最新图像处理-5ppt课件.ppt

《最新图像处理-5ppt课件.ppt》由会员分享，可在线阅读，更多相关《最新图像处理-5ppt课件.ppt（99页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、图像处理图像处理-5-5第五章 图像分割与边缘检测 5.1 图像分割图像分割 5.2 边缘检测边缘检测 5.3 轮廓跟踪与提取轮廓跟踪与提取 5.4 图像匹配图像匹配 第五章 图像分割与边缘检测 第五章 图像分割与边缘检测 第五章 图像分割与边缘检测 第五章 图像分割与边缘检测 第五章 图像分割与边缘检测 第五章 图像分割与边缘检测 第五章 图像分割与边缘检测 图像的点、线、边界特征图像的点、线、边界特征 （a a）点）点 （b b）边缘）边缘 （c c）线）线 如果图像中的一个非常小的区域的灰度幅值与其领域值如果图像中的一个非常小的区域的灰度幅值与其领域值相比有着明显的差异，则称这个非常小的

2、区域称为图像点相比有着明显的差异，则称这个非常小的区域称为图像点 图像的边缘是指图像灰度发生空间突变的象素的集合。或图像的边缘是指图像灰度发生空间突变的象素的集合。或者说是图像中以灰度值表征的两平滑区域之间的振幅断续。者说是图像中以灰度值表征的两平滑区域之间的振幅断续。如果图像中在一对相邻边界中间存在一个非常窄（理想情如果图像中在一对相邻边界中间存在一个非常窄（理想情况下宽度为况下宽度为1 1个像素）的线状区域，并在该线状区域中的灰个像素）的线状区域，并在该线状区域中的灰度具有近乎相同的振幅特性，则称该线状区域为线度具有近乎相同的振幅特性，则称该线状区域为线 第五章 图像分割与边缘检测 边缘与

3、线的区别：边缘与线的区别：（a a）边缘的理想阶跃截面）边缘的理想阶跃截面 （b b）实际中的边缘阶跃截面）实际中的边缘阶跃截面 (c)(c)理想尖峰线条理想尖峰线条 (d)(d)尖峰和阶跃组合的线条尖峰和阶跃组合的线条 (e)(e)屋脊状线条屋脊状线条图像中的边缘和线的截面示意图图像中的边缘和线的截面示意图 第五章 图像分割与边缘检测 图像的纹理特征图像的纹理特征 在自然景物中类似于砖墙的那种具有重复性结构的在自然景物中类似于砖墙的那种具有重复性结构的图案可以看作是一种纹理。图案可以看作是一种纹理。 在图像中，由某种模式重复排列所形成的结构可看在图像中，由某种模式重复排列所形成的结构可看作是

4、纹理，但这仅仅是一种对纹理的理解性定义。作是纹理，但这仅仅是一种对纹理的理解性定义。 第五章 图像分割与边缘检测 纹理的标志有三点：纹理的标志有三点： （1 1）某种局部的序列性在比该序列更大的区域内）某种局部的序列性在比该序列更大的区域内不断重复出现；不断重复出现； （2 2）序列由基本部分（即纹理基元）非随机排列）序列由基本部分（即纹理基元）非随机排列组成；组成； （3 3）在纹理区域内各部分具有大致相同的结构和）在纹理区域内各部分具有大致相同的结构和尺寸。尺寸。 因此可以说，纹理就是由纹理基元按某种确定性因此可以说，纹理就是由纹理基元按某种确定性的规律或者某种统计规律排列组成的一种结构。

5、的规律或者某种统计规律排列组成的一种结构。 第五章 图像分割与边缘检测 人工纹理一般由线段、星号、某种字母数字等符号人工纹理一般由线段、星号、某种字母数字等符号排列组成，所以人工纹理属于确定性纹理。排列组成，所以人工纹理属于确定性纹理。 自然纹理是自然景物所呈现的部分重复性的结构，自然纹理是自然景物所呈现的部分重复性的结构，例如砖墙、沙滩、草地等，所以自然纹理属于随机性例如砖墙、沙滩、草地等，所以自然纹理属于随机性纹理纹理。 纹理的粗糙度是一种定性地描述纹理的最直观的方纹理的粗糙度是一种定性地描述纹理的最直观的方式之一。式之一。 一般可按平均灰度级的差别来区分物体和背景，可一般可按平均灰度级的

6、差别来区分物体和背景，可通过求平均值差分来检测不同纹理区域之间的边缘。通过求平均值差分来检测不同纹理区域之间的边缘。 第五章 图像分割与边缘检测 图像分割的概念图像分割的概念把图像分解成构成它的部件和对象的过程把图像分解成构成它的部件和对象的过程有选择性地定位感兴趣对象在图像中的位置和范围有选择性地定位感兴趣对象在图像中的位置和范围第五章 图像分割与边缘检测 图像分割是将图像划分成若干个互不相交的图像分割是将图像划分成若干个互不相交的小区域小区域的过程的过程 小区域：是某种意义下具有共同属性的像素的小区域：是某种意义下具有共同属性的像素的连通连通集合。如集合。如不同目标物体所占的图像区域、不同

