《数字图像处理ppt第6章图像分割课件.ppt》由会员分享，可在线阅读，更多相关《数字图像处理ppt第6章图像分割课件.ppt（84页珍藏版）》请在三一办公上搜索。
1、第10章 图像分割,图像分割实例：车牌定位,主要内容10.1 间断检测10.2 边缘连接和边界检测10.3 门限处理10.4 基于区域的分割10.5 基于形态学分水岭的分割 （自学）,原理 1、基于灰度的不连续性。（区域之间） 2、基于灰度的相似性。（区域内部）,10.1 间断检测1 点检测 （1）原理 用空域的高通滤波器来检测孤立点。,模板系数之和为零，表示灰度级为常数的区域，模板响应为零,（1）这个模板公式是测量中心点和它的相邻点之间加权的差值；（2）基本思想：如果一个孤立的点与它周围的点很不相同，则很容易被这类模板检测到。,（2）实例,限制：这类检测是基于单像素间断的，并且检测器模板的区
2、域有均匀的背景，所以这个检测过程有专用性。,2 线检测 （1）原理 模板检测,2 线检测若R1， R2， R3， R4对应4个模板的响应，则：若| Ri| Rj|, 则此点被认为与i方向的线更相关。,（2）实例,3 边缘检测,3 边缘检测 （1）基础 A、两种边缘模型,光学系统、采样和其它图像采集的不完善性，边缘是模糊的,B、一阶导数和二阶导数,C、噪声对一阶导数和二阶导数的影响,噪声对一阶和二阶导数都有影响，尤其对二阶导数影响较大，因此，在检测边缘前应该考虑平滑处理。,左上角的图像分割是无噪声的，第一列的其它三幅附加零均值且标准差为0.1，1.0和10.0的高斯噪声,（2）梯度算子 A、梯度
3、算子,边缘在(x,y)处的方向与此点的梯度向量的方向垂直。,C、实例,对角Sobel模板的响应,（3）拉普拉斯算子 A、拉普拉斯算子,Consider the function:The Laplacian of h isThe Laplacian of a Gaussian sometimes is called the Mexican hat function. It also can be computed by smoothing the image with the Gaussian smoothing mask, followed by application of the Lapl
4、acian mask.,The Laplacian of a Gaussian (LoG),A Gaussian function,零交叉求边缘,正值为白色，负值为黑色,标记白色和黑色区域过渡点,空心粉效应,比较图像(b）和(g），有以下结果：（1）零交叉点图像的边缘比梯度图像边缘细；（2）（g)中图像的边缘来自许多闭合环的零交叉点。这种空心粉效应是这种方法的缺陷。,10.2 边缘连接和边界检测,如何将边缘像素组合成有意义的边缘？,10.2 边缘连接和边界检测1 基于局部处理的边缘点连接 分析图像中每个点(x,y)的小邻域（如3*3或5*5）内像素的特点，将满足相似性准则的点连接起来，形成边缘
5、。基于梯度向量或梯度向量的方向。,梯度角度,原始图像,垂直Sobel算子,水平Sobel算子,梯度大于25，方向差小于15度所有点连接。小断裂连接和孤立短线清除,2 通过Hough变换进行整体处理 （1）问题的提出,在找出边界点集之后，需要连接，形成完整的边界图形描述。,（2）Hough变换检测直线的基本思想,对于边界上的n个点的点集，找出共线的点集和直线方程。设任意两点的直线方程：y = ax + b，构造一个参数a，b的平面。,A、xy平面上的任意一条直线y = ax + b ，对应在参数 ab平面上都有一个点。B、过xy平面一个点(x,y)的所有直线，构成参数ab平面 上的一条直线（b=
6、-xi a + yi）。,C、如果点(x1,y1)与点(x2,y2)共线，那么这两点在参数 ab平面上的直线将有一个交点。D、在参数ab平面上相交直线最多的点，对应的xy平面上的直线就是我们的解,y,x,(x1,y1),(x2,y2),a,b,a,A,找出相交线段最多的参数空间的点即为需要的直线；K个b值对应K个可能的a值，若有n个参考点，则需要nK次计算。,Hough变换算法实现问题：当直线接近垂直时，直线的斜率接近无限大。由于垂直直线a,为无穷大，我们改用极坐标形式：xcos + ysin = 参数平面为 ，对应不是直线而是正弦曲线使用交点累加器，或交点统计直方图，找出相交线段最多的参数空
