第八章图像分割技术PPT讲稿.ppt
第1页，共62页，编辑于2022年，星期三定义定义(1)(2)对所有的 i 和 j，有(3)对i=1,2,n，有P(Ri)=TRUE(4)对 ，有(5)对i=1,2,n，Ri是连通的区域8.1 8.1 图像分割定义和方法分类图像分割定义和方法分类第2页，共62页，编辑于2022年，星期三图像分割算法分类图像分割算法分类不连续性和相似性并行处理策略和串行处理策略 分类表 并行边界类 串行边界类 并行区域类 串行区域类第3页，共62页，编辑于2022年，星期三 边缘检测：并行边界类 基于边界分割方法的第一步 边缘：灰度值不连续的结果 可利用导数方便地检测 常用一阶和二阶导数来检测8.2 8.2 边缘检测边缘检测第4页，共62页，编辑于2022年，星期三n n 边缘和导数第5页，共62页，编辑于2022年，星期三 算子计算 对图像边缘的检测可借助空域微分算子通过模板对图像边缘的检测可借助空域微分算子通过模板卷积完成。卷积完成。几种简单的空域微分算子：（1）梯度算子（大小、方向）（2）拉普拉斯算子 （3）马尔算子（拉普拉斯-高斯）边缘检测算子边缘检测算子第6页，共62页，编辑于2022年，星期三（1）梯度算子）梯度算子一阶差分算子 矢量 幅度 方向角第7页，共62页，编辑于2022年，星期三梯度算子（一阶导数算子）梯度算子（一阶导数算子）利用模板（与图像进行）卷积模板比较：边缘粗细（与模板大小有关）方向性：水平模板(左)(垂直边缘)垂直模板(右)(水平边缘)第8页，共62页，编辑于2022年，星期三第9页，共62页，编辑于2022年，星期三第10页，共62页，编辑于2022年，星期三（2）拉普拉斯算子）拉普拉斯算子 (二阶差分算子)在（x，y）处的拉普拉斯值:第11页，共62页，编辑于2022年，星期三（3）马尔算子（二阶）马尔算子（二阶）用一个2-D的高斯平滑模板与源图像卷积 计算卷积后图像的拉普拉斯值 检测拉普拉斯图像中的过零点作为边缘点高斯函数：马尔算子：拉普拉斯：第12页，共62页，编辑于2022年，星期三第13页，共62页，编辑于2022年，星期三串行边界类基本思路：先检测边缘象素/边界段边界段 再逐次连接成闭合边界（轮廓）互相结合，顺序进行 1、轮廓跟踪 2、图搜索法8.3 8.3 轮廓跟踪和图搜索轮廓跟踪和图搜索第14页，共62页，编辑于2022年，星期三 （1）确定搜索起点 （2 2）采取合适的搜索机理确定新的轮廓点）采取合适的搜索机理确定新的轮廓点 （3）在满足终结条件时结束搜索缺点：不适合于噪声比较大的图像缺点：不适合于噪声比较大的图像1 1、轮廓跟踪、轮廓跟踪第15页，共62页，编辑于2022年，星期三将边缘像素和边界段用图表示图：G=N,A结点集n1,.结点对集(ni,nj)通路代价 父结点 父结点 子结点2 2、图搜索、图搜索-计算量大、复杂度高、计算量大、复杂度高、计算量大、复杂度高、计算量大、复杂度高、但适合噪声较大的图像但适合噪声较大的图像但适合噪声较大的图像但适合噪声较大的图像第16页，共62页，编辑于2022年，星期三边缘元素代价函数第17页，共62页，编辑于2022年，星期三第18页，共62页，编辑于2022年，星期三 阈值分割方法阈值分割方法-并行区域类 图像模型：图像模型：双峰直方图（对应目标和背景的2个单峰直方图混合而成）大小接近，均值相距大小接近，均值相距足够足够远，均方差足够小远，均方差足够小 取阈值分割步骤：取阈值分割步骤：并行区域类并行区域类(1)确定阈值（关键/难点）(2)(2)根据阈值对像素分类根据阈值对像素分类8.4 8.4 阈值分割阈值分割第19页，共62页，编辑于2022年，星期三 阈值分割方法 单阈值分割图像 第20页，共62页，编辑于2022年，星期三n n阈值选取方法 （1）极小值点阈值第21页，共62页，编辑于2022年，星期三n n阈值选取方法 （2 2）最优阈值最小误差阈值 目标和背景均高斯分布目标和背景均高斯分布 第22页，共62页，编辑于2022年，星期三n n阈值选取方法 第23页，共62页，编辑于2022年，星期三n n阈值选取方法 （3 3）迭代阈值）迭代阈值 阈值处在与重心成反比的位置第24页，共62页，编辑于2022年，星期三第25页，共62页，编辑于2022年，星期三由直方图凹凸性确定的阈值由直方图凹凸性确定的阈值直方图的一个峰淹没在另一个峰旁的缓坡里 直方图的包络区域凸包最大凸残差分割阈值 8.5 8.5 基于变换直方图选取阈值基于变换直方图选取阈值第26页，共62页，编辑于2022年，星期三依赖区域的阈值选取依赖区域的阈值选取 直方图变换直方图变换仅利用象素灰度可能出现的问题：灰度直方图的谷被填充借助邻域性质变换原来的直方图 获得低梯度值象素的直方图峰之间的谷比原直方图深 获得高梯度值象素的直方图峰由原直方图的谷转化而来第27页，共62页，编辑于2022年，星期三 直方图变换直方图变换 低梯度值像素的直方图 图像模型：双峰直方图双峰直方图 内部的像素具有较低梯度值 边界上像素具有较高梯度值第28页，共62页，编辑于2022年，星期三 直方图变换直方图变换 低梯度值像素的直方图低梯度值像素的直方图 峰之间的谷比原直方图更深 加权：1/（1+g g）2 2 梯度小权重大 梯度大权重小梯度大权重小第29页，共62页，编辑于2022年，星期三 直方图变换直方图变换 高梯度值像素的直方图高梯度值像素的直方图 峰由原直方图的谷转化而来 加权：g g 梯度小权重小 梯度大权重大梯度大权重大第30页，共62页，编辑于2022年，星期三 灰度灰度-梯度散射图梯度散射图2-D直方图直方图2-D图象图象 1个轴是灰度值轴 1个轴是梯度值轴 示例示例 目标，背景聚类第31页，共62页，编辑于2022年，星期三n n 阈值分割的推广 全局的方法 特征值对应特征空间点特征值对应特征空间点 灰度直方图 像素灰度为特征像素灰度为特征 灰度-梯度散射图 像素灰度和梯度为特征像素灰度和梯度为特征8.6 8.6 空间聚类空间聚类第32页，共62页，编辑于2022年，星期三分割：像素分类分割：像素分类特征空间聚类（取阈值是1-D聚类）多特征空间聚类的优点（分类能力较强）第33页，共62页，编辑于2022年，星期三 K-均值聚类均值聚类 优化的方法（最小化）将特征点赋给均值离它最近的类第34页，共62页，编辑于2022年，星期三K-均值聚类均值聚类(1)任意选K个初始类均值(2)特征点赋类(3)更新类均值(4)判断算法收敛第35页，共62页，编辑于2022年，星期三K-均值聚类均值聚类 类数目：类数目：类数目不同结果不同类数目不同结果不同 聚类品质：聚类品质：聚类品质：聚类品质：类内接近而类间区别大类内接近而类间区别大类内接近而类间区别大类内接近而类间区别大 根据聚类品质确定类数目根据聚类品质确定类数目第36页，共62页，编辑于2022年，星期三从区域着手顺序进行 串行区域类串行策略串行策略特点：特点：当前处理借助早期结果优点：抗噪声，抗干扰缺点：较复杂，费时间8.7 8.7 区域生长区域生长第37页，共62页，编辑于2022年，星期三 区域生长基本思想：区域生长基本思想：将相似像素结合起来构成区域基本步骤：基本步骤：(1)选择区域的种子像素(2)确定将相邻像素包括进来的准则(3)制定生长停止的规则关键：关键：(1)种子像素的选取(2)生长准则依赖应用第38页，共62页，编辑于2022年，星期三n n生长准则 基于区域灰度差基于区域灰度差 关键是灰度差阈值 基于区域间平均灰度差基于区域间平均灰度差 利用平均灰度利用平均灰度 