《彩色图像分割》PPT课件.ppt

《《彩色图像分割》PPT课件.ppt》由会员分享，可在线阅读，更多相关《《彩色图像分割》PPT课件.ppt（69页珍藏版）》请在三一办公上搜索。

1、彩色图像分割形态学分割,彩色图像分割的讨论内容,彩色图像的基本概念表色系统彩色图像的分割（包含其他处理）,彩色图像的基本概念 色彩,人眼对于彩色的观察和处理是一种 生理 和 心理 现象，其机理还没有完全搞清楚，因而对于彩色的许多结论都是建立在实验基础之上的。,彩色图像的基本概念 色彩的形成,光学原理解释的色彩的形成,如下图所示,可视光区的波长在400nm 700nm，当光谱采样限制到三个人类视觉系统敏感的红、绿、蓝光波段时，对这三个光谱带的光能量进行采样，就可以得到一幅彩色图像。,彩色图像的基本概念 色彩的分布,彩色图像的基本概念 色彩的分布,彩色图像的基本概念 色彩的分布,彩色图像的基本概念

2、 色彩的描述,颜色的描述是通过建立色彩模型来实现的，不同的色彩模型对应于不同的处理目的。CIE（国际照明委员会）在进行大量的色彩测试实验的基础上提出了一系列的颜色模型用于对色彩进行描述。,各种不同的颜色模型之间可以通过数学方法互相转换。,彩色图像的基本概念 色彩的CIE CIE L*a*b*描述,L:明亮度a:从绿色到红色b:从蓝色到黄色,Lab颜色空间是在1976年制定的等色空间，以克服在x，y色度图上相等的距离并不相当于我们所觉察到的相等色差的问题。,Lab 的概念图,几种常用的表色系,RGB表色系HSI表色系,RGB色系 基本概念,CIE规定了以700nm(红)、546.1nm(绿)、4

3、35.8nm(蓝)三个色光为三基色。又称为物理三基色。自然界的所有颜色都可以过选用这三基色按不同比例混合而成。,R:200,G:50,B:120,RGB色系 颜色构成,RGB色系 应用场合,目前包括计算机显示器、彩色电视机在内的绝大部分图形显示器中。如果采用其他色系进行了处理，最终一定要转换到RGB色系，才能正常显示结果。,HSI色系 问题的提出,RGB色系虽然是目前各类显示器使用的色系，但颜色的构成与人对颜色的理解方式不同，所以在进行处理与调整时，比较不容易获得准确的参数。,HSI色系 基本设计思路,这种彩色系统格式的设计反映了人类观察 彩色的方式。如：红色又分为浅红和深红色等等。,HSI色

4、系 亮度分量I,I 表示光照强度或称为亮度，它确定了像素的整体亮度，而不管其颜色是什么。,I:小 大,HSI色系 亮度(I)效果示意图,HSI色系 色度分量H,H：表示色度，由角度表示。反映了该颜色最接近什么样的光谱波长。0o为红色，120o为绿色，240o为蓝色。,HSI色系 色度（H）效果示意图,S：表示饱和度，饱和度参数是色环的原点到彩色点的半径长度。在环的外围圆周是纯的或称饱和的颜色，其饱和度值为1。在中心是中性（灰）色，即饱和度为0。,HSI色系 饱和度分量S,S,HSI色系 饱和度（S）效果示意图,HSI色系 颜色描述,黑,白,I,S,思考问题：在这个圆柱体上，红色的点顺（逆）时针

5、旋转会变成什么样？上下移动呢？向圆心方向移动呢？,HSI色系 与RGB色系的相互转换,1.RGB到HSI的转换,HSI色系 与RGB色系的相互转换,2.HSI到RGB的转换,HSI色系 与RGB色系的相互转换,HSI色系 与RGB色系的相互转换,注意：300360之间为非可见光谱色，没有定义。,红点的上下移动,红点的顺（逆）时针转动,红点向圆心方向移动,彩色图像的处理方法,灰度校正平滑处理锐化处理分割处理,彩色图像灰度级校正处理示例,彩色图像的平滑处理示例,彩色图像的锐化处理示例,彩色分割方法,HSI彩色空间分割RGB彩色空间分割,HSI彩色空间分割,如果希望基于彩色分割一幅图像，并且想在单独

6、的平面上执行处理，会很自然地想到HSI空间。HSI空间在色调图像中描述彩色是很方便的。其次在HSI空间进行彩色图像分割，由于H、S和I三个分量是相互独立的，所以有可能将这个3-D搜索的问题转化为3个1-D搜索。典型情况是，为了在色调图像中分离出感兴趣的特征区，饱和度被用做一个模板图像。在彩色图像分割中强度图像不常使用，因为它不携带彩色信息。,基于色调（H）直方图彩色图像分割，基于一维特征标量（C=W1 W2 W3）的双阈值分割算法。,阈值的选择可以采用人工交互的方式，也可以基于先验知识进行选择。基于H、C 的直方图统计扩展了灰度图像的阈值分割算法。但第一种方法对于原始图像中颜色数较少，目标颜色