7、间的点，然后找出该点对应的xy平面的直线线段。,The intersection of the curves corresponding to points 1,3,5,2,3,4,1,4,（3）实例,（1）像素属于3个具有最高计数的累加器单元之一；（2）没有长于5个像素的间隙。,Hough变换的扩展Hough变换不只对直线，也可以用于圆上的点： （x c1）2 + (y - c2)2 = c32这时需要三个参数的参数空间。,3 MATLAB实现,设计与实现一个基于Hough变换的直线检测器。（作业）,5.3 门限处理1 基础 （1）单阈值分割,思考题：如何寻找阈值？,（2）多阈值分割,（3）
8、门限处理的分类,A、全局门限处理 T仅取决于f(x,y)，即仅取决于灰度级值。B、局部门限处理 T取决于f(x,y)和p(x,y)。C、动态（自适应）门限处理 T取决于空间坐标x和y。,f(x,y)是点(x,y)的灰度级，p(x,y)表示点(x,y)的局部性质。,2 照明不均匀的影响,照明条件不好的图像，用单阈值时很难分割的。,常用的改进措施：,3 基本全局门限处理,4 基本自适应门限处理,不均匀亮度等成像因素会造成单一全局门限无法有效分割。另一种改进措施是将图像进一步细分为子图像，并对不同的子图像使用不同的门限进行分割。,你有什么其它的改进方法？,5 最佳全局和自适应门限（自学）,6 利用边
9、界特性改进直方图和局部门限处理,（1）基本思想 如果直方图的尖峰很高、很窄、具有对称性且被很深的波谷割开，则门限处理就具有非常好的效果。 一种改进直方图形状的方法是只考虑边缘附近的像素，使得直方图对于对象和背景大小的依赖性变小。 另外，使用某些简单度量的像素会趋向于加深直方图尖峰之间的波谷，如拉普拉斯算子。,（2）基本方法 A、 对图像分别进行梯度运算和拉普拉斯运算； （局部运算） B、由梯度图计算门限T； C、生成三级图像： D、进行扫描，标记目标和对象。 ()(-,+)(0,或+)(+,-)(),7 基于不同变量的门限 （自学）8 MATLAB实现,全局阈值处理 语法：T=graythre
10、sh(f) 说明：T是阈值，归一化为0至1之间的值。局部阈值处理 通过一个形态学顶帽算子并对得到的结果使用graythresh来计算。示例：f=imread(cell.tif);imshow(f);T=graythresh(f);G=f=T;figure, imshow(g);,补充材料：一种快速稳健的指纹图像分割方法,1、33均值滤波的效果,2、Sobel算子锐化增强并自适应阈值化,未锐化增强 锐化增强+全局阈值 锐化增强+自适应阈值,3 边框效应的消除,4 形态学操作,该方法运行速度快，并具有良好的稳健性，具有非常好的使用价值。,5.4 基于区域的分割1 区域分割的集合描述,将区域R划分为
11、若干个子区域R1,R2,Rn，这些子区域满足5个条件：1)完备性：2)连通性：每个Ri都是一个连通区域3)独立性：对于任意ij，RiRj= ,4)单一性：每个区域内的灰度级相等，P（Ri）= TRUE，i = 1,2,n5)互斥性：任两个区域的灰度级不等，P（RiRj）= FALSE，ij,2 区域生长,算法实现：1）根据图像的不同应用选择一个或一组种子，它或 者是最亮或最暗的点，或者是位于点簇中心的点。2）选择一个相似性准则。 （灰度级、 彩色、 纹理、 梯度等特性相似）3）从该种子开始向外扩张，不断将与集合中各个像 素连通、且满足相似性准则的像素加入集合。4）上一过程进行到不再有满足条件的
12、新结点加入集 合为止。（终止准则）,区域A,种子像素,种子选择准则：最亮的点。相似性准则：新加入像素值与已生长的区域的平均值小于 2，且为4连通。终止准则：没有像素加入。,随堂练习：（区域生长）,3 区域分离与合并,算法实现：1）对图像中灰度级不同的区域，均分为四个子区域,2）如果相邻的子区域所有像素的灰度级相同，则将其合并。3）反复进行上两步操作，直至不再有新的分裂与合并为止,随堂练习：（区域分裂-合并）,4 MATLAB实现,设计与实现一个基于区域生长的分割程序。（作业）,分割后处理 语法：BW2 = bwfill(BW1,c,r,n) 说明：填充二进制图像的背景色。（形态学处理）,语法：bwareaopen说明：二进制图像区域打开，清除小物体。,示例BW1 =1 0 0 0 0 0 0 01 1 1 1 1 0 0 01 0 0 0 1 0 1 01 0 0 0 1 1 1 01 1 1 1 0 1 1 11 0 0 1 1 0 1 01 0 0 0 1 0 1 01 0 0 0 1 1 1 0BW2 = bwfill(BW1,3,3,8)I = imread(blood1.tif);BW3 = im2bw(I);BW4 = bwfill(BW3,holes);imshow(BW3)figure, imshow(BW4),
