数字图像处理拓展资源 (30).pdf

《数字图像处理拓展资源 (30).pdf》由会员分享，可在线阅读，更多相关《数字图像处理拓展资源 (30).pdf（21页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、1 彩色图像分割 （Color Image Segmentation） 彩色图像分割彩色图像分割 图像分割是把图像分成各具特性的区域并提取出感兴趣图像分割是把图像分成各具特性的区域并提取出感兴趣 目标的技术和过程。目标的技术和过程。 彩色彩色 图像图像 分割分割 方法方法 = 单色图像分割方法：单色图像分割方法： 边缘检测（边缘检测和连接）边缘检测（边缘检测和连接） 阈值法（人工确定阈值、迭代阈值法（人工确定阈值、迭代 法、最大类间方差法、最大熵法、最大类间方差法、最大熵 法、最小误差法）法、最小误差法） 区域分割（区域生长法、区区域分割（区域生长法、区 域分裂合并法）域分裂合并法） 混合方法

2、混合方法 + 彩色空间：彩色空间： RGB HSI HSV CIE L*a*b* YUV YCbCr 2 HSI彩色空间分割 （Segmentation in HSI Color Space） HSI模型（模型（HSI Model）是面向颜色处理的，用色调是面向颜色处理的，用色调 (Hue)、饱和度、饱和度(Saturation) 、亮度、亮度(Intensity)来来 描述颜色。描述颜色。 用色调和饱和度描述色彩，用亮度描述光的强度。用色调和饱和度描述色彩，用亮度描述光的强度。 这个模型有二个特点：这个模型有二个特点： （1）I分量与图像的彩色信息无关；分量与图像的彩色信息无关； （2）H和

3、和S分量与人感受颜色的方式是紧密相连的。分量与人感受颜色的方式是紧密相连的。 这些特点使得这些特点使得HSI模型非常适合于借助人的视觉系统来模型非常适合于借助人的视觉系统来 感知彩色特性的图像处理算法。感知彩色特性的图像处理算法。 3 Segmentation in HSI Color Space 图像中用图像中用色度（色调色度（色调+饱和度）饱和度）描述彩色。描述彩色。 可以可以饱和度饱和度作为一个模板图像，从作为一个模板图像，从色调色调图像中分图像中分 离出感兴趣的特征区。离出感兴趣的特征区。 由于由于亮度（强度）亮度（强度）不携带彩色信息，彩色图像分不携带彩色信息，彩色图像分 割一般不使

4、用亮度分量。割一般不使用亮度分量。 下面是在下面是在HSI系统中进行分割的例子。系统中进行分割的例子。 4 Segmentation in HSI Color Space 在在HSI空间的图像分割。空间的图像分割。 假定感兴趣是分割图假定感兴趣是分割图9.25中红色花朵。中红色花朵。 注意：我们感兴趣的区域有相对高的色度值。注意：我们感兴趣的区域有相对高的色度值。 5 Segmentation in HSI Color Space 以饱和度作为一个模板图像：以饱和度作为一个模板图像：在饱和度图像中选在饱和度图像中选 择门限值等于最大饱和度的择门限值等于最大饱和度的30%，任何比门限大，任何比门

5、限大 的像素值赋的像素值赋1值值(白白 )，其他赋，其他赋0值值(黑黑)。 从色调图像中分离出感兴趣的特征区：从色调图像中分离出感兴趣的特征区：用饱和度用饱和度 二值模板作用于色调图像就产生出红色花朵分割二值模板作用于色调图像就产生出红色花朵分割 的结果。的结果。 其主要其主要Matlab程序如下：程序如下： S1=(S0.3*(max(max(S); F=S1.*H; 6 Segmentation in HSI Color Space abc def 图图9.14 在在HSI空间的图像分割。空间的图像分割。 (a)原原RGB图像，图像，(b)色调分量色调分量H，(c)饱和度分量饱和度分量S，

6、(d)强度分量强度分量I， (e)二值饱和度模板（黑二值饱和度模板（黑=0），（），（f）红色花的分割结果）红色花的分割结果 7 RGB彩色空间分割 （Segmentation in RGB Color Space） 虽然在虽然在HSI空间彩色图像较直观。空间彩色图像较直观。 通常用通常用RGB彩色向量进行分割。彩色向量进行分割。 方法：方法： 假设目标是在假设目标是在RGB图像中分割特殊彩色区域图像中分割特殊彩色区域 的物体，给定一个感兴趣彩色的有代表性的彩色的物体，给定一个感兴趣彩色的有代表性的彩色 点样品集，可得到一个彩色“平均”估计，这种点样品集，可得到一个彩色“平均”估计，这种 彩色

7、是我们希望分割的彩色。彩色是我们希望分割的彩色。 8 令这个平均彩色用令这个平均彩色用RGB向量向量a来表示。来表示。 分割的目标分割的目标是对给定图像中每一个是对给定图像中每一个RGB像素进像素进 行分类。这就需要一个相似性度量。行分类。这就需要一个相似性度量。 令令z代表代表RGB空间中的任意一点，如果它们之间空间中的任意一点，如果它们之间 的距离小于特定的阈值的距离小于特定的阈值D0，我们就说，我们就说z与与a是相是相 似的。似的。 最简单的度量之一是欧氏距离，最简单的度量之一是欧氏距离， z和和a之间的距离可以是欧氏距离，如：之间的距离可以是欧氏距离，如： 2 1 22 2 1 )()

