遥感数字图像处理教程--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)。
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。
– 如果用拉普拉斯算子，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.
• 简单全局阈值分割
– 基本思想：用前述方法获得阈值T，并产生一 个二值图，区分出前景对象和背景
• 这种方法总可以得到封闭且连通区域的边界。
f(x0,y0) T
灰度值
• 通过交互方式得到阈值
– 基本思想：
• 在通过交互方式下，得到对象（或背景 ）的灰 度值，比得到阈值T容易得多。
假T设=：f(对x0,象y0的) –灰R度有值：(也称样点值)为f(x0,y0),且： f(x,y) T
f(x,y) f(x0,y0) – R |f(x,y) – f(x0,y0)| R 其中R 是容忍度，可通过试探获得。
– 算法实现：
• 规定一个阈值T，逐行扫描图像。
• 凡灰度级大于T的，颜色置为255；凡灰度 级小于T的，颜色置为0。
– 适用场合：明度图像是可以控制的情况，例 如用于工业监测系统中。
• 分割连通区域
– 基本思想：用前述方法获得阈值T，并产生 一个二值图，区分出单独的连通前景对象和 背景区域
– 算法实现：
）R1，R2，…，RN：
①
N
R i
R
；
i 1
② 对所有的i和j，i≠j，有Ri∩Rj = ；
③ 对i = 1,2,…,N，有P(Ri) = TRUE；
④ 对i≠j,有P(Ri∪Rj) = FALSE；
⑤ 对i =1,2,…,N，Ri是连通的区域。
二、图像分割的基本原则
灰度图像的分割是基于像素灰度值的两个基本特性： 不连续性和相似性，
• 阈值分割法
– 通过交互方式得到阈值 – 通过直方图得到阈值 – 通过边界特性选择阈值 – 简单全局阈值分割 – 分割连通区域 – 基于多个变量的阈值
Βιβλιοθήκη Baidu
• 阈值分割法
0 0 255 0 255 255
– 阈值分割法的基本思想：
255 255 255
• 确定一个合适的阈值T（阈值选定的好坏是此 方法成败的关键）。
• 通过边界特性选择阈值
– 基本思想：
• 如果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。
• 为了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。
• 通过边界特性选择阈值
– 取直方图谷底，为最小值的灰度值为阈值T
– 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：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
• 通过直方图得到阈值
T
• 通过直方图得到阈值
– 对噪音的处理 对直方图进行平滑处理，如最小二乘法，等不 过点插值。
• 将大于等于阈值的像素作为物体或背景，生 成一个二值图像。
If f(x,y) T set 255
Else set 0
• 在四邻域中有背景的像素，即是边界像素。
• 阈值分割法
– 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）
• 规定一个阈值T，上下左右4个方向进行 逐行扫描图像
• 凡灰度级大于T的，颜色置为255；凡灰 度级小于T的，颜色置为0。
• 分割连通区域
– 适用场合：印前等。 先左后右，先上半部分、后下半部分
• 基于多个变量的阈值
– 基本思想：把前面的方法扩展到多维空间，则 寻找波谷的过程，变为寻找点簇的过程。
图像分割的方法 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。 区域分割 • 确定每个像素的归属区域，从而形成一个区 域图。 区域生长 • 将属性接近的连通像素聚集成区域 分裂－合并分割 • 综合利用区域分割和区域生长两种方法，既 存在图像的划分，又有图像的合并。
8.1 阈值分割法
分割原则包括： 利用区域灰度不连续性的基于边界的分割； 利用区域灰度相似性的基于区域的分割。
利用区域灰度不连续性的基于边界的分割 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。
利用区域灰度相似性的基于区域的分割
检测图像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。
– 基本思想：
• 这种方法有以下优点：
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
• 通过边界特性选择阈值
– 算法的实现：
1）对图像进行梯度计算，得到梯度图像。
图像分析系统的基本构成
一、图像分割的概念
前景 （感兴趣目标） 背景 图像分割是将图像分成互不重叠的区域并提取出感 兴趣目标技术。 利用区域特性，如灰度、颜色、纹理等
图像分割的严格定义(Conzalez R C,1992):
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
第8章 图像分割
8.1 图像分割的概念与方法分类 8.2 阈值分割法 8.3 边缘检测 8.4 区域分割 8.5 区域生长 8.6 数学形态法
8.1 图像分割的概念与方法分类
图像分析与图像分割
图像分析对图像中感兴趣的目标进行检测和测 量，以获得它们的客观信息，从而建立对图像的描 述。
预处理 图像分割 特征提取 对象识别
– 算法实现：
• 各维分量波谷之间进行逻辑与运算，从波 谷重合的点，得到实际的阈值T。
• 通过交互方式得到阈值
– 实施方法： （1）通过光标获得样点值f(x0,y0) （2）选取容忍度R （3）if |f(x,y)–f(x0,y0)| R set 255
else set 0
• 通过直方图得到阈值
– 基本思想 边界上的点的灰度值出现次数较少
T
• 通过直方图得到阈值
– 取值的方法：
3）通过直方图的谷底，得到阈值T。
– 如果用拉普拉斯算子，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.
