《第七章图像分割与特征提取及MATLAB实现ppt课件.ppt》由会员分享，可在线阅读，更多相关《第七章图像分割与特征提取及MATLAB实现ppt课件.ppt（55页珍藏版）》请在三一办公上搜索。
1、1,图像分割是指将图像中有意义的对象与其背景分离，并把这些对象按照不同的含义分割开来，也就是说，把图像中具有不同含义的对象提取出来。图像分割的方法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两大类。边缘检测技术是所有基于边界分割的图像分析方法的第一步，首先检测出图像局部特性的不连续性，再将它们连成边界,第7章 图像分割与特征提取 及MATLAB实现,2,7.1 边缘检测方法 图像边缘对图像识别和计算机分析十分有用，边缘能勾画出目标物体，使观察者一目了然；边缘蕴含了丰富的内在信息（如方向、阶跃性质、形状等），是图像识别中重要的图像特征之一。从本质上说，图像边缘是图像局部特性不连续性（灰度突
2、变、颜色突变、纹理结构突变等）的反映，它标志着一个区域的终结和另一个区域的开始。为了计算方便起见，通常选择一阶和二阶导数来检测边界，利用求导方法可以很方便地检测到灰度值的不连续效果。,3,7.1.1 边缘算子法（1）差分算子 图7.1 常见边缘的一阶差分和二阶差分,4,1）梯度算子,5,2）罗伯特（Robert）梯度3）拉普拉斯（Laplacian）算子,6,图7.2 Laplacian算子集合,7,图7.3 灰度分布,8,（2）Laplacian-Gauss算子7.1.2 模板匹配法,9,（1）点模板（2）线模板（3）边缘模板7.1.3 曲面拟合法（1）一次平面拟合,10,11,（2）二次平
3、面拟合,12,7.1.4 边缘检测的MATLAB实现方法（1）MATLAB 提供的用于灰度图像边缘的函数BW =edge（I，sobel）BW =edge（I，sobel，thresh）BW =edge（ I，sobel，thresh，direction）BW ，thresh=edge（I，sobel，）BW =edge（I，prewitt）（2）边缘检测的 MATLAB 实现方法,13,图7.14 边缘提取方法的举例,14,图7.15 用不同算法对原图进行边缘检测的不同效果,15,7.2 灰度阈值分割法 在灰度图像中分离出有意义区域的最基本的方法是设置阈值的分割方法。 图7.16 图像中的区
4、域（n=4）,16,7.2.1 双峰法7.2.2 p参数法 图7.18 3个区域组成图像的直方图,17,18,表7.1 累加像素数的计算结果,19,7.2.3 最大方差自动取阈法 图7.19 最大方差自动取阈法,20,21,22,7.2.4 灰度阈值分割法的MATLAB实现（1）利用图像分割测试图像中的微小结构 图7.20 搜索图像中的微小结构,23,（2）测试图像中相互接触的对象 图7.21 检测图像中相互接触对象,24,7.3 灰度相似合并法 在图像上形成有相似特性的各个区域可以通过阈值法将图像由大到小进行分割的途径，也可以采用由小到大进行合并的途径。合并法是将像素或者是相对图像来说很小的
5、，可以看成是特性一致的微区域作为基本单元，由此出发，根据区域的相连性，比较相邻的基本单元出发，重复上述处理，不同的是此时基本单元的特性值为小区域中该特性的平均值。这样的合并使小区域不断扩张，直到不再满足特性相似为止。,25,7.3.1 灰度差判别准则 图7.22 f（u，v）的33领域（为与f（u，v） 相邻的像素）,26,7.3.2 灰度分布相似性判别准则 图7.24 灰度分布相似性判别,27,（1）凯蒙高罗夫-斯密诺夫 KS（Kolmogorov-Smirnov）判别准则（2）平滑差判别准则,28,7.4 二值图像与线图形 人们长期以来探求着直接从灰度图像获得构成对象物形状的区域或边缘，形
