第七章图像的分割技术优秀课件
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)。
最大点设定为新当 前点
当前点与起点 重合
结束
轮廓跟踪流程
图搜索方法
❖ 借助状态空间搜索来寻求全局最优的轮廓 ❖ 基本概念
有向弧 有向图 父节点、子节点 展开 层 最小代价
❖ 例6.3.2
图搜索法
7.4 阈值分割
❖ 最常用的图像分割技术 ❖ 主要利用图像中背景与对象之间的灰度差异。 ❖ 理想状态下图像的灰度直方图上呈明显的双峰分布，两类
微分算子
提取边缘策略
应当先对图像去噪声，再进行边缘提取。若先对图 像平滑处理，抑制噪声，再求微分，则为Marr等算 子
MARR算子
G (x,y,)2 12 ex 2 p 12[ (x2y2)]
源自文库
fs(x,y)= f(x,y)* G(x,y,) 取高斯滤波器作平滑滤波，可以使频域具有通带窄、空域 方差小的最佳特点。
11111111 14565651 15788861 16888761 15788861 14877761 16545651 11111111
(a)
像 素 30 点
20
10
0 1 2 3 4(b)5 6 7 8 灰度级
Th=4
Th=7
(c)
灰度取域法，阈值对分割结果 影响很大
（a）数字图像
（b）直方图
（c）取阈结果Th=4,Th=7
1、极小值点阈值
“直方图双峰法”：如果灰度直方图呈现明显的双峰状，则 选取两峰之间的谷底对应的灰度级作为阈值。谷底就是直方 图的极小值。将各端点相连，形成直方图的包络线h(z)，这 是一条曲线，它的极小值满足
h(z)
2h(z)
0, z
z2 0
h(z)——直方图
T=120
典型算子
1
1
-1 -1
Roberts
-1 1 -1 -1 -1 -1 1 -1 -2 -1
-1 1
-2 2
-1 1 1 1 1 -1 1 1 2 1
Prewitt
Sobel
❖ 2. 拉普拉斯算子
2 f
2 f x2
2 f y2
0 -1 0 -1 -1 -1 -1 4 -1 -1 8 -1 0 -1 0 -1 -1 -1
22
马尔和希尔德雷斯（Hildreth）提出的最佳边缘检测算子 （简称M-H算子，常称为Marr算子）。连接零交叉点的轨 迹，就可以得到图像的边缘。
7.3 轮廓跟踪和图搜索
❖ 轮廓跟踪
又称边缘点链接方法，从一个边缘点出发，依次 搜索，从邻接点检测出轮廓并连接。
开始
选择起点
按一定方向搜索邻 接梯度最大点
❖ （4）对i≠j，有 P(Ri Rj)FALSE
❖ （5）对i=1,2,…,n，Ri是连通的区域
分割方法分类
❖ 从分割依据出发
“相似性分割”就是将具有同一灰度级或纹理的像素聚集在一起，形成 图像中的不同区域。这种基于相似性原理的方法常称为“基于区域相关 的分割技术”
“非连续性分割”需要先检测图像的局部不连续性，然后将它们连接起 来形成边界，这些边界将图像分割成不同的区域。这种基于不连续原理 检测图像中物体边缘的方法也称为“基于点相关的分割技术”。
物体灰度级间无交叠。在直方图中处于谷底的区域选取一 个灰度值作为阈值，根据灰度与阈值的关系将像素判定为 对象点或背景点，这个过程称为图像二值化。对二值图像 进行进一步的分析就可以获得图像的分割结果。
二值化
设f(x,y)表示原图像，g(x,y)表示分割后的图像，T为 选定的灰度阈值，分割算法表示为
g(x,y)10,,
第七章图像的分割技 术
7.1 图像分割定义和方法分类
❖图像分割的定义
图像分割是把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。
——图像分割技术是图像处理技术研究的热点之一。
实例
图像分割的性质
n
❖ （1） R i R i1
❖ （2）对所有i和j，i≠j，有 Ri
Rj
❖ （3）对i=1,2,…,n，有 P(R)TRUE
这两种方法具有互补性，一般来说在不同的场合需要不同的方法，有时 也将它们的处理结果相结合，以获得更好的效果。
❖ 根据分割算法本身
阈值法、边缘检测法、匹配法等