8、()()()(|),( BBGGRR T azazazazazazazD Segmentation in RGB Color Space 9 2 1 22 2 1 )()()()()(|),( BBGGRR T azazazazazazazD 2 1 1 )()(),(azCazazD T 向量向量之间的距离度量比较多，比如： | |,| |,max|),( BBGGRR azazazazD Segmentation in RGB Color Space 10 对一幅对一幅RGB彩色图像，选择要分割的区域，计彩色图像，选择要分割的区域，计 算该区域中的彩色点的平均向量算该区域中的彩色点的平均向

9、量a。 盒子的中点在盒子的中点在a，它的尺度沿每一个，它的尺度沿每一个RGB轴以沿轴以沿 相应轴的数据标准差的相应轴的数据标准差的1.25倍选择。倍选择。 例如，令例如，令 R代表样点红分量的标准偏差，代表样点红分量的标准偏差，aR代表平均向代表平均向 量量a的红分量：的红分量： （aR-1.25 R，aR+1.25 R） 分割的结果为：分割的结果为：如果彩色点位于盒子表面或内部如果彩色点位于盒子表面或内部 则置为则置为1（白色），否则置为（白色），否则置为0（黑色）。（黑色）。 Segmentation in RGB Color Space 11 rgb=imread(flower608.j

10、pg); rgb1=im2double(rgb); r=rgb1(:,:,1); g=rgb1(:,:,2); b=rgb1(:,:,3); r1=r(129:256,86:170); r1_u=mean(mean(r1(:); m,n=size(r1); sd1=0.0; for i=1:m for j=1:n sd1=sd1+(r1(i,j)-r1_u)*(r1(i,j)-r1_u); end end r1_d=sqrt(sd1/(m*n); r2=zeros(size(rgb1,1),size(rgb1,2); ind=find(rr1_u-1.25*r1_d) r2(ind)=1; S

11、egmentation in RGB Color Space 12 Segmentation in RGB Color Space abc de 图图9.15 RGB空间分割。（空间分割。（a）RGB原图像，（原图像，（b）R分量，（分量，（c）G分量，分量， （d）B分量，（分量，（e）RGB向量空间彩色分割的结果向量空间彩色分割的结果 13 彩色边缘检测 （Color Edge Detection） 边缘检测对图像分割是一个重要的工具。边缘检测对图像分割是一个重要的工具。 比较：比较： （1）以各个单独颜色分量图像为基础计算边缘）以各个单独颜色分量图像为基础计算边缘 （2）在彩色空间直接计

12、算边缘的问题。）在彩色空间直接计算边缘的问题。 14 标量函数的梯度 y f x f G G f y x 2 1 22 )( yx GGfmag 彩色边缘检测 （Color Edge Detection） 15 一般方法：一般方法： 分别计算各个颜色分量图像的梯度，然后形分别计算各个颜色分量图像的梯度，然后形 成彩色图像的梯度。成彩色图像的梯度。 得到的结果行否？得到的结果行否？ 向量的梯度 ? 彩色边缘检测 （Color Edge Detection） 16 令令c代表代表RGB彩色空间中的任意向量，彩色空间中的任意向量，c的分量的分量 是一幅彩色图像在一点上的是一幅彩色图像在一点上的RGB

13、分量。分量。 彩色分量是坐标（彩色分量是坐标（x，y）的函数，表示为：）的函数，表示为： ),( ),( ),( ),( ),( ),( ),( yxB yxG yxR yxc yxc yxc yxc B G R Color Edge Detection 首要的问题：定义向量定义向量c在任意点（在任意点（x，y）处的）处的 梯度（幅值和方向）。梯度（幅值和方向）。 17 标量函数标量函数f（x，y）在坐标（）在坐标（x，y）处的梯度：）处的梯度： 是指向是指向f的最大变化率方向的向量。的最大变化率方向的向量。 将这一思想扩展到向量梯度，下面介绍一种方法将这一思想扩展到向量梯度，下面介绍一种方法

14、 令令r，g，b是是RGB彩色空间沿彩色空间沿R，G，B轴的单轴的单 位向量，可定义向量为：位向量，可定义向量为： b x B g x G r x R u b y B g y G r y R v Color Edge Detection 18 定义为这些向量的点乘定义为这些向量的点乘gxx，gyy，gxy，如下所，如下所 示：示： 222 x B x G x R uuuug T xx 222 y B y G y R vvvvg T yy y B x B y G x G y R x R vuvug T xy Color Edge Detection 19 参考文献指出，参考文献指出，c（x，y）

15、的最大变化率方向由）的最大变化率方向由 角度给出：角度给出： )( 2 arctan 2 1 yyxx xy gg g （x，y）点在）点在 方向上变化率的值由下式给出：方向上变化率的值由下式给出： 2 1 2sin22cos)()( 2 1 )( xyyyxxyyxx gggggF Color Edge Detection Di Zenzo, S. “A Note on the Gradient of a Multi-Image”, Computer Vision, Graphics, and Image Processing, 1986, 33:116125 20 下面例子比较两种彩色图像边缘检测：下面例子比较两种彩色图像边缘检测： （1）由各个颜色分量图像梯度的混合检测边缘）由各个颜色分量图像梯度的混合检测边缘 （2）用彩色空间的向量梯度检测边缘。）用彩色空间的向量梯度检测边缘。 计算时，偏导数用Sobel算子实现 彩色边缘检测 （Color Edge Detection） 21 图9.16（f）中可以产生额外的细节，但同时也增加了附图9.16（f）中可以产生额外的细节，但同时也增加了附 加计算量。采用哪种方法由给定问题的需要决定。加计算量。采用哪种方法由给定问题的需要决定。 彩色边缘检测 （Color Edge Detection）