7、目标物体所占的图像区域、 前景所占的图像区域等前景所占的图像区域等 连通：指集合中任意两个点之间都存在着完全属于该集合的连通：指集合中任意两个点之间都存在着完全属于该集合的连通路径。连通路径。第五章 图像分割与边缘检测 4连通和连通和8连通连通 (a)(b)第五章 图像分割与边缘检测 图像分割的基本思路图像分割的基本思路从简到难，逐级分割从简到难，逐级分割控制背景环境，降低分割难度控制背景环境，降低分割难度把焦点放在增强感兴趣对象，缩小不相干图像成分的把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上干扰上第五章 图像分割与边缘检测 图像分割的基本策略图像分割的基本策略 图像分割的基本策略，

8、基于灰度值的两个基本特性：图像分割的基本策略，基于灰度值的两个基本特性：不连续性不连续性区域之间区域之间相似性相似性区域内部区域内部第五章 图像分割与边缘检测 根据图像像素灰度值的根据图像像素灰度值的相似性相似性 通过选择阈值，找到灰度值相似的区域通过选择阈值，找到灰度值相似的区域 区域的外轮廓就是对象的边区域的外轮廓就是对象的边 根据图像像素灰度值的根据图像像素灰度值的不连续性不连续性 先找到点、线、边先找到点、线、边 再确定区域再确定区域第五章 图像分割与边缘检测 区域法：将各像素划归到相应物体或区域的像素聚类方法区域法：将各像素划归到相应物体或区域的像素聚类方法边界方法：是通过直接确定区

9、域间的边界来实现分割的边界方法：是通过直接确定区域间的边界来实现分割的边缘检测：首先检测边缘像素，再将边缘像素连接起来构成边缘检测：首先检测边缘像素，再将边缘像素连接起来构成边界形成分割。边界形成分割。 图像分割有三种不同的途径：图像分割有三种不同的途径：第五章 图像分割与边缘检测 常用的图像分割方法是把图像灰度分成不同的等级，常用的图像分割方法是把图像灰度分成不同的等级， 然后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。常用的阈值化处理就是图像的二值化处理，的边界。常用的阈值化处理就是图像的二值化处理， 即选择一即选

10、择一阈值，将图像转换为黑白二值图像，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用于图像分割及边缘跟踪等预处理。等预处理。 图像阈值化处理的变换函数表达式为图像阈值化处理的变换函数表达式为 TyxfTyxfyxg),(255),(0),(灰度阈值法分割灰度阈值法分割第五章 图像分割与边缘检测 阈值分割法的基本思想：阈值分割法的基本思想：v 确定一个合适的阈值确定一个合适的阈值T（阈值选定的好坏是此方法成败的关键阈值选定的好坏是此方法成败的关键）v 将大于等于阈值的像素作为物体或背景，生成一个二值图像将大于等于阈值的像素作为物体或背景，生成一个二值图像 If f(x,y) T set

11、 255Else set 0第五章 图像分割与边缘检测 阈值变换曲线阈值变换曲线 2550T255gf第五章 图像分割与边缘检测 T基于单一阈值分割的灰基于单一阈值分割的灰度直方图度直方图 1. 1. 阈值化分割方法阈值化分割方法 TyxfTyxfyxg),(0),(1),(TyxfTyxfyxg),(0),(1),( 利用利用阈值阈值T T分割后的图像可定义为：分割后的图像可定义为： 从暗的背景上分从暗的背景上分割出亮的物体：割出亮的物体： 从亮的背景上分从亮的背景上分割出暗的物体：割出暗的物体： 第五章 图像分割与边缘检测 阈值分割法的特点：阈值分割法的特点：v 适用于物体与背景有较强对比

12、的情况，重要的是背景或适用于物体与背景有较强对比的情况，重要的是背景或物体的灰度比较单一。（可通过先求背景，然后求反得物体的灰度比较单一。（可通过先求背景，然后求反得到物体）到物体）v 这种方法总可以得到封闭且连通区域的边界。这种方法总可以得到封闭且连通区域的边界。灰度值f(x0,y0)T第五章 图像分割与边缘检测 不同阈值对阈值化结果的影响不同阈值对阈值化结果的影响(a) 原始图像；原始图像； (b) 阈值阈值T=91； (c) 阈值阈值T=130； (d) 阈值阈值T=43(a)(b)(c)(d)第五章 图像分割与边缘检测 1. 1. 阈值化分割方法阈值化分割方法 ),(0),(1),()

