是相等 的，因此可以增加波峰的对称性；3)基于梯度和拉普拉斯算子选择的像素， 可以增加波峰的高度。 算法的实现： 1）对图像进行梯度计算，得到梯度图像。 2）得到梯度值最大的那一部分（比如10%）的像素直方图。 3）通过直方图的谷底，得到阈值T。 另外，也可以用拉普拉斯算子不通过直方图，直接得到阈值，方法是使 用拉普拉斯算子过滤图像，将0跨越点对应的灰度值为阈值T。
g(x,y)=
f(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：
g(x,y)=
ZE
f(x,y)∈Z
阈值
ZB
其它
阈值的选取是阈值分割技术的关键，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。
分割算法基于灰度值的两个基本特性：
不连续性——区域之间 相似性——区域内部 根据图像像素灰度值的不连续性：
先找到点、线（宽度为1）、边（不定宽度），再确定区域。
根据图像像素灰度值的相似性：
通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边。
5.图像分割的方法：
1) 基于边缘的分割方法:先提取区域边界，再确定边界限定的区域。 2) 区域分割:确定每个像素的归属区域，从而形成一个区域图。 3) 区域生长:将属性接近的连通像素聚集成区域。 4) 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 像元的合并。 分割对象
本节内容：
• • • • • 图像分割概述 阈值分割 边缘检测 区域分割 Hough变换检测法
一、图像分割概述
分割的目的是把图象空间分成一些有意义的区域，是实 现图像自动识别与理解的必不可少的过程，是计算机视觉 的中间层次。 例如，一幅航空照片，可以分割成工业区、住宅区、 湖泊、森林等等。
可以以逐个象素为基础去研究图象分割，也可以利用 在规定邻域中的某些图象信息去分割。 分割的依据可建立在相似性和非连续性两个基本概念 之上。
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。
分割对象
二、阈值分割
图像阈值分割是一种广泛应用的分割技术，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，以确定图像中每个象素点应 该属于目标还是背景区域，从而产生相应的二值图像。 阈值分割法的特点是：适用于物体与背景有较强对比的情况，重要的 是背景或物体的灰度比较单一；而且总可以得到封闭且连通区域的边界。 1 图像二值化 设原始图像f(x,y)，以一定的准则在f(x,y)中找出一个合适的灰度值， 作为阈值t，则分割后的图像g(x,y)，可由下式表示：
阈值的选取：
1 双峰法阈值 •简单直方图分割法
60年代中期，Prewitt提出了直方图双峰wk.baidu.com，即如果灰度级直方图呈 明显的双峰状，则选取两峰之间的谷底所对应的灰度级作为阈值。
P 图像灰度直方图
暗 Z1
Zi
背景
Zt Zj
目标
Zk
亮
双峰法选取阈值的缺点：会受到噪音的干扰，最小值不是预期的阈值， 而偏离期望的值。 改进办法：1）取两个峰值之间某个固定位置，如中间位置上。由于峰 值代表的是区域内外的典型值，一般情况下，比选谷底更可靠，可排除 噪音的干扰；2）加强对噪音的处理。对直方图进行平滑处理。
2.图像分割的定义：
• 所谓图像分割是指将图像中具有特殊涵义的不同区域区分 开来，这些区域是互相不交叉的，每一个区域都满足特定 区域的一致性。 • 数学定义
令集合R代表整个图像区域，对R的分割可看作将R分成N个满足以下五个条件 的非空子集（子区域）R1，R2，…，RN： • ； R R • 对所有的i和j，i≠j，有Ri∩Rj =φ； • 对i = 1,2,…,N，有P(Ri) = TRUE； • 对i≠j,有P(Ri∪Rj) = FALSE； • 对i =1,2,…,N，Ri是连通的区域。 其中P(Ri)是对所有在集合Ri中元素的逻辑谓词,φ代表空集。
N i i 1
3.图像分割的基本思路：
• 从简到难，逐级分割；
分割矩形区域 定位牌照 定位文字
• 控制背景环境，降低分割难度；
背景环境:：路面、天空
• 把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上。
感兴趣的对象：汽车牌照 不相干图像成分：非矩形区域
4.图像分割的基本策略：
一、图像分割概述
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 segmentation）、图像识别与理解。
分割 预处理
表示与描述
中级处理
问题
图像获取
知识库
低级处理
识别 与 解释
结果
高级处理
1.图像分割的目标：
把图像分成互不重叠的区域并提取感兴趣的目标。如下图：