边缘检测与图像分割
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)。
图像分割及其基于分割的目标表达、特征提取和参数测量等将原 始图像转化为更抽象更紧凑的形式，使得更高层的图像分析和理解成 为可能。
图像分割多年来一直得到人们的高度重视,至今已提出了上千种各 种类型的分割算法，而且近年来每年都有上百篇相关研究报道发表。
3.图像分割的基本策略(P187)
分割算法基于灰度值的两个基本特性:不连续性和相似性。 首先检测图像像素灰度级的不连续性,找到点、线(宽度为1)、 边(不定宽度)。先找边，后确定区域。 或者，检测图像区域像素的灰度值的相似性，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。
例1:检测不连续性
例2:检测相似性
7.2 阈值分割
7.2.1 阈值分割原理与分类
7.2.2 阈值选取方法
7.3 边缘检测
7.3.1 边缘检测概念
7.3.2 基于一阶导数法的边缘检测
7.3.3 基于二阶导数法的边缘检测
7.4 区域分割
7.4.1 区域生长法
7.4.2 分裂合并法
7.5 直线检测
它基于对灰度图像的一种假设: 不同目标或背景对应不同的峰。
h(z)
z
0
T
又例如:提取指纹（直方图阈值法）
通过上面两个例子,我们可 以用以下方式对直方图阈 值法进行数学描述。 设图像为f (i ,j)， 其灰度级范围为[z1 ,z2]， 设T为阈值（选取两峰之 间的谷底所对应的灰度级 作为阈值）可得一幅二值 图像，其数学表达式为:
图像分割实例:虹膜定位
图像分割实例:虹膜定位
2.图像分割的定义(P187说明)
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：
N
Ri R ；
i 1
对所有的i和j，i≠j，有Ri∩Rj =φ；
对i = 1,2,…,N，有P(Ri) = TRUE；
7.5.1 模板匹配
7.5.2 Hough变换
7.2.1 阈值分割原理与分类
阈值分割方法是最早提出的图像分割方法之一,具有简单、快 速的优点。
基本思想:主要是利用图像中要提取的目标物体和背景在灰度 上的差异，选择一个合适的阈值，通过判断图像中的每一个像素 点的特征属性是否满足阈值的要求来确定图像中该像素点属于前 景区还是应该属于背景区域，从而产生二值图像。
为了辨识和分析目标,需要将它们分离提取出来，在此基础上 才有可能对目标进一步利用。
图像分割就是指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。这里特性可以是像素的灰度、颜色、纹理等， 预先定义的目标可以对应单个区域，也可以对应多个区域。
图像分割是由图像处理过渡到图像分析的关键步骤,在图像工程中 占据重要的位置。
图像阈值化处理的变换函数表达式为: g(x,y)0 f(x,y)T 255f(x,y)T
阈值的选取非常
重要。阈值过大,会
(a)
Baidu Nhomakorabea(b)
提取多余的部分；而
阈值过小，又会丢失
所需的部分。
(c)
(d)
7.2.1 阈值分割原理与分类
1. 直方图阈值法
60年代中期,Prewitt提出了 直方图阈值法，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。
直方图阈值法不适用于直方图中双峰差别很大 或双峰间的谷比较宽广而平坦的图像,以及单 蜂、多峰直方图（详细数据）的情况。
双峰差别很大
Q=imread('Jeff.jpg'); W=rgb2gray(Q); figure, imhist(W); Q1=im2bw(Q,110/255); figure,imshow(Q1);
Q=imread('liftingbody.png'); figure, imhist(Q);
单蜂直方图
Q=imread('liftingbody.png'); figure, imhist(Q); Q1=im2bw(Q,175/255); figure,imshow(Q1);
Q=imread('Jeff11.jpg'); W=rgb2gray(Q); figure, imhist(W);
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。
3.图像分割的研究意义
在对图像的研究和应用中,人们往往仅对图像中的某 些部分感兴趣。这些部分常称为目标或前景(其他部分称 为背景)，它们一般对应图像中特定的、具有独特性质的 区域。
gx,y 1 0
fx,yT fx,yT
一副含有一个与背景明显对比的物体图像具 有包含双峰的灰度直方图,如图3一3所示。 两个尖峰对应于物体内部和外部较多数目的 点。两峰间的谷对应于物体边缘附近相对较 少数目的点，在类似这样的情况下，通常采 用直方图来确定灰度阐值的值。
如何用matlab实现:
Q=imread('shuangfeng.bmp'); W=rgb2gray(Q); figure, imhist(W);
多蜂直方图
多蜂直方图
Q=imread('Jeff11.jpg'); W=rgb2gray(Q); figure, imhist(W); Q1=im2bw(Q,45/255); figure,imshow(Q1);
多蜂直方图
Q=imread('Jeff11.jpg'); W=rgb2gray(Q); figure, imhist(W); Q1=im2bw(Q,100/255); figure,imshow(Q1);
阈值分割法的特点:
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。（可通过先求背景，然后求反得 到物体）
这种方法总可以得到封闭且连通区域的边界。
显然对于阈值分割方法,确定一个最优阈值是分割的关键问题， 现有的大部分算法都是集中在阈值确定的研究上。
常用的阈值分割就是图像的二值化,选择一阈值（？），将图像转 换为黑白二值图像。
Q1=im2bw(Q,100/255); figure,imshow(Q1);
09.11.18.txt