13、,(11yxfTTyxfTyxfTkyxgkkk1),(Tyxf（1） （2） 21),(TyxfT（3） ),(2yxfT 当在较暗的背景上有当在较暗的背景上有2 2个较亮的物体，且有如下的直个较亮的物体，且有如下的直方图和约定时：方图和约定时： 可用两个阈值进行分割，更一般的多个阈值的情况为：可用两个阈值进行分割，更一般的多个阈值的情况为： 第五章 图像分割与边缘检测 TyxfTyxfyxfyxg),(0),(),(),(TyxfTyxfyxfyxg),(0),(,(),(）2.2.半阈值化分割方法半阈值化分割方法 图像经阈值化分割后不是表示成二值和多值图像，而图像经阈值化分割后不是表示成

14、二值和多值图像，而是将比阈值大的亮像素的灰度级保持不变，而将比阈值小是将比阈值大的亮像素的灰度级保持不变，而将比阈值小的暗像素变为黑色；或将比阈值小的暗像素的灰度级保持的暗像素变为黑色；或将比阈值小的暗像素的灰度级保持不变，而将比阈值大的亮像素变为白色。不变，而将比阈值大的亮像素变为白色。 (a)(b)第五章 图像分割与边缘检测 2.2.半阈值化分割方法半阈值化分割方法（a a）式的图示）式的图示 （b b）式的图示）式的图示半阈值化的图示半阈值化的图示 第五章 图像分割与边缘检测 v 通过直方图得到阈值通过直方图得到阈值v 通过边界特性选择阈值通过边界特性选择阈值v 基于多个变量的阈值基于多

15、个变量的阈值确定阈值的方法确定阈值的方法第五章 图像分割与边缘检测 通过直方图得到阈值通过直方图得到阈值v 基本思想基本思想边界上的点的灰度值出现次数较少边界上的点的灰度值出现次数较少v 取值的方法：取值的方法： 利用极大值和极小值寻找直方图谷底或阈值利用极大值和极小值寻找直方图谷底或阈值T第五章 图像分割与边缘检测 双峰形直方图谷底阈值的获取双峰形直方图谷底阈值的获取 通常情况下由于直方图呈锯齿形状，这时，需要利用通常情况下由于直方图呈锯齿形状，这时，需要利用某些解析函数对双峰之间的直方图进行拟合，并通过对拟某些解析函数对双峰之间的直方图进行拟合，并通过对拟合函数求微分获得最小值。合函数求微

16、分获得最小值。 设有二次曲线方程：设有二次曲线方程：cbxaxy2abx2对应于直方图双峰之间的最小值谷底阈值就为：对应于直方图双峰之间的最小值谷底阈值就为：第五章 图像分割与边缘检测 用二次曲线拟合双峰形直方图的谷底示例用二次曲线拟合双峰形直方图的谷底示例 双峰形直方图谷底阈值的获取双峰形直方图谷底阈值的获取第五章 图像分割与边缘检测 缺点：会受到噪音的干扰，最小值不是预期的阈值，而缺点：会受到噪音的干扰，最小值不是预期的阈值，而偏离期望的值；偏离期望的值； 改进：改进： 取两个峰值之间某个固定位置，如中间位置上。由取两个峰值之间某个固定位置，如中间位置上。由于峰值代表的是区域内外的典型值，

17、一般情况下，比选于峰值代表的是区域内外的典型值，一般情况下，比选谷底更可靠，可排除噪音的干扰谷底更可靠，可排除噪音的干扰 对直方图进行平滑处理，改善噪声对直方图进行平滑处理，改善噪声T第五章 图像分割与边缘检测 其它阈值选取方法其它阈值选取方法 1. 1. 类二值图像的阈值选取类二值图像的阈值选取 当图像可看作是一幅类二值图像，并且大约已知当图像可看作是一幅类二值图像，并且大约已知该类二值图像灰度分布的百分比时，就可通过试探的该类二值图像灰度分布的百分比时，就可通过试探的方法选取阈值，直到阈值化后的图像的效果达到最佳方法选取阈值，直到阈值化后的图像的效果达到最佳为止。为止。 第五章 图像分割与

18、边缘检测 2. 2. 迭代式阈值的选取迭代式阈值的选取 基本思路是：首先根据图像中物体的灰度分布情基本思路是：首先根据图像中物体的灰度分布情况，选取一个近似阈值作为初始阈值，一个比较好的况，选取一个近似阈值作为初始阈值，一个比较好的方法就是将图像的灰度均值作为初始阈值；然后通过方法就是将图像的灰度均值作为初始阈值；然后通过分割图像和修改阈值的迭代过程来获得认可的最佳阈分割图像和修改阈值的迭代过程来获得认可的最佳阈值。值。第五章 图像分割与边缘检测 2. 2. 迭代式阈值的选取迭代式阈值的选取 迭代式阈值选取过程可描述为：迭代式阈值选取过程可描述为： 选取一个初始阈值选取一个初始阈值T T； 利