注意连通性第39页，共62页，编辑于2022年，星期三n n生长示例第40页，共62页，编辑于2022年，星期三n n改进生长准则 （1 1）直接用新像素值：逐步合并而产生错误 （2）用新像素所在区域平均值）用新像素所在区域平均值第41页，共62页，编辑于2022年，星期三第第9 9章章 目标表达技术目标表达技术 9.1轮廓的链码表达 9.2轮廓线段的近似表达 9.3目标的层次表达 9.4*目标的骨架表达第42页，共62页，编辑于2022年，星期三n n 目标表达 在图像分割的基础上 （1）内部表达 关心的是区域的反射性质 （2）外部表达 关心的是区域的形状9.19.1 轮廓的链码表达轮廓的链码表达第43页，共62页，编辑于2022年，星期三链码表达链码表达-外部表达外部表达对轮廓点的一种编码表示方法特点：特点：一系列有向直线段 4-连接 8-连接 特定长度 （固定）方向数目有限 （连接情况）第44页，共62页，编辑于2022年，星期三紧凑的表达方式紧凑的表达方式起点需用（绝对）坐标表示其余点只用接续方向来代表偏移量常用：常用：4-方向链码 8-方向链码第45页，共62页，编辑于2022年，星期三 链码归一化链码归一化 起点归一化将链码看作由方向数构成的自然数选取值最小的自然数顺序第46页，共62页，编辑于2022年，星期三 链码归一化链码归一化 旋转归一化利用链码的一阶差分差分码不随轮廓旋转而变化第47页，共62页，编辑于2022年，星期三 形状数形状数轮廓差分码中其值最小的1个序列 4方向链码为：10103322 差分码为：33133030 形状数为：03033133第48页，共62页，编辑于2022年，星期三n n 多边形近似逼近轮廓 -（2 2）外部表达）外部表达 链码是多边形表达的特例链码是多边形表达的特例多边形表达的目的：用尽可能少的线段来代表轮廓，并保持轮廓的基本形状。多边形表达的特点：（1）抗干扰 （2）省数据量9.29.2 轮廓线段的近似表达轮廓线段的近似表达第49页，共62页，编辑于2022年，星期三n n 常用多边形方法 （1 1）基于收缩的最小周长多边形）基于收缩的最小周长多边形第50页，共62页，编辑于2022年，星期三n n 常用多边形方法 （2）基于聚合的最小均方误差线段逼近第51页，共62页，编辑于2022年，星期三n n 常用多边形方法 （3 3）基于分裂的最小均方误差线段逼近第52页，共62页，编辑于2022年，星期三n n多边形轮廓表达示例 第53页，共62页，编辑于2022年，星期三n n 基本思路 分层分解 利用金字塔式的数据结构利用金字塔式的数据结构常用方法 （1）四叉树表达法 （2）二叉树表达法9.39.3 目标的层次表达目标的层次表达第54页，共62页，编辑于2022年，星期三（1）四叉树表达法）四叉树表达法每次将图像一分为四树结构T=N,A 结点集n1,.弧集ai,.结点数目：第55页，共62页，编辑于2022年，星期三四叉树表达图示四叉树表达图示表达优点：“粗略信息优先”显示第56页，共62页，编辑于2022年，星期三第57页，共62页，编辑于2022年，星期三（2）二叉树表达法）二叉树表达法每次将图像一分为二是四叉树的一种变型 级间分辨率的变化较小树结构，结点数目：第58页，共62页，编辑于2022年，星期三二叉树表达法二叉树表达法 第59页，共62页，编辑于2022年，星期三9.4 目标的骨架表达目标的骨架表达骨架表达法骨架表达法简化的区域表达细化技术中轴变换第60页，共62页，编辑于2022年，星期三骨架的定义和特点骨架的定义和特点骨架点与（两个）轮廓点距离最小的点骨架点的确定区域 R轮廓 B骨架点 p第61页，共62页，编辑于2022年，星期三由骨架可恢复出原始区域沿骨架作相切圆，取包络第62页，共62页，编辑于2022年，星期三
