图像处理-区域分割

（2）
– eg:灰度直方图是关于灰度级分布的函数，是对图 像邻计中两灰灰个度度区直级域方分的图布灰。的度统直计方。图，这里H1设(Xh)和1(XH)2和(Xh)2分(X别)为为相累
• 问题：原图尺寸太小时检测可靠性降低
分裂合并法
• 操作步骤
– 对任意区V域(Ri,进Rj )行 t分割。
– 对相邻区域，如果 者
区域生长法
– 2、基于区域内灰度分布统计性质
• 步骤1：把像素分成互不重叠的小区域。
• 步骤2：比较邻接区域的累计灰度直方图，根据 分布的相似性进行区域合并。
• 步合骤并3满：足设终m置xa止x终H条1(止x件)-准H。2则(x)，重复X 步H1(骤x) 2H直2(x)到各区域
• 合并原则：（1）
Thank you
FP是分割算法 将实际背景错误分割为目标。
TN是分割算法 将实际背景正确分割为背景。
TP TP FN
TN TN FP
TP TP FP
FP FN TP FPTN FN
其他分割方式
• 基于参数活动轮廓模型的分割
– 传统的Snake模型 – GVF Snake模型
• 基于几何形变模型的分割
– 几何活动轮廓模型 – 测地活动轮廓模型 – Chan-Vese模型
V：图的顶点 像素
sml(i, j) exp((Ii I j )2 2)
– 从图像到图的映射
• 相似度判断因素：
E：连接顶点 相邻像素
W：边的权 相邻像素相似
值
度
1、灰度、颜色、纹理等图像特征
基于图论的分割
• 分割原则：
– 1、同一子集Vi内的顶点之间的关系紧密。 – 2、不同子集Vi与Vj相互之间的关系松散。 – eg:补图、割集、边集。
• 优缺点：
K-均值聚类
• 执行步骤：
– 1、选择某种方法将N割样本分成c个聚类的
初始划分，计算每个聚类的均值u1、u2、
– –
u233、 、...选 若ucj和N择 iNNJ=一NNji 1jie11，个xx 则uu备ij 22 jj转选ii 步样骤本2x，,设否其则在继X续j中。。
– 4、计算。
E
) UI
1-
2 N
(
iRk
fi
1 Nk
iRk
fi )2
RkI (max fi min fi )2
iRk
iRk
无监督评价方法
• 区域间差异化指标
–
思想：好的分割，其分割的相邻区域间的特征具有显著的差 M 1 M
异。
DIR
1 Cm2
f (Ri ) f (Rj )
i1 ji1
max((g(x, y)) min(g(x,
区域分割
郭栋彬
目录
• 基于区域的分割
– 区域生长法 – 分裂合并法
• 聚类分割
– K-均值聚类 – 模糊C均值聚类
➢ 基于图论的分割 ➢ 图像分割的性能评价
区域分割
• 阈（yu）值分割法没有或很少考虑空间 关系，很多阈值选择受到限制，基于区 域的分割方法可以弥补这点不足。
• 区域分割方式：
– 1、区域生长法
y))
( x, y)I
iI
• 语义指标
– 主要基4于S 分割目标的P2形状和边界平滑度等信息。
P2
• 紧凑性=
S
圆度=
通过组合上述三类指标，可以形成性的评价指标！！ ！
有监督评价方法
真实目 标
分割结 果
T
NF T F
N
P
P
其中：TP是分割算法 将实际目标正确分割为目标。
FN是分割算 法将实际目标错误分割为背景。
图像分割的性能评价
• 图像分割的性能评价分为：
– 无监督评价方法：通过分割结果图像的质量 参数来评价相应的分割算法。
– 有监督评价方法：将算法分割得到的图像与 理想分割的参考图像进行比对。
• 无监督评价方法的质量参数：
– 区域内一致性、区域间差异性指标、语义指 标
• 有监督评价方法的分割评判标准：
，将二
合并，这里V代表同质区域中的方差。
– 如果进一步的分裂或合并都不可能，
则终止算法。
聚类分割
• 聚类分割就是把给定的样本集合 X={x1,x2,x3....xn}按照某种准则分割成k 个不相交的子集，满足区域分割的要求-同一子集中的样本相似性较大，不同子 集样本的相似性。
• 典型的聚类方法：
– K-均值 – 模糊C均值 – Mean-Shift聚类算法
• 思想：将每个需要分割的区域找一个种子像素作为生长的起点 ，然后将种子像素周围领域中与种子像素有相同或相似的像素 合并到种子像素所在的区域中。
– 2、分裂合并法
• 分裂合并法先从整幅图开始，先将图像分成任 意大小且不重叠的区域，然后再合并或分裂这
• 区域生长三区要域素生：→长法
• 确定一组能正确代表所需区域的种子要素。 • 确定在生长过程中能将相邻像素包含进来的准则。 • 制定让生长停止的条件。
K-均值聚类
• 样本均值 1
ui
=
Ni
x
xX i
c
2
• 误差平方和 Je x ui i1 xXi
• 迭代后的均值和平方和 u
j
u
j
1 (x
Nj 1
uj
)
Jj
Jj
Nj Nj 1
xuj
2
• 转移判定依据 Nj Nj 1
பைடு நூலகம்xuj
2
Nk Nk 1
x uk
2
– 时才满足上述不等式。
只有当x离uj的距离比离uk的距离更近
• 生长准则
– 1、基于区域灰度差
• 步骤1：对像素扫描，找出尚未归置的像素。 • 步骤2：以该像素为中心检查他的邻接像素，如果灰度差小于预先
的阈值，将他们合并。
• 步骤3：以新合并的像素为中心，返回步骤2。 • 步骤4：返回步骤1，继续扫描，直到所有像素都有归属。
– 优缺点：
• 方法简单，易于计算。 • 当图像是彩色的时候，仅用单色的准则效果会受到影响。 • 在不考虑像素间的连通性和邻近性时，可能出现无意义的结果。
无监督评价方法
• 区域内一致性标准
– 区域内一致性主要基于图像的颜色、灰度、纹理和熵等。 – 以最大对比度为原则：
• 分个割Z区eb后k 域的N1k i二RjRWk(ki值)的mRka图x(一f中i 致有f j) R性1、ZReb2k..表.R示M共为M：个区域，则第k
Zeb
1 N
M k 1
Nk zebk
• 分割算法
cut(G1,G2)
wij E(u) min(cut(G1,G2))
iV1(G1), jV2 (G2 )
– 割集的权值之和为割：
– 两图之间的联系最弱，则要求子图间的割最 小。
– 问E(u)题 N：cut(G这1,G2中) a方csusot(cG法(1G,1G,G2偏)) 向acsusot(c于G(G2,2G,分G1)) 离单个或者小簇顶
基于图论的分割
• 思想：将图像映射为带权图，将像素或 区域视为节点，两节点属于同一区域的
可能性表示连接它们边的权值，这样就
输图入像把 图分的割割映为问最射图题小转 （化 距设分割计准为 离最 说优 明形目标成函化 ）问题对标数目函求--互补图分子像割
• 图论分割流程：则
数
图的解分割
图像的分割
G=（V,E） 图像
其中i为Rk中的像素,fi为像素i的灰度值，
W(i)为像素i的邻域，Nk为区域Rk的像素总数
• 各个区域Zebkde的加权平均值即为图像分割一
致性的评价标准 。
2
1 Nk
iRk
(
fi
fk )2
(max fi min fi )2
E （ wk） iRk
Rk I
iRk
2
UI
1- ( wkk2
Rk I