19、用阈值利用阈值T T把给定图像分割成两组图像，记为把给定图像分割成两组图像，记为R R1 1和和R R2 2； 计算计算R R1 1和和R R2 2均值均值1和和2； 选择新的阈值选择新的阈值T T，且，且 重复第重复第至至步，直至步，直至R R1 1和和R R2 2的均值的均值1和和2不再不再变化为止。变化为止。 221T第五章 图像分割与边缘检测 通过边界特性选择阈值通过边界特性选择阈值v 基本思想基本思想： 如果直方图的各个波峰很高、很窄、对称，且被很如果直方图的各个波峰很高、很窄、对称，且被很深的波谷分开时，有利于选择阈值。深的波谷分开时，有利于选择阈值。 为了改善直方图的波峰形状，我

20、们只把区域边缘的为了改善直方图的波峰形状，我们只把区域边缘的像素绘入直方图，而不考虑区域中间的像素。像素绘入直方图，而不考虑区域中间的像素。 用微分算子，处理图像，使图像只剩下边界中心两用微分算子，处理图像，使图像只剩下边界中心两边的值。边的值。第五章 图像分割与边缘检测 在前景和背景所占区域面积差别很大时，在前景和背景所占区域面积差别很大时，不会造一个灰不会造一个灰度级的波峰过高，而另一个过低度级的波峰过高，而另一个过低 边缘上的点在区域内和区域外的概率是相等的，因此可边缘上的点在区域内和区域外的概率是相等的，因此可以以增加波峰的对称性增加波峰的对称性 基于梯度和拉普拉斯算子选择的像素，可以

21、基于梯度和拉普拉斯算子选择的像素，可以增加波峰的增加波峰的高度高度这种方法有以下优点这种方法有以下优点：第五章 图像分割与边缘检测 1 1）对图像进行梯度计算，得到梯度图像。）对图像进行梯度计算，得到梯度图像。2 2）得到梯度值最大的那一部分（比如）得到梯度值最大的那一部分（比如10%10%）的像素直方图）的像素直方图3 3）通过直方图的谷底，得到阈值）通过直方图的谷底，得到阈值T T算法的实现算法的实现: :第五章 图像分割与边缘检测 v基本思想：把前面的方法扩展到多维空间，则寻基本思想：把前面的方法扩展到多维空间，则寻找波谷的过程，变为寻找点簇的过程。找波谷的过程，变为寻找点簇的过程。v算

22、法实现算法实现：各维分量波谷之间进行逻辑与运算，从波谷重合的点，各维分量波谷之间进行逻辑与运算，从波谷重合的点，得到实际的阈值得到实际的阈值T。v应用场合：有多个分量的颜色模型，如应用场合：有多个分量的颜色模型，如RGB模模型、型、 HSI模型、模型、 CMYK模型模型基于多个变量的阈值基于多个变量的阈值第五章 图像分割与边缘检测 面向区域的分割面向区域的分割 基本概念基本概念 像素集合的区域增长像素集合的区域增长 区域分裂与合并区域分裂与合并第五章 图像分割与边缘检测 (1) i=1nRi=R分割所得到的全部子区域的总和分割所得到的全部子区域的总和(并集并集)应能包括图像中所有象素，应能包括

23、图像中所有象素，或者说分割应将图像中的每个象或者说分割应将图像中的每个象素都分进某素都分进某1个子区域中个子区域中(2) 对所有的对所有的i和和j，ij，有，有RiRj=各个子区域是互不重叠的，或者各个子区域是互不重叠的，或者说说1个象素不能同时属于个象素不能同时属于2各区域各区域(3) i=1,2n,有有P(Ri)=TRUE在分割后得到的属于同在分割后得到的属于同1个个区域中的象素应该具有某些区域中的象素应该具有某些相同特性相同特性(4) 对对ij,有有P(RiRj)=FALSE在分割后得到的属于不同区在分割后得到的属于不同区域中的象素应该具有一些不域中的象素应该具有一些不同的特性同的特性(

24、5) 对对i=1,2n,Ri是是连通的区域连通的区域要求同要求同1个子区域内的个子区域内的象素应当是连通的象素应当是连通的分割准分割准则应可则应可适用于适用于所有区所有区域和象域和象素素分割准分割准则应能则应能帮助确帮助确定各区定各区域象素域象素有代表有代表性的特性的特性性完备性完备性连通性连通性独立性独立性单一性单一性互斥性互斥性第五章 图像分割与边缘检测 像素集合的区域生长像素集合的区域生长算法实现：算法实现：1 1）根据图像的不同应用选择一个或一组种子，它或者是最）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亮或最暗的点，或者是位于点簇中心的点2

25、2）选择一个描述符（条件）选择一个描述符（条件）3 3）从该种子开始向外扩张，首先把种子像素加入结果集合，）从该种子开始向外扩张，首先把种子像素加入结果集合，然后不断将与集合中各个像素连通、且满足描述符的像素加然后不断将与集合中各个像素连通、且满足描述符的像素加入集合入集合4 4）上一过程进行到不再有满足条件的新结点加入集合为止）上一过程进行到不再有满足条件的新结点加入集合为止第五章 图像分割与边缘检测 条件：邻近点的灰度级与当前点的灰度级的差小于条件：邻近点的灰度级与当前点的灰度级的差小于3第五章 图像分割与边缘检测 第五章 图像分割与边缘检测 如图给出已知种子点如图给出已知种子点 区域生长