7、单纯，且波长分布相对分散的情况，可以得到较好的结果。但由于它只考虑了色调值，而没有考虑光强和饱和度等对颜色的影响，因此，在不同的光照和饱和度下，很难得到较好的效果。基于C 的方法克服了上述缺点,但由于内部聚类不紧凑，有时会出现空洞。,RGB彩色空间分割,分割的目标是对给定图像中每一个RGB像素进行分类。为了进行分类，需要一个相似性度量。最简单的度量之一是欧氏距离。由下式给出：这里R、G、B表示向量X与u的RGB分量。D（X，u）D0的点的轨道是半径为D0的实心球。,形态学分割,形态学介绍基本符号与术语二值、灰度形态学,形态学介绍,数学形态学(Mathematical Morphology)诞生

8、于1964年，是由法国巴黎矿业学院博士生赛拉(J.Serra)和导师马瑟荣，在从事铁矿核的定量岩石学分析及预测其开采价值的研究中提出“击中/击不中变换”，并在理论层面上第一次引入了形态学的表达式，建立了颗粒分析方法。他们的工作奠定了这门学科的理论基础，如击中/击不中变换、开闭运算、布尔模型及纹理分析器的原型等。数学形态学的基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。,数学形态学的数学基础和所用语言是集合论，因此它具有完备的数学基础，这为形态学用于图像分析和处理、形态滤波器的特性分析和系统设计奠定了坚实的基础。数学形态学的应用可以简化图像数据，保持

9、它们基本的形状特性，并除去不相干的结构。数学形态学的算法具有天然的并行实现的结构，实现了形态学分析和处理算法的并行，大大提高了图像分析和处理的速度。,数学形态学是由一组形态学的代数运算子组成的，它的基本运算有4个：膨胀（或扩张）、腐蚀（或侵蚀）、开启和闭合，它们在二值图像和灰度图像中各有特点。基于这些基本运算还可推导和组合成各种数学形态学实用算法，用它们可以进行图像形状和结构的分析及处理，包括图像分割、特征抽取、边界检测、图像滤波、图像增强和恢复等。数学形态学方法利用一个称作结构元素的“探针”收集图像的信息，当探针在图像中不断移动时，便可考察图像各个部分之间的相互关系，从而了解图像的结构特征。

10、数学形态学基于探测的思想，与人的FOA(Focus Of Attention)的视觉特点有类似之处。作为探针的结构元素，可直接携带知识（形态、大小、甚至加入灰度和色度信息）来探测、研究图像的结构特点。,数学形态学的基本思想及方法适用于与图像处理有关的各个方面，如基于击中/击不中变换的目标识别，基于流域概念的图像分割，基于腐蚀和开运算的骨架抽取及图像编码压缩，基于测地距离的图像重建，基于形态学滤波器的颗粒分析等。迄今为止，还没有一种方法能像数学形态学那样既有坚实的理论基础，简洁、朴素、统一的基本思想，又有如此广泛的实用价值。有人称数学形态学在理论上是严谨的，在基本观念上却是简单和优美的。,基本符

11、号和术语,1.元素和集合 在数字图像处理的数学形态学运算中，把一幅图像称为一个集合。对于二值图像而言，习惯上认为取值为1的点对应于景物中心，用阴影表示，而取值为0的点构成背景，用白色表示，这类图像的集合是直接表示的。考虑所有值为1的点的集合为A，则A与图像是一一对应的。对于一幅图像A，如果点a在A的区域以内，那么就说a是A的元素，记为aA，否则，记作aA，如图（a）所示。,图 元素与集合间的关系,2.交集、并集和补集,图 集合的交集、并集和补集,设有两幅图像A和B，如果AB，那么称B击中A，记为BA，其中是空集合的符号；否则，如果AB=，那么称B击不中A，如图所示。,图 击中与击不中（a）B击

12、中A；（b）B击不中A,3.击中与击不中,4.平移和反射 设A是一幅数字图像（见图(a)），b是一个点（见图(b)），那么定义A被b平移后的结果为Abab|aA，即取出A中的每个点a的坐标值，将其与点b的坐标值相加，得到一个新的点的坐标值a+b，所有这些新点所构成的图像就是A被b平移的结果，记为A+b，如图（c）所示。,图 平移与反射,5.目标和结构元素 被处理的图像称为目标图像，一般用大写英文字母表示。为了确定目标图像的结构，必须逐个考察图像各部分之间的关系，并且进行检验，最后得到一个各部分之间关系的集合。在考察目标图像各部分之间的关系时，需要设计一种收集信息的“探针”，称为“结构元素”。“