Q=imread('shuangfeng.bmp'); W=rgb2gray(Q); figure, imhist(W); Q1=im2bw(Q,100/255); figure,imshow(Q1);
图像分割多年来一直得到人们的高度重视,至今已提出了上千种各 种类型的分割算法，而且近年来每年都有上百篇相关研究报道发表。
3.图像分割的基本策略(P187)
分割算法基于灰度值的两个基本特性:不连续性和相似性。 首先检测图像像素灰度级的不连续性,找到点、线(宽度为1)、 边(不定宽度)。先找边，后确定区域。 或者，检测图像区域像素的灰度值的相似性，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。
例1:检测不连续性
例2:检测相似性
7.2 阈值分割
7.2.1 阈值分割原理与分类
7.2.2 阈值选取方法
7.3 边缘检测
7.3.1 边缘检测概念
7.3.2 基于一阶导数法的边缘检测
7.3.3 基于二阶导数法的边缘检测
7.4 区域分割
7.4.1 区域生长法
7.4.2 分裂合并法
7.5 直线检测
它基于对灰度图像的一种假设: 不同目标或背景对应不同的峰。
h(z)
z
0
T
又例如:提取指纹（直方图阈值法）
通过上面两个例子,我们可 以用以下方式对直方图阈 值法进行数学描述。 设图像为f (i ,j)， 其灰度级范围为[z1 ,z2]， 设T为阈值（选取两峰之 间的谷底所对应的灰度级 作为阈值）可得一幅二值 图像，其数学表达式为:
图像分割实例:虹膜定位
图像分割实例:虹膜定位
2.图像分割的定义(P187说明)
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：
N
Ri R ；
i 1
对所有的i和j，i≠j，有Ri∩Rj =φ；
对i = 1,2,…,N，有P(Ri) = TRUE；
7.5.1 模板匹配
7.5.2 Hough变换
7.2.1 阈值分割原理与分类
阈值分割方法是最早提出的图像分割方法之一,具有简单、快 速的优点。
基本思想:主要是利用图像中要提取的目标物体和背景在灰度 上的差异，选择一个合适的阈值，通过判断图像中的每一个像素 点的特征属性是否满足阈值的要求来确定图像中该像素点属于前 景区还是应该属于背景区域，从而产生二值图像。
为了辨识和分析目标,需要将它们分离提取出来，在此基础上 才有可能对目标进一步利用。
图像分割就是指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。这里特性可以是像素的灰度、颜色、纹理等， 预先定义的目标可以对应单个区域，也可以对应多个区域。
图像分割是由图像处理过渡到图像分析的关键步骤,在图像工程中 占据重要的位置。
图像阈值化处理的变换函数表达式为: g(x,y)0 f(x,y)T 255f(x,y)T
阈值的选取非常
重要。阈值过大,会
(a)
Baidu Nhomakorabea(b)
提取多余的部分；而
阈值过小，又会丢失
所需的部分。
(c)
(d)
7.2.1 阈值分割原理与分类
1. 直方图阈值法
60年代中期,Prewitt提出了 直方图阈值法，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。
直方图阈值法不适用于直方图中双峰差别很大 或双峰间的谷比较宽广而平坦的图像,以及单 蜂、多峰直方图（详细数据）的情况。
双峰差别很大
Q=imread('Jeff.jpg'); W=rgb2gray(Q); figure, imhist(W); Q1=im2bw(Q,110/255); figure,imshow(Q1);
Q=imread('liftingbody.png'); figure, imhist(Q);
单蜂直方图
Q=imread('liftingbody.png'); figure, imhist(Q); Q1=im2bw(Q,175/255); figure,imshow(Q1);
Q=imread('Jeff11.jpg'); W=rgb2gray(Q); figure, imhist(W);
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。
3.图像分割的研究意义
在对图像的研究和应用中,人们往往仅对图像中的某 些部分感兴趣。这些部分常称为目标或前景(其他部分称 为背景)，它们一般对应图像中特定的、具有独特性质的 区域。
gx,y 1 0
fx,yT fx,yT
一副含有一个与背景明显对比的物体图像具 有包含双峰的灰度直方图,如图3一3所示。 两个尖峰对应于物体内部和外部较多数目的 点。两峰间的谷对应于物体边缘附近相对较 少数目的点，在类似这样的情况下，通常采 用直方图来确定灰度阐值的值。
如何用matlab实现:
Q=imread('shuangfeng.bmp'); W=rgb2gray(Q); figure, imhist(W);
多蜂直方图
多蜂直方图
Q=imread('Jeff11.jpg'); W=rgb2gray(Q); figure, imhist(W); Q1=im2bw(Q,45/255); figure,imshow(Q1);
多蜂直方图
Q=imread('Jeff11.jpg'); W=rgb2gray(Q); figure, imhist(W); Q1=im2bw(Q,100/255); figure,imshow(Q1);
阈值分割法的特点:
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。（可通过先求背景，然后求反得 到物体）
这种方法总可以得到封闭且连通区域的边界。
显然对于阈值分割方法,确定一个最优阈值是分割的关键问题， 现有的大部分算法都是集中在阈值确定的研究上。
常用的阈值分割就是图像的二值化,选择一阈值（？），将图像转 换为黑白二值图像。
Q1=im2bw(Q,100/255); figure,imshow(Q1);
09.11.18.txt
Q=imread('shuangfeng.bmp'); W=rgb2gray(Q); figure, imhist(W); Q1=im2bw(Q,100/255); figure,imshow(Q1);