26、的一个示例。区域生长的一个示例。1 0 4 7 51 0 4 7 70 1 5 5 52 0 5 6 52 2 5 6 41 1 5 5 51 1 5 5 51 1 5 5 51 1 5 5 51 1 5 5 51 1 5 7 51 1 5 7 71 1 5 5 52 1 5 5 52 2 5 5 51 1 1 1 11 1 1 1 11 1 1 1 11 1 1 1 11 1 1 1 1(a)(b)(c)(d)(a)给出需要分割的图像，设已知两个种子象素给出需要分割的图像，设已知两个种子象素(标为标为深浅不同的灰色方块深浅不同的灰色方块)，现在进行区域生长，现在进行区域生长采用的判断准则是采

27、用的判断准则是：如果所考虑的象素与种子象素灰度值差的：如果所考虑的象素与种子象素灰度值差的绝对值小于某个门限绝对值小于某个门限T，则将该象素包括进种子象素所在的区域，则将该象素包括进种子象素所在的区域图图(b)给出给出T=3时区域生长的结果，整幅图被较好的分成时区域生长的结果，整幅图被较好的分成2个区域个区域图图(c)给出给出T=1时区域生长的结果，有些象素无法判定时区域生长的结果，有些象素无法判定图图(d)给出给出T=6时时区域生长的结果，整幅图都被分成区域生长的结果，整幅图都被分成1个区域。个区域。第五章 图像分割与边缘检测 区域生长法的三个关键条件的确定：区域生长法的三个关键条件的确定：

28、 (1)(1)选择和确定一组能正确代表所需区域的种子像素选择和确定一组能正确代表所需区域的种子像素一般原则为：一般原则为： 接近聚类重心的像素可作为种子像素。例如，图接近聚类重心的像素可作为种子像素。例如，图像直方图中像素最多且处在聚类中心的像素；像直方图中像素最多且处在聚类中心的像素； 红外图像目标检测中最亮的像素可作为种子像素；红外图像目标检测中最亮的像素可作为种子像素； 按位置要求确定种子像素；按位置要求确定种子像素； 根据某种经验确定种子像素。根据某种经验确定种子像素。 第五章 图像分割与边缘检测 区域生长法的三个关键条件的确定：区域生长法的三个关键条件的确定： (2) (2) 确定在

29、生长过程中能将相邻像素合并进来的相确定在生长过程中能将相邻像素合并进来的相似性准则。似性准则。主要有：主要有： 当图像是彩色图像时，可以各颜色为准则，并考当图像是彩色图像时，可以各颜色为准则，并考虑图像的连通性和邻近性；虑图像的连通性和邻近性； 待检测像素点的灰度值与已合并成的区域中所有待检测像素点的灰度值与已合并成的区域中所有像素点的平均灰度值满足某种相似性标准，比如灰度值像素点的平均灰度值满足某种相似性标准，比如灰度值差小于某个值；差小于某个值； 待检测点与已合并成的区域构成的新区域符合某待检测点与已合并成的区域构成的新区域符合某个大小尺寸或形状要求等。个大小尺寸或形状要求等。第五章 图像

30、分割与边缘检测 区域生长法的三个关键条件的确定：区域生长法的三个关键条件的确定： (3) (3) 确定终止生长过程的条件或规则确定终止生长过程的条件或规则 一般的停止生长准则是生长过程进行到没有满足一般的停止生长准则是生长过程进行到没有满足生长准则的像素时为止；生长准则的像素时为止； 其它与生长区域需要的尺寸、形状等全局特性有其它与生长区域需要的尺寸、形状等全局特性有关的准则。关的准则。 第五章 图像分割与边缘检测 分裂合并法分裂合并法 分裂分裂- -合并分割法是从整个图像出发，根据图像和合并分割法是从整个图像出发，根据图像和各区域的不均匀性，把图像或区域分裂成新的子区域；各区域的不均匀性，把

31、图像或区域分裂成新的子区域；根据毗邻区域的均匀性，把毗邻的子区域合并成新的较根据毗邻区域的均匀性，把毗邻的子区域合并成新的较大区域。大区域。第五章 图像分割与边缘检测 分裂合并法分裂合并法 1. 1. 图像四叉树图像四叉树 如果把整幅图像分成大小相同的如果把整幅图像分成大小相同的4 4个方形象限区域，个方形象限区域，并接着把得到的新区域进一步分成大小相同的并接着把得到的新区域进一步分成大小相同的4 4个更小个更小的象限区域，如此不断继续分割下去，就会得到一个以的象限区域，如此不断继续分割下去，就会得到一个以该图像为树根，以分成的新区域或更小区域为中间结点该图像为树根，以分成的新区域或更小区域为