13、结构元素”一般用大写英文字母表示，例如用S表示。在图像中不断移动结构元素，就可以考察图像之间各部分的关系。一般，结构元素的尺寸要明显小于目标图像的尺寸。,二值、灰度形态学,二值形态学中的运算对象是集合。设A为图像集合，S为结构元素，数学形态学运算是用S对A进行操作。需要指出，实际上结构元素本身也是一个图像集合。对每个结构元素可以指定一个原点，它是结构元素参与形态学运算的参考点。应注意，原点可以包含在结构元素中，也可以不包含在结构元素中，但运算的结果常不相同。以下用阴影代表值为1的区域，白色代表值为0的区域，运算是对值为1的区域进行的。二值形态学中两个最基本的运算腐蚀与膨胀，如图所示。,图8-5

14、 腐蚀与膨胀示意图,腐蚀 腐蚀是最基本的一种数学形态学运算。对一个给定的目标图像X和一个结构元素S，想象一下将S在图像上移动。在每一个当前位置x，S+x只有三种可能的状态（见图）：(1)S+xX；(2)S+xXC；(3)S+xX与S+xXC均不为空。,图 S+x的三种可能的状态,腐蚀在数学形态学运算中的作用是消除物体边界点。如果结构元素取33的像素块，腐蚀将使物体的边界沿周边减少一个像素。腐蚀可以把小于结构元素的物体(毛刺、小凸起)去除，这样选取不同大小的结构元素，就可以在原图像中去掉不同大小的物体。如果两个物体之间有细小的连通，那么当结构元素足够大时，通过腐蚀运算可以将两个物体分开。,例 腐

15、蚀运算图解。图给出腐蚀运算的一个简单示例。其中，图(a)中的阴影部分为集合X，图(b)中的阴影部分为结构元素S，而图(c)中黑色部分给出了XS 的结果。由图可见，腐蚀将图像（区域）收缩小了。,图 腐蚀运算示例,例 腐蚀运算,开、闭运算 如果结构元素为一个圆盘，那么，膨胀可填充图像中的小孔(比结构元素小的孔洞)及图像边缘处的小凹陷部分，而腐蚀可以消除图像边缘小的成分，并将图像缩小，从而使其补集扩大。但是，膨胀和腐蚀并不互为逆运算，因此它们可以级连结合使用。在腐蚀和膨胀两个基本运算的基础上，可以构造出形态学运算族，它由膨胀和腐蚀两个运算的复合与集合操作（并、交、补等）组合成的所有运算构成。例如，可

16、先对图像进行腐蚀然后膨胀其结果，或先对图像进行膨胀然后腐蚀其结果（这里使用同一个结构元素）。前一种运算称为开运算（或开启），后一种运算称为闭运算（闭合）。开运算和闭运算是形态学运算族中两个最为重要的组合运算。,因而XS是所有X的与结构元素S全等的子集的并组成的。或者说，对XS中的每一个点x，均可找到某个包含在X中的结构元S的平移S+y，使得xS+y，即x在X的近旁具有不小于S的几何结构。而对于X中不能被XS恢复的点，其近旁的几何结构总比S要小。这一几何描述说明，XS是一个基于几何结构的滤波器。下图给出了两个开运算的例子，其中图（a）是结构元素S1和S2，图（b）是用S1对X进行开运算的结果，图

17、（c）是用S2对X进行开运算的结果。当使用圆盘结构元素时，开运算对边界进行了平滑，去掉了凸角；当使用线段结构元素时，沿线段方向宽度较大的部分才能够被保留下来，而较小的凸部将被剔除。而XXS给出的是图像的凸出特征。可见，不同的结构元素的选择导致了不同的分割，即提取出不同的特征。,图 开运算去掉了凸角(a)结构元素S1和S2；(b)XS1；(c)XS2,图 闭运算填充了凹角(a)结构元素S1和S2；(b)XS1；(c)XS2,图 开、闭运算效果示意图(a)原始图像；(b)开运算的结果；(c)闭运算的结果,(a)(b)(c),图 灰值腐蚀与膨胀前后的图像(a)原始图像;(b)灰值腐蚀后的图像;(c)

18、灰度膨胀后的图像,图 灰值开闭运算实例(a)开运算的结果；(b)闭运算的结果,图像分割是一个将一幅数字图像划分为不交叠的、连通的像素集的过程。分割算法主要有边缘分割法、阈值分割法、区域分割法等。边缘是指其周围像素灰度变化不连续的那些像素的集合。常见的边缘检测方法有空域微分算子、拟合曲面、小波多尺度边缘检测以及基于数学形态学的边缘检测。阈值分割算法是区域分割算法中具有代表性的一类分割算法。常用的方法有全局阈值、基本自适应阈值方法、动态阈值方法和基于熵的二值化方法。,小结,基于区域的分割是以直接寻找区域为基础的分割技术。区域生长就是一种根据事先定义的准则将像素或者子区域聚合成更大区域的过程。彩色图像分割是数字图像处理中的一种应用广泛的技术。对彩色图像的分割可以采取两种方式，其一就是将彩色图像的各个分量进行适当的组合转化为灰度图像，然后利用对灰度图像的分割方法进行分割；其二就是在彩色模型空间中直接进行图像的分割。基于形态学方法的图像分割技术基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。,