图像分割与特征提取-第四章.ppt

《图像分割与特征提取-第四章.ppt》由会员分享，可在线阅读，更多相关《图像分割与特征提取-第四章.ppt（26页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第四章第四章图像分割与特征提取图像分割与特征提取主要内容主要内容n n1.图像目标分割方法图像目标分割方法n n2.图像特征的提取图像特征的提取n n3.图像纹理特征的描述图像纹理特征的描述它的主要目的是将一幅图像划分为一个个区域它的主要目的是将一幅图像划分为一个个区域,每每一个区域与一个实际目标相对应一个区域与一个实际目标相对应，可将感兴趣的目，可将感兴趣的目标（标（AOIAOI）区域分割出来。）区域分割出来。这是一个将一个集合划分成一些子集的基本操作这是一个将一个集合划分成一些子集的基本操作.每一个子集可能对应着一个目标或一种现象每一个子集可能对应着一个目标或一种现象.对一对一幅图像而言幅

2、图像而言,区域可视为连通的和灰度区域可视为连通的和灰度特征特征一致的一致的片区片区。分割方法两类分割方法两类:第一类是直接构成目标区域第一类是直接构成目标区域，第二第二类是先寻找边缘来构成域类是先寻找边缘来构成域。图图 像像 分分 割割 图图 像像 分分 割割 图图像像分分割割是是将将图图像像划划分分成成若若干干个个互互不不相相交交的的小小区区域域的的过过程程，小小区区域域是是某某种种意意义义下下具具有有共共同同属属性性的的像像素素的的连连通通集集合合，如如不不同同目目标标物物体体所所占占的的图图像像区区域域。连连通通是是指指集集合合中中任任意意两两个个点点之之间间都都存存在在着着完完全全属属

3、于于该该集集合合的的连连通通路路径径。对对于于离离散散图图像像而而言言，连连通通有有4连通和连通和8连通之分。连通之分。图像分割有两种不同的途径：图像分割有两种不同的途径：其其一一是是将将各各像像素素划划归归到到相相应应物物体体或或区区域域的的像像素素聚聚类类方方法法,即即区区域域法法；在在图图像像分分割割技技术术中中，最最常常用用的的是是利利用用阈阈值化处理进行的图像分割。值化处理进行的图像分割。其其二二是是通通过过直直接接确确定定区区域域间间的的边边界界来来实实现现分分割割的的边边界界方方法法；这这种种方方法法首首先先检检测测边边缘缘像像素素，再再将将边边缘缘像像素素连连接起来构成边界形成

4、分割。接起来构成边界形成分割。图图 像像 分分 割割 的方法的方法灰度阈值法分割灰度阈值法分割 常常用用的的图图像像分分割割方方法法是是把把图图像像灰灰度度分分成成不不同同的的等等级级，然然后后用用设设置置灰灰度度门门限限（阈阈值值）的的方方法法确确定定有有意意义义的的区区域域或或分分割割物物体体的的边边界界。常常用用的的阈阈值值化化处处理理就就是是图图像像的的二二值值化化处处理理，即即选选择择一一阈阈值值，将将图图像像转转换换为为黑黑白白二二值值图像，图像，用于图像分割及边缘跟踪等预处理。用于图像分割及边缘跟踪等预处理。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 在在图

5、图像像的的阈阈值值化化处处理理过过程程中中，选选用用不不同同的的阈阈值值其其处处理理结结果果差差异异很很大大。如如图图所所示示,阈阈值值过过小小，会会提提取取多多余余的的部部分分；而而阈阈值值过过大大，又又会会丢丢失失所所需需的的部部分分（注注意意：当当前前背背景景为为黑黑色色，对对象象为为白白色色时时刚刚好好相相反反）。因因此此，阈值的选取非常重要。阈值的选取非常重要。灰度阈值法分割灰度阈值法分割(a)原始图像；(b)阈值T=43；(c)阈值T=130；(d)阈值T=91 原始图像的直方图如图所示。分析该直方图可知，原始图像的直方图如图所示。分析该直方图可知，该直方图具有双峰特性，图像中的目

6、标（细胞）分布在该直方图具有双峰特性，图像中的目标（细胞）分布在较暗的灰度级上形成一个波峰，图像中的背景分布在较较暗的灰度级上形成一个波峰，图像中的背景分布在较亮的灰度级上形成另一个波峰。此时，用其双峰之间的亮的灰度级上形成另一个波峰。此时，用其双峰之间的谷低处灰度值作为阈值谷低处灰度值作为阈值T进行图像的阈值化处理，便可进行图像的阈值化处理，便可将目标和背景分割开来将目标和背景分割开来阈值法分割阈值法分割Otsu阈值算法阈值算法n图像分割：图像分割：Otsu灰度图像阈值算法灰度图像阈值算法(Otsu thresholding)n图像有图像有L阶灰度，阶灰度，ni是灰度为是灰度为i的像素数，图

7、的像素数，图像总像素数像总像素数 N=n1+n2+nLn灰度为灰度为i的像素概率：的像素概率：pi=ni/Nn类间方差：类间方差：Otsu thresholdingn灰度图像阈值灰度图像阈值:uOtsu灰度图像二值化算法演示及程序分析灰度图像二值化算法演示及程序分析:特征的选择与提取特征的选择与提取n特征的选择与提取是模式识别中重要而困难的一特征的选择与提取是模式识别中重要而困难的一个环节：个环节：n分析各种特征的有效性并选出最有代表性的特分析各种特征的有效性并选出最有代表性的特征是模式识别的关键一步征是模式识别的关键一步n降低特征维数在很多情况下是有效设计分类器降低特征维数在很多情况下是有效