32、中间结点或树叶结点的四叉树。或树叶结点的四叉树。 第五章 图像分割与边缘检测 （a a）图像）图像R R （b b）图像）图像R R的四叉树示例的四叉树示例 图像的四叉树表示图像的四叉树表示第五章 图像分割与边缘检测 1 23 4（a a）原始图像）原始图像 分裂序号分裂序号(b(b）第一次分裂成）第一次分裂成4 4个区域个区域分裂合并法分裂合并法 第五章 图像分割与边缘检测 分裂合并法分裂合并法 (b(b）第一次分裂成）第一次分裂成4 4个区域个区域（c c）第二次分裂成十个区域）第二次分裂成十个区域第五章 图像分割与边缘检测 （d d）最后一次分裂成十）最后一次分裂成十6 6个区域个区域

33、分裂合并法分裂合并法 （c c）第二次分裂成十个区域）第二次分裂成十个区域第五章 图像分割与边缘检测 v 对图像中灰度级不同的区域，均分为四个子区域对图像中灰度级不同的区域，均分为四个子区域v 如果相邻的子区域所有像素的灰度级相同，则将其合并如果相邻的子区域所有像素的灰度级相同，则将其合并v 反复进行上两步操作，直至不再有新的分裂与合并为止反复进行上两步操作，直至不再有新的分裂与合并为止第五章 图像分割与边缘检测 (a)原始图像原始图像(b)模糊滤波模糊滤波处理结果处理结果(c)分裂合并分裂合并结果结果(d)分裂扩张分裂扩张结果结果第五章 图像分割与边缘检测 5.2 边边 缘缘 检检 测测 A

34、CCACBDCC第五章 图像分割与边缘检测 图像检测主要方法图像检测主要方法 边缘检测与微分运算边缘检测与微分运算 高斯拉普拉斯（高斯拉普拉斯（LOG）算子）算子第五章 图像分割与边缘检测 图像检测主要方法图像检测主要方法v 点的检测点的检测v 线的检测线的检测v 边的检测边的检测第五章 图像分割与边缘检测 点的检测点的检测v 用空域的高通滤波器来检测孤立点用空域的高通滤波器来检测孤立点例：例：88881288888图像图像-1-1-1-18-1-1-1-1模板模板R = (-1 * 8 * 8 + 128 * 8) / 9 = (120 * 8) / 9 = 960 / 9 = 106设设

35、：阈值：阈值：T = 64 R T第五章 图像分割与边缘检测 设定阈值设定阈值 T T，如，如T = 32T = 32、6464、128128等等, ,并计算高通滤波值并计算高通滤波值R R 如果如果R R值等于值等于0 0，说明当前检测点的灰度值与周围点的相同，说明当前检测点的灰度值与周围点的相同 当当R R的值足够大时，说明该点的值与周围的点非常不同，是的值足够大时，说明该点的值与周围的点非常不同，是孤立点。通过阈值孤立点。通过阈值T T来判断来判断 |R| T |R| T 检测到一个孤立点检测到一个孤立点算法描述：算法描述：第五章 图像分割与边缘检测 线的检测线的检测通过比较典型模板的计

36、算值，确定一个点是否在某个方向的线上通过比较典型模板的计算值，确定一个点是否在某个方向的线上-1-1-1222-1-1-1水平模板水平模板-1-12-12-12-1-14545度模板度模板-12-1-12-1-12-1垂直模板垂直模板2-1-1-12-1-1-12135135度模板度模板第五章 图像分割与边缘检测 111555111111555111111555111例：例：图像图像用用4种模板分别计算种模板分别计算R水平水平 = -6 + 30 = 24R45度度 = -14 + 14 = 0R垂直垂直 = -14 + 14 = 0 R135度度 = -14 + 14 = 0第五章 图像分割

37、与边缘检测 v线的检测线的检测算法描述算法描述依次计算依次计算4个方向的典型检测模板，得到个方向的典型检测模板，得到Ri i=1,2,3,4如如 |Ri| |Rj| 对于所有的对于所有的j i，那么这个点被称为在方，那么这个点被称为在方向上更接近模板向上更接近模板i 所代表的线所代表的线v设计任意方向的检测模板设计任意方向的检测模板可能大于可能大于33模板系数和为模板系数和为0感兴趣的方向的系数大。感兴趣的方向的系数大。 第五章 图像分割与边缘检测 边的检测边的检测边界的定义边界的定义：两个具有相对不同灰度值特性的区域的边界线：两个具有相对不同灰度值特性的区域的边界线 适用于：适用于： 假定假