❖ 根据策略分类
串行算法 串行边界类、串行区域类
并行算法 并行边界类、并行区域类
分割算法分类
7.2 边缘检测
❖ 边缘可定义为在局部区域内图像的差别，他表现 为图像上的不连续性。(灰度级的突变，纹理结构 的突变，颜色的变化) ，可通过灰度门限法和空 间特性分类得到。
2 f s ( x , y ) 2 ( f ( x , y ) * G ( x , y ,) f ) ( x , y ) * 2 G ( x , y ,)
2 G ( x ,y ,) 2 G 2 G 1(x 2 y 2 1 )e x1 p ( x 2 [ y 2 )]
x 2 y 2 4 22
(xf)(x,y) f(x1,y1)f(x,y) (yf)(x,y) f(x,y1)f(x1,y)
G [ x f f ( x ( , y ) x 2 y ,f ( y x , y ) 2 ) 1 / 2 ]
[f a ( x y r f ( x , y , c ) / y x f ( t x , y ) ) g ]
（a）原图
（b）直方图
（c）二值化结果
Rice图像双峰法分割
2、最优阈值算法
设图像由两类对象1、 2组成，它们的条件概率分 别为：P(x/ 1)、P(x/ 2 ),其中x是灰度级，T是阈值
二值化判断： x>T,x 2； x<T,x 1
7.2 边缘检测——边缘分类
相邻区域灰度值不同 图像
灰度剖面 一阶导数
阶跃
脉冲
微分算子
1. 梯度算子
G[f(x,y)]=[f/ x, f/ y]T
(xf)(x,y) f(x,y)f(x1,y) (yf)(x,y) f(x,y)f(x,y1) (xf)(x,y) f(x,y)f(x1,y) (yf)(x,y) f(x,y)f(x,y1)
f(x,y)T f(x,y)T
或
g(x,y)10,,
f(x,y)T f(x,y)T
其中：“1”表示物体（对象、目标）， “0”表示背景。
多阈值二值化
有时对象的灰度分布相对集中，而背景的灰度分布
很散，就需要设置两个灰度阈值T1、T2, T1>T2，这
两个阈值间的灰度范围都对应于对象，即：
g(x,y)10,,T1f(x,y)其 T2它
当前点与起点 重合
结束
轮廓跟踪流程
图搜索方法
❖ 借助状态空间搜索来寻求全局最优的轮廓 ❖ 基本概念
有向弧 有向图 父节点、子节点 展开 层 最小代价
❖ 例6.3.2
图搜索法
7.4 阈值分割
❖ 最常用的图像分割技术 ❖ 主要利用图像中背景与对象之间的灰度差异。 ❖ 理想状态下图像的灰度直方图上呈明显的双峰分布，两类
微分算子
提取边缘策略
应当先对图像去噪声，再进行边缘提取。若先对图 像平滑处理，抑制噪声，再求微分，则为Marr等算 子
MARR算子
G (x,y,)2 12 ex 2 p 12[ (x2y2)]
源自文库
fs(x,y)= f(x,y)* G(x,y,) 取高斯滤波器作平滑滤波，可以使频域具有通带窄、空域 方差小的最佳特点。
11111111 14565651 15788861 16888761 15788861 14877761 16545651 11111111
(a)
像 素 30 点
20
10
0 1 2 3 4(b)5 6 7 8 灰度级
Th=4
Th=7
(c)
灰度取域法，阈值对分割结果 影响很大
（a）数字图像
（b）直方图
（c）取阈结果Th=4,Th=7
1、极小值点阈值
“直方图双峰法”：如果灰度直方图呈现明显的双峰状，则 选取两峰之间的谷底对应的灰度级作为阈值。谷底就是直方 图的极小值。将各端点相连，形成直方图的包络线h(z)，这 是一条曲线，它的极小值满足
h(z)
2h(z)
0, z
z2 0
h(z)——直方图
T=120
典型算子
1
1
-1 -1
Roberts
-1 1 -1 -1 -1 -1 1 -1 -2 -1
-1 1
-2 2
-1 1 1 1 1 -1 1 1 2 1
Prewitt
Sobel
❖ 2. 拉普拉斯算子
2 f
2 f x2
2 f y2
0 -1 0 -1 -1 -1 -1 4 -1 -1 8 -1 0 -1 0 -1 -1 -1
22