6、成了各种有效的方法，特别是对于一些复杂景物图像的识别和理解，图像中丰富的灰度信息将成为主要的依据。但是，就一般图像中对象物的形状特征提取来说，常常可以在二值图像中得到，也就是说，仅有两个灰度级的图像往往就足以用来研究对象物的形状特征。二值图像与灰度图像相比，信息量大大减少，因而处理一幅图像的速度快，成本低，实用价值高。,29,图7.26 二值图像与线图形,30,7.4.1 二值图像分割（1）连接性（2）贴标签法7.4.2 二值图像平滑 图7.32 二值图像中的噪声,31,（1）膨胀（扩张）处理（2）腐蚀（收缩）处理 图7.33 二值图像的膨胀运算示例,32,（3）复合形态变换 图7.39 开启
7、和闭合运算示例,33,（4）图像平滑处理 图7.40 二值图像平滑处理,34,7.4.3 距离图像与骨骼（1）距离图像 图7.41 距离中心像素点的距离值,35,1）欧几里德距离2）4邻域距离3）8邻域距离,36,（2）骨骼7.4.4 细线化图7.46 细线化处理示例（：芯线； ：消除点）,37,7.4.5 边缘跟踪7.4.6 二值图像处理的 MATLAB 的实现（1）四叉树分解的 MATLAB 实现 四叉树分解指的是将一幅图像分解成自相似的若干块。他通常作为自适应压缩的第一步，是一种很有效的压缩方法。四叉树分解算法的功能由函数 qtdecomp来实现。S =qtdecomp（I）S =qtd
8、ecomp（I，threshold）,38,图7.47 一个随机图像及其四叉树图,39,图7.48 二值图像示例,40,（2）二值图像的 MATLAB 实现（3）膨胀和腐蚀的 MATLAB 的实现 图7.49 对图像进行膨胀和腐蚀示例,41,（4）复合形态变换的MATLAB实现 图7.50 复合形态变换的 M ATLAB 实现的示例,42,（5）骨骼的MATLAB的实现（6）图像边界像素的MATLAB的实现 图7.51 对图像进行骨骼示例,43,图7.52 图像的边界像素的输出结果,44,（7）距离变换的MATLAB的实现 图7.53 距离变换前、后的显示效果比较,45,（8）标记法的MATL
9、AB的实现 图7.54 标记法图像处理示例1,46,7.5 形状特征描述 形状特征技术是在经过图像分割、二值化、线图形化等处理的基础上，进一步抽象出形状特征参数的过程。形状特征参数没有统一的定义，只要能充分反映对象物的形状，或者能有效区分对象物之间的形状差异，并且能方便、快速获取的参数都可作为形状特征参数。因此，实际应用中，形状描述的途径很多，可以直接对区域、边缘做出描述，也可以对能代表对象物形状的其他线图形进行描述，甚至可以通过数学方法产生一些特征参数系列。,47,7.5.1 区域简单形状特征（1）面积 S与周长 L（2）圆形度 R0，内切圆半径 r与形状复杂性 e,48,（3）凹凸性7.5
10、.2 区域矩特征,49,50,7.5.3 线段与形状特征7.5.4 链码与形状特征7.5.5 傅立叶描绘子,51,7.5.6 特征测量的MATLAB的实现（1）图像面积测量的MATLAB实现（2）图像欧拉数测量的MATLAB实现 图7.61 原始图像及其膨胀后的图像,52,7.6 图像纹理特征的提取 纹理在图像处理中起着重要的作用，它被广泛应用于气象云图分析、卫星遥感图像分析、生物组织和细胞的显微镜照片分析等领域。此外，在一般的以自然风景为对象的图像分析中，纹理也具有重要的作用。 通过观察不同物体的图像，可以抽取出构成纹理特征的两个要素：（1）纹理基元：是一种或多种图像基元的组合，它具有一定的形状和大小；（2）纹理基元的排列组合,53,7.6.1 直方图统计特征（1）灰度直方图,54,（2）边缘方向直方图7.6.2 行程长度统计法,55,7.6.3 灰度差分统计法1）对比度2）角度方向二阶矩3）熵4）平均值7.6.4 傅立叶特征,
