图像的二值化阈值分割示例

?
图像分割示例
——细菌检测
图像分割示例
——印刷缺陷检测
图像分割示例
——印刷缺陷检测
局部放大图
检测结果
图像分割的难点
• 从前面的例子可以看到，图像分割是比较困难 的。原因是画面中的场景通常是复杂的，要找 出两个模式特征的差异，并且可以对该差异进 行数学描述都是比较难的。
图像分割
把图像空间按照一定的要求分成一些 “有意义”的区域的技术叫图像分割。 例 如：
• 图像分割方法分类：
大致可以分为基于边缘检测的方法和基于区 域生成的方法。
第一类为找出图像的边缘信息，首先检出局 部特性的不连续性，再将它们连成边界，这些边 界把图像分成不同的区域，从而分割出各个区域， 常用边缘检测方法有基于边缘检测的图像分割、 基于阈值选取的图像分割；
第二类为基于区域生成的方法，是将像素分 成不同的区域，根据相应的区域特性在图像中找 出与其相似的部分并进行处理，常用的方法有区 域生长、分裂-合并分割方法。
双峰法比较简单，在可能情况下常常作 为首选的阈值确定方法，但是图像的灰度直 方图的形状随着对象、图像输入系统、输入 环境等因素的不同而千差万别，当出现波峰 间的波谷平坦、各区域直方图的波形重叠等 情况时，用直方图阈值法难以确定阈值，必 须寻求其他方法来选择适宜的阈值。
7.2.3 直方图最大熵阈值 一维直方图
7.1 图像分割
图像分割的目的
图像分割是指通过某种方法，使得画面场景 被分为“目标物”及“非目标物”两类,即将图像 的像素变换为黑、白两种。
因为结果图像为二值图像，所以通常又称图 像分割为图像的二值化处理。
图像分割示例
Байду номын сангаас
图像分割示例
——条码的二值化
局 部 放 大
图像分割示例
——肾小球区域的提取
直方图的双峰与阈值
直方图阈值双峰法实例
I=imread(‘blood.bmp’); %读入灰度图像并显示 imshow(I); figure;imhist(I); %显示灰度图像直方图 Inew=im2bw(I,140/255); %图像二值化，根据
140/255确定的阈值，划分目标与背景 figure;imshow(Inew);
（e）分割阈值T=180
在图像的阈值化处理过程中，选用不同 的阈值其处理结果差异很大。
阈值过大，会提取多余的部分；而阈值过 小，又会丢失所需的部分。
因此，阈值的选取非常重要。
灰度图像二值化实例
2．灰度图像多区域阈值分割 图像中的区域（n=4）
在各区域的灰度差异设置n个阈值，并进行如 下分割处理：
设图像为f (x, y) ，其灰度级范围是[0，L-1]，在
0和L-1之间选择一个合适的灰度阈值T，则图像分
割方法可描述为：
1 g(x,y) 0
f(x,y)T f(x,y)T
这样得到的g (x, y)是一幅二值图像。
7.2.1 灰度阈值分割
1．阈值分割原理
常用的图像分割方法是把图像灰度分成不同的 等级，然后用设置灰度门限(阈值)的方法确定有意义 的区域或分割物体的边界。
• 图像分割的应用领域
机器阅读理解 OCR录入 遥感图像自动识别 在线产品检测 医学图像样本统计 医学图像测量 图像编码 图像配准的预处理
图像分割的意义 是把图像分成若干个有意义区域的处
理技术。其从本质上说是将各像素进行分 类的过程。分类所依据的特性可以是像素 的灰度值、颜色或多谱特性、空间特性和 纹理特性等。
把这种通过选取直方图阈值来分割目标和背 景的方法称为直方图阈值双峰法。
具体实现的方法是先做出图像的灰度直 方图，若只出现背景和目标物两区域部分所 对应的直方图呈双峰且有明显的谷底，则可 以将谷底点所对应的灰度值作为阈值t，然后 根据该阈值进行分割就可以将目标从图像中 分割出来。
这种方法适用于目标和背景的灰度差较 大，直方图有明显谷底的情况。
常用的阈值化处理就是图像的二值化处理，即 选择一个阈值，将图像转换为黑白二值图像，用于 图像分割及边缘跟踪等预处理。
图像阈值化处理的变换函数表达式为
255 f(x,y)T
g(x,y) 0
f(x,y)T
两种变换曲线
图像的二值化阈值分割示例
（a）原图像
（b）图像直方图
（c）分割阈值T=90
（d）分割阈值T=130
g0
g(i,
j)
g1
gn1
gn
f (i, j) T0 T0 f (i, j) T1
Tn2 f (i, j) Tn1 f (i, j) Tn1
图像中各点经上述灰度阈值法处理后，各个有 意义区域就从图像背景中分离出来。
含有多目标图像的直方图
7.2.2 直方图阈值
1．直方图阈值的双峰法
当灰度图像中画面比较简单且对象物的灰度 分布比较有规律，背景和对象物在图像的灰度 直方图上各自形成一个波峰，由于每两个波峰 间形成一个低谷，因而选择双峰间低谷处所对 应的灰度值为阈值，可将两个区域分离。
第7章 图像分割
7.1 图像分割 7.2 基于阈值选取的图像分割方法 7.3 基于区域的图像分割方法 7.4 基于边缘检测的图像分割 7.5 Hough变换检测法
学习目标
• 了解图像分割的类别和作用 • 掌握基于阈值选取的图像分割方法 • 掌握基于区域的图像分割方法 • 掌握基于边缘检测的图像分割方法 • 了解Hough变换检测法
以上这两类方法互为对偶，相辅相成，有时 还要将它们结合起来，以得到更好的分割效果。
7.2 基于阈值选取的图像分割方法
若图像中目标和背景具有不同的灰度集 合：目标灰度集合与背景灰度集合，且两个 灰度集合可用一个灰度级阈值T进行分割。 这样就可以用阈值分割灰度级的方法在图像 中分割出目标区域与背景区域，这种方法称 为灰度阈值分割方法。
（1）要确定航空照片中的森林、耕地、城市 区域等，首先需要将这些部分在图像上分 割出来。
（2）要辨认文件中的个别文字，也需先将这 些文字分选出来。
（3）要识别和标定细胞的显微照片中的染色 体，需要用图像分割技术。 一幅图像通常是由代表物体的图案与背 景组成，简称物体与背景。若想从一幅图像 中“提取”物体，可以设法用专门的方法标 出属于该物体的点，如把物体上的点标为 “1”，而把背景点标为“0”，通过分割以 后，可得一幅二值图像。