• 简单全局阈值分割
– 基本思想：用前述方法获得阈值T，并产生一 个二值图，区分出前景对象和背景
• 这种方法总可以得到封闭且连通区域的边界。
f(x0,y0) T
灰度值
• 通过交互方式得到阈值
– 基本思想：
• 在通过交互方式下，得到对象（或背景 ）的灰 度值，比得到阈值T容易得多。
假T设=：f(对x0,象y0的) –灰R度有值：(也称样点值)为f(x0,y0),且： f(x,y) T
f(x,y) f(x0,y0) – R |f(x,y) – f(x0,y0)| R 其中R 是容忍度，可通过试探获得。
– 算法实现：
• 规定一个阈值T，逐行扫描图像。
• 凡灰度级大于T的，颜色置为255；凡灰度 级小于T的，颜色置为0。
– 适用场合：明度图像是可以控制的情况，例 如用于工业监测系统中。
• 分割连通区域
– 基本思想：用前述方法获得阈值T，并产生 一个二值图，区分出单独的连通前景对象和 背景区域
– 算法实现：
）R1，R2，…，RN：
①
N
R i
R
；
i 1
② 对所有的i和j，i≠j，有Ri∩Rj = ；
③ 对i = 1,2,…,N，有P(Ri) = TRUE；
④ 对i≠j,有P(Ri∪Rj) = FALSE；
⑤ 对i =1,2,…,N，Ri是连通的区域。
二、图像分割的基本原则
灰度图像的分割是基于像素灰度值的两个基本特性： 不连续性和相似性，
• 阈值分割法
– 通过交互方式得到阈值 – 通过直方图得到阈值 – 通过边界特性选择阈值 – 简单全局阈值分割 – 分割连通区域 – 基于多个变量的阈值
Βιβλιοθήκη Baidu
• 阈值分割法
0 0 255 0 255 255
– 阈值分割法的基本思想：
255 255 255
• 确定一个合适的阈值T（阈值选定的好坏是此 方法成败的关键）。
• 通过边界特性选择阈值
– 基本思想：
• 如果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。
• 为了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。
• 通过边界特性选择阈值
– 取直方图谷底，为最小值的灰度值为阈值T
– 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：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
• 通过直方图得到阈值
T
• 通过直方图得到阈值
– 对噪音的处理 对直方图进行平滑处理，如最小二乘法，等不 过点插值。
• 将大于等于阈值的像素作为物体或背景，生 成一个二值图像。
If f(x,y) T set 255
Else set 0
• 在四邻域中有背景的像素，即是边界像素。
• 阈值分割法
– 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）
• 规定一个阈值T，上下左右4个方向进行 逐行扫描图像
• 凡灰度级大于T的，颜色置为255；凡灰 度级小于T的，颜色置为0。
• 分割连通区域
– 适用场合：印前等。 先左后右，先上半部分、后下半部分
• 基于多个变量的阈值
– 基本思想：把前面的方法扩展到多维空间，则 寻找波谷的过程，变为寻找点簇的过程。
图像分割的方法 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。 区域分割 • 确定每个像素的归属区域，从而形成一个区 域图。 区域生长 • 将属性接近的连通像素聚集成区域 分裂－合并分割 • 综合利用区域分割和区域生长两种方法，既 存在图像的划分，又有图像的合并。
8.1 阈值分割法
分割原则包括： 利用区域灰度不连续性的基于边界的分割； 利用区域灰度相似性的基于区域的分割。
利用区域灰度不连续性的基于边界的分割 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。
利用区域灰度相似性的基于区域的分割
检测图像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。
– 基本思想：
• 这种方法有以下优点：
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
• 通过边界特性选择阈值
– 算法的实现：
1）对图像进行梯度计算，得到梯度图像。
图像分析系统的基本构成
一、图像分割的概念
前景 （感兴趣目标） 背景 图像分割是将图像分成互不重叠的区域并提取出感 兴趣目标技术。 利用区域特性，如灰度、颜色、纹理等
图像分割的严格定义(Conzalez R C,1992):
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
第8章 图像分割
8.1 图像分割的概念与方法分类 8.2 阈值分割法 8.3 边缘检测 8.4 区域分割 8.5 区域生长 8.6 数学形态法
8.1 图像分割的概念与方法分类
图像分析与图像分割
图像分析对图像中感兴趣的目标进行检测和测 量，以获得它们的客观信息，从而建立对图像的描 述。
预处理 图像分割 特征提取 对象识别
– 算法实现：
• 各维分量波谷之间进行逻辑与运算，从波 谷重合的点，得到实际的阈值T。
• 通过交互方式得到阈值
– 实施方法： （1）通过光标获得样点值f(x0,y0) （2）选取容忍度R （3）if |f(x,y)–f(x0,y0)| R set 255
else set 0
• 通过直方图得到阈值
– 基本思想 边界上的点的灰度值出现次数较少
T
• 通过直方图得到阈值
– 取值的方法：