数字图像处理 第七章 图像的分割

《数字图像处理 第七章 图像的分割》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第七章图像的分割图像分割的目的图像分割是指通过某种方法，使得画面场景被分为“目标物”及“非目标物”两类,即将图像的像素变换为黑、白两种。因为结果图像为二值图像，所以通常又称图像分割为图像的二值化处理。图像分割说明示例图像分割示例——条码的二值化局部放大图像分割示例——肾小球区域的提取?图像分割示例——细菌检测图像分割示例——印刷缺陷检测图像分割示例——印刷缺陷检测检测结果局部放大图图像分割的难点从前面的例子可以看到，图像分割是比较困难的。原因是画面中的场景通常是复杂的，要找出两个模式特征的差异，并且可以对该差异进行数学描述都是比较难的。图像分割的概念图像分割原理上的计算公式如下：其中，f(

2、i,j)为原始图像，g(i,j)为结果图像（二值），Th为阈值。显然，阈值的选取决定了二值化效果的好坏。图像分割方法p-参数法均匀性度量法聚类方法P-参数法——设计思想对固定分辨率下的目标物，根据目标物在画面中所占的比例来选择阈值，进行二值化处理。P-参数法——示例p=15.07%p-参数法对于已知目标物在画面中所占比例的情况下使用比较有效。P-参数法——基本原理如下图所示，假设目标物为暗，背景为亮；先试探性地给出一个阈值（黄色），统计目标物的像素点数在整幅图中所占的比例是否满足要求，是则阈值合适；否则，阈值则偏大（右）或者偏小（左），再进行调整，直到满足要求（白色）。阈值阈值P-参数法—

3、—算法步骤1）设图像的大小为m*n，计算得到原图的灰度直方图h；2）输入目标物所占画面的比例p；P-参数法——算法步骤3）尝试性地给定一个阈值Th=Th0；4）计算在Th下判定的目标物的像素点数N;P-参数法——算法步骤5）判断ps=N/(m*n)是否接近p？是，则输出结果；否则，Th=Th+dT;(ifps0;elsedT<0)，转4），直到满足条件。均匀性度量法——设计思想所谓的均匀性度量方法，是根据“物以类聚”的思想而设计的。其基本设计思想是：属于“同一类别”的对象具有较大的一致性。实现的手段是：以均值与方差作为度量均匀性的数字指标。均匀性度量法——算法步骤1）给定一个

4、初始阈值Th=Th0（例如：可以默认为1，或者是128等），则将原图分为C1和C2两类；默认值为128是指从中间开始搜索；默认值为1是指从头考试搜索。均匀性度量法——算法步骤2）分别计算两类的类内方差：均匀性度量法——算法步骤3）分别计算两类像素在图像中的分布概率：计算分布概率的目的是：统计该类像素对图像的影响程度。均匀性度量法——算法步骤4）选择最佳阈值Th=Th*，使得下式成立：找最佳阈值的方法有很多，最苯的方法就是遍历[1~254]。均匀性度量法——处理效果示例Th=3,方差=61.7Th=31,方差=29.7Th=82,方差=24.4聚类方法——基本设计思想聚类方法是采用了模式识别

5、中的聚类思想。以类内保持最大相似性以及类间保持最大距离为最佳阈值的求取目标。聚类方法——算法步骤1）给定一个初始阈值Th=Th0（例如：可以默认为1，或者是128等），则将原图分为C1和C2两类；默认值为128是指从中间开始搜索；默认值为1是指从头考试搜索。聚类方法——算法步骤2）分别计算两类的类内方差：聚类方法——算法步骤3）进行分类处理：如果则f(x,y)属于C1，否则f(x,y)属于C2。聚类方法——算法步骤4）对上一步重新分类后得到的C1和C2中的所有像素，分别重新计算其各自的均值与方差。聚类方法——算法步骤5）如果下式成立：则输出计算得到的阈值Th(t-1)，否则重复4），5）。

6、聚类方法——处理效果示例Th=82,方差=24.4Th=91,方差=24.8聚类方法与均匀性度量方法的最大差别是考虑了类之间的距离。谢谢大家作业第146页第1题(2),(6)。