马尔和希尔德雷斯（Hildreth）提出的最佳边缘检测算子 （简称M-H算子，常称为Marr算子）。连接零交叉点的轨 迹，就可以得到图像的边缘。
7.3 轮廓跟踪和图搜索
❖ 轮廓跟踪
又称边缘点链接方法，从一个边缘点出发，依次 搜索，从邻接点检测出轮廓并连接。
开始
选择起点
按一定方向搜索邻 接梯度最大点
❖ （4）对i≠j，有 P(Ri Rj)FALSE
❖ （5）对i=1,2,…,n，Ri是连通的区域
分割方法分类
❖ 从分割依据出发
“相似性分割”就是将具有同一灰度级或纹理的像素聚集在一起，形成 图像中的不同区域。这种基于相似性原理的方法常称为“基于区域相关 的分割技术”
“非连续性分割”需要先检测图像的局部不连续性，然后将它们连接起 来形成边界，这些边界将图像分割成不同的区域。这种基于不连续原理 检测图像中物体边缘的方法也称为“基于点相关的分割技术”。
物体灰度级间无交叠。在直方图中处于谷底的区域选取一 个灰度值作为阈值，根据灰度与阈值的关系将像素判定为 对象点或背景点，这个过程称为图像二值化。对二值图像 进行进一步的分析就可以获得图像的分割结果。
二值化
设f(x,y)表示原图像，g(x,y)表示分割后的图像，T为 选定的灰度阈值，分割算法表示为
g(x,y)10,,
第七章图像的分割技 术
7.1 图像分割定义和方法分类
❖图像分割的定义
图像分割是把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。
——图像分割技术是图像处理技术研究的热点之一。
实例
图像分割的性质
n
❖ （1） R i R i1
❖ （2）对所有i和j，i≠j，有 Ri
Rj
❖ （3）对i=1,2,…,n，有 P(R)TRUE
这两种方法具有互补性，一般来说在不同的场合需要不同的方法，有时 也将它们的处理结果相结合，以获得更好的效果。
❖ 根据分割算法本身
阈值法、边缘检测法、匹配法等
❖ 根据策略分类
串行算法 串行边界类、串行区域类
并行算法 并行边界类、并行区域类
分割算法分类
7.2 边缘检测
❖ 边缘可定义为在局部区域内图像的差别，他表现 为图像上的不连续性。(灰度级的突变，纹理结构 的突变，颜色的变化) ，可通过灰度门限法和空 间特性分类得到。
2 f s ( x , y ) 2 ( f ( x , y ) * G ( x , y ,) f ) ( x , y ) * 2 G ( x , y ,)
2 G ( x ,y ,) 2 G 2 G 1(x 2 y 2 1 )e x1 p ( x 2 [ y 2 )]
x 2 y 2 4 22
(xf)(x,y) f(x1,y1)f(x,y) (yf)(x,y) f(x,y1)f(x1,y)
G [ x f f ( x ( , y ) x 2 y ,f ( y x , y ) 2 ) 1 / 2 ]
[f a ( x y r f ( x , y , c ) / y x f ( t x , y ) ) g ]
（a）原图
（b）直方图
（c）二值化结果
Rice图像双峰法分割
2、最优阈值算法
设图像由两类对象1、 2组成，它们的条件概率分 别为：P(x/ 1)、P(x/ 2 ),其中x是灰度级，T是阈值
二值化判断： x>T,x 2； x<T,x 1
7.2 边缘检测——边缘分类
相邻区域灰度值不同 图像
灰度剖面 一阶导数
阶跃
脉冲
微分算子
1. 梯度算子
G[f(x,y)]=[f/ x, f/ y]T
(xf)(x,y) f(x,y)f(x1,y) (yf)(x,y) f(x,y)f(x,y1) (xf)(x,y) f(x,y)f(x1,y) (yf)(x,y) f(x,y)f(x,y1)
f(x,y)T f(x,y)T
或
g(x,y)10,,
f(x,y)T f(x,y)T
其中：“1”表示物体（对象、目标）， “0”表示背景。
多阈值二值化
有时对象的灰度分布相对集中，而背景的灰度分布
很散，就需要设置两个灰度阈值T1、T2, T1>T2，这
两个阈值间的灰度范围都对应于对象，即：
g(x,y)10,,T1f(x,y)其 T2它