38、定问题中的区域是非常类似问题中的区域是非常类似的，两个区域之间的的，两个区域之间的过渡，仅仅根据灰度的不连续性便可确定过渡，仅仅根据灰度的不连续性便可确定 不适用于：不适用于： 当假定不成立时，阈值分割技术一般来说比边缘检当假定不成立时，阈值分割技术一般来说比边缘检测更加实用测更加实用第五章 图像分割与边缘检测 图像边缘图像边缘 图像边缘有两个特征：方向和幅度图像边缘有两个特征：方向和幅度 沿边缘走向，像素值变化比较平缓；沿边缘走向，像素值变化比较平缓； 沿垂直于边缘的走向，像素值则变化比较剧烈。沿垂直于边缘的走向，像素值则变化比较剧烈。 一般常用一阶和二阶导数来描述和检测边缘。一般常用一阶和

39、二阶导数来描述和检测边缘。 第五章 图像分割与边缘检测 v 基本思想：计算局部微分算子基本思想：计算局部微分算子截面图截面图边界图像边界图像第五章 图像分割与边缘检测 v 一阶微分：用梯度算子来计算一阶微分：用梯度算子来计算 特点：对于亮的边，边的变化起点是正的，结束是负特点：对于亮的边，边的变化起点是正的，结束是负的。对于暗边，结论相反。常数部分为零。的。对于暗边，结论相反。常数部分为零。 用途：用于检测图像中边的存在用途：用于检测图像中边的存在第五章 图像分割与边缘检测 v二阶微分：通过拉普拉斯来计算二阶微分：通过拉普拉斯来计算 特点：二阶微分在亮的一边是正的，在暗的一边特点：二阶微分在亮

40、的一边是正的，在暗的一边是负的。常数部分为零。是负的。常数部分为零。 用途：用途：二次导数的符号，用于确定边上的像素二次导数的符号，用于确定边上的像素是在亮的一边，还是暗的一边。是在亮的一边，还是暗的一边。 0 0跨越，确定边跨越，确定边的准确位置的准确位置第五章 图像分割与边缘检测 图像图像剖面剖面一阶导数一阶导数二阶导数二阶导数 上升阶跃边缘上升阶跃边缘 下降阶跃边缘下降阶跃边缘 脉冲状边缘脉冲状边缘 屋顶边缘屋顶边缘 （a） （b） （c） （d） 图像边缘及其导数曲线规律示例图像边缘及其导数曲线规律示例 图像边缘图像边缘 第五章 图像分割与边缘检测 边缘点是信号边缘点是信号“变化剧烈变

41、化剧烈”的地方，以一维信号为例，定义一个的地方，以一维信号为例，定义一个准确的边缘数学模型。准确的边缘数学模型。边缘检测与微分运算边缘检测与微分运算ABCABCABC(b)(c)(d)AABCABCABC(b)(c)(d)ABCABCABC(b)(c)(d)第五章 图像分割与边缘检测 图像中不同类型的边界图像中不同类型的边界（a） 边界；边界； （b） 线；线； （c） 折线变化；折线变化； （d） 缓慢的平滑变化缓慢的平滑变化 (a)(b)(d)(c)第五章 图像分割与边缘检测 图像边缘图像边缘 综上所述，图像中的边缘可以通过对它们求导数综上所述，图像中的边缘可以通过对它们求导数来确定，而导

42、数可利用微分算子来计算。对于数字图来确定，而导数可利用微分算子来计算。对于数字图像来说，通常是利用差分来近似微分。像来说，通常是利用差分来近似微分。 第五章 图像分割与边缘检测 梯度边缘检测梯度边缘检测 设设f(x,y)f(x,y)为连续图像函数，为连续图像函数，G Gx x和和G Gy y分别为分别为x x方向和方向和y y方向的梯度，且在点方向的梯度，且在点(x,y)(x,y)处的梯度可以表示为一个处的梯度可以表示为一个矢量，并有其梯度定义：矢量，并有其梯度定义： TyyxfxyxfyxfG),(),(),(（5.1） 第五章 图像分割与边缘检测 22| ),G( |yxGGyxyxGGy

43、xG),(4max),()(8yxGGyxG)/arctan(),(yxGGyx（5.2） （5.3） （5.4） （5.5） 对应于欧氏距离的梯度幅值：对应于欧氏距离的梯度幅值： 对应于街区距离的梯度幅值：对应于街区距离的梯度幅值： 对应于棋盘距离的梯度幅值：对应于棋盘距离的梯度幅值： 由梯度矢量幅角表示的梯度方向是函数由梯度矢量幅角表示的梯度方向是函数f(x,y)f(x,y)增加最快的增加最快的方向：方向： 第五章 图像分割与边缘检测 (1) (1) RobertsRoberts算子算子 是一个交叉算子，其在点是一个交叉算子，其在点(i,j)(i,j)的梯度幅值表示为：的梯度幅值表示为：