8、设计分类器的重要课题的重要课题n三大类特征：物理、结构和数学特征三大类特征：物理、结构和数学特征n物理和结构特征：易于为人的直觉感知，但有物理和结构特征：易于为人的直觉感知，但有时难于定量描述，因而不易用于机器判别时难于定量描述，因而不易用于机器判别n数学特征：易于用机器定量描述和判别，如基数学特征：易于用机器定量描述和判别，如基于统计的特征于统计的特征原始特征的形成原始特征的形成n原始特征形成原始特征形成(acquisition)：n信号获取或测量信号获取或测量原始测量原始测量n原始特征原始特征n实例：实例：n数字图象中的各像素灰度值数字图象中的各像素灰度值n人体的各种生理指标人体的各种生理

9、指标n原始特征分析：原始特征分析：n原始测量往往不能反映对象本质原始测量往往不能反映对象本质n高维原始特征不利于分类器设计：计算量大，高维原始特征不利于分类器设计：计算量大，冗余，样本分布十分稀疏冗余，样本分布十分稀疏特征的选择与提取特征的选择与提取n两类提取有效信息、压缩特征空间的方法：两类提取有效信息、压缩特征空间的方法：特征提取和特征选择特征提取和特征选择n特征提取特征提取 (extraction)(extraction)：用映射（或变换）：用映射（或变换）的方法把原始特征变换为较少的新特征的方法把原始特征变换为较少的新特征n特征选择特征选择(selection)(selection)：

10、从原始特征中挑选：从原始特征中挑选出一些最有代表性，分类性能最好的特征出一些最有代表性，分类性能最好的特征n特征的选择与提取与具体问题有很大关系，特征的选择与提取与具体问题有很大关系，目前没有理论能给出对任何问题都有效的特目前没有理论能给出对任何问题都有效的特征选择与提取方法征选择与提取方法特征的选择与提取举例特征的选择与提取举例n细胞自动识别：细胞自动识别：n原始测量：（正常与异常）细胞的数字图像原始测量：（正常与异常）细胞的数字图像n原始特征（特征的形成，找到一组代表细胞性原始特征（特征的形成，找到一组代表细胞性质的特征）：细胞面积，胞核面积，形状系数，质的特征）：细胞面积，胞核面积，形状

11、系数，光密度，核内纹理光密度，核内纹理n压缩特征：原始特征的维数仍很高，需压缩以压缩特征：原始特征的维数仍很高，需压缩以便于分类便于分类n特征选择：挑选最有分类信息的特征特征选择：挑选最有分类信息的特征n特征提取：数学变换特征提取：数学变换n傅立叶变换或小波变换傅立叶变换或小波变换n用用PCA方法作特征压缩方法作特征压缩特征抽提特征抽提特征抽提特征抽提纹理纹理、直方图直方图、边缘形状边缘形状、目标所占的区域的面目标所占的区域的面积的大小积的大小、区域的长轴、区域的短轴、空间位置、区域的长轴、区域的短轴、空间位置（质心）等（质心）等。其中其中 纹理特征的提取纹理特征的提取(1)纹理特征的两要素：

12、纹理特征的两要素：(A)形状与大小，形状与大小，(B)基元排列的稀密，周期性，方向性。基元排列的稀密，周期性，方向性。(2)纹理分析的方法：统计方法和结构方法纹理分析的方法：统计方法和结构方法图像识别中常用的特征图像识别中常用的特征区域直方图特征区域直方图特征 方法:比较已知目标的直方图与图像中某个给定区域的灰度直方图，从而决定两目标是否相似。操作步骤操作步骤:(1)选取适当的区域大小。选取适当的区域大小。(2)计算其区域的灰度直方图。计算其区域的灰度直方图。(3)比较此直方图与基元的直方图，决定两者是否比较此直方图与基元的直方图，决定两者是否相似，若相似，则说明所给的图像中有我们所相似，若相

13、似，则说明所给的图像中有我们所需的纹理。需的纹理。(4)比较不同像素的直方图的相似性，决定纹理的比较不同像素的直方图的相似性，决定纹理的稀密，周期性，方向性。稀密，周期性，方向性。衡量直方图相似的常见度量衡量直方图相似的常见度量1.(1)直方图的均值直方图的均值(2)直方图的方差直方图的方差衡量区域相似度图像的相关衡量区域相似度图像的相关(1)互相关(2)自相关自相关 特点：若纹理较粗，特点：若纹理较粗，d=|x|+|y|增大时增大时变化较慢。若上式的值呈周变化，同可获得变化较慢。若上式的值呈周变化，同可获得纹理变化的情况。纹理变化的情况。傅里叶特征傅里叶特征作纹理测试函数:若作纹理测试函数为若作纹理测试函数为:其它常见的区域特征其它常见的区域特征(1)边缘周长边缘周长 l定义为边缘上的像素个数定义为边缘上的像素个数(2)区域圆度区域圆度其中其中S为区域面积为区域面积(3)欧拉数欧拉数一个区域中连通部数一个区域中连通部数H与吼数与吼数C的差：的差：E=|C-H|作业作业n n1.图像目标分割由哪些常用的方法？图像目标分割由哪些常用的方法？n n2.如何描述图像的纹理特征，试给出两种方如何描述图像的纹理特征，试给出两种方法及算法流程？法及算法流程？