44、梯度边缘检测梯度边缘检测 ) 1,(), 1() 1, 1(),(),(jifjifjifjifjiGyxGGjiG),(1001xG0110yG（5.6） （5.7） （5.8） 用卷积模板可表示为用卷积模板可表示为 ： 其中，其中，G Gx x和和G Gy y分别为分别为 ： 第五章 图像分割与边缘检测 (2) (2) SobelSobel算子算子 SobelSobel算子在点算子在点(i,j)(i,j)的梯度幅值表示为：的梯度幅值表示为： （5.10）（5.11）简化的卷积模板表示形式为简化的卷积模板表示形式为 ： 其中，其中，s sx x和和s sy y分别分别x x方向和方向和y y

45、方向梯度的模版形式方向梯度的模版形式 ： 22),(yxssjiS（5.9） yxssjiS), (101202101xs121000121ys第五章 图像分割与边缘检测 (3) (3) PrewittPrewitt算子算子 PrewittPrewitt算子在点算子在点(i,j)(i,j)的梯度幅值表示为：的梯度幅值表示为： （5.10）（5.12）简化的卷积模板表示形式为简化的卷积模板表示形式为 ： 其中，其中，s sx x和和s sy y分别分别x x方向和方向和y y方向梯度的模版形式方向梯度的模版形式 ： 22),(yxssjiS（5.9） yxssjiS), (101101101xs

46、111000111ys第五章 图像分割与边缘检测 Sobel算子算子Roberts算子算子Prewitt算子算子原图原图第五章 图像分割与边缘检测 拉普拉斯二阶导数算子拉普拉斯二阶导数算子 ： 22222yfxff（5.13） xjifjifxGxfx),(), 1(22xjifxjif),(), 1(),(), 1(2), 2(jifjifjif（5.14） 二阶差分的偏导数近似式为二阶差分的偏导数近似式为 ： 以上是以以上是以(i+1,j)(i+1,j)为中心，用为中心，用i i替换替换i+1i+1可得以可得以(i,j)(i,j)为中心为中心的二阶偏导数公式：的二阶偏导数公式：第五章 图像

47、分割与边缘检测 ), 1(),(2), 1( 22jifjifjifxf) 1,(),(2) 1,(22jifjifjifyf010141010111181111（5.15） （5.16） 也即有也即有： 同理有同理有： 所以有所以有： ) 1,(), 1(),(4) 1,(), 1( 2222jifjifjifjifjifyfxf对应的集中模板为对应的集中模板为： 第五章 图像分割与边缘检测 把高斯平滑滤波器和拉普拉斯锐化滤波器结合起来，先平滑掉把高斯平滑滤波器和拉普拉斯锐化滤波器结合起来，先平滑掉噪声，再进行边缘检测，所以效果更好。噪声，再进行边缘检测，所以效果更好。 常用的常用的LOG算

48、子是算子是55的模板：的模板： 244424080448*24844080424442高斯高斯-拉普拉斯拉普拉斯(LOG)算子算子第五章 图像分割与边缘检测 LOG算子中心点的距离与位置加权系数的关系算子中心点的距离与位置加权系数的关系Oxy第五章 图像分割与边缘检测 SobelRobertPrewittLOG第五章 图像分割与边缘检测 5.3 轮廓跟踪与提取轮廓跟踪与提取5.3.1 轮廓跟踪轮廓跟踪 在识别图像中的目标时，往往需要对目标边缘作跟踪处理，在识别图像中的目标时，往往需要对目标边缘作跟踪处理， 也叫轮廓跟踪。也叫轮廓跟踪。 轮廓跟踪：通过顺序找出边缘点来跟踪边界的。若图像是轮廓跟踪

49、：通过顺序找出边缘点来跟踪边界的。若图像是二二值图像值图像或图像中不同区域具有不同的像素值，但每个区域内的像或图像中不同区域具有不同的像素值，但每个区域内的像素值是相同的，则可完成基于素值是相同的，则可完成基于4连通或连通或8连通区域的轮廓跟踪。连通区域的轮廓跟踪。 第五章 图像分割与边缘检测 基本方法基本方法：先根据某些严格的：先根据某些严格的“探测准则探测准则”找出目标物体轮找出目标物体轮廓上的像素，再根据这些像素的某些特征用一定的廓上的像素，再根据这些像素的某些特征用一定的“跟踪准跟踪准则则”找出目标物体上的其他像素。找出目标物体上的其他像素。 首先找到第一个边界像素的首先找到第一个边界

50、像素的“探测准则探测准则”是：是： 按照从左到右，从下到上的顺序搜索，找到的第一个黑点一按照从左到右，从下到上的顺序搜索，找到的第一个黑点一定是最左下方的边界点，记为定是最左下方的边界点，记为A。它的右、右上、上、左上四个。它的右、右上、上、左上四个邻点中至少有一个是边界点，记为邻点中至少有一个是边界点，记为B。 从从B开始找起，按右、右上、上、左上、左、左下、下、右开始找起，按右、右上、上、左上、左、左下、下、右下的顺序找相邻点中的边界点下的顺序找相邻点中的边界点C。如果。如果C就是就是A点，则表明已经点，则表明已经转了一圈，程序结束；否则从转了一圈，程序结束；否则从C点继续找，直到找到点继