ch10-图像分析基础

《ch10-图像分析基础》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、Ch９　图像分析基础1.图像分割2.图像检测3.数学形态学本章讲解特点：结合大量的实际例子，弱化理论讲解；但本章是一个完整的图像处理系统最重要的部分之一；本章所讲到的一些名字，同学们要自己下去查资料理解。图像分析系统的构成知识库表示与描述预处理分割低级处理高级处理中级处理识别与解释结果图像获取问题图像分割的目的是理解图像的内容，提取出我们感兴趣的对象。图像分割按照具体应用的要求和具体图像的内容将图像分割成一块块区域。图像分割是模式识别和图像分析的预处理阶段。通常图像分割采用聚类方法，假设图像中组成我们所感兴趣对象的像素具有一些

2、相似的特征，如相同的灰度值、相同的颜色等。1.图像分割(1)概论分割对象灰度图像、彩色图像遥感图像、红外图像、X光成像、超声图像以　　及核磁共振成像等。分割与识别的关系没有对物体或其局部的认识，分割就无法进行。没有分割，物体识别也是不可能的?分割可视为一种特殊的识别问题。传统的图像分割技术：基于像素灰度值的分割技术基于区域的分割技术基于边界的分割技术图像的描述，包括边界和区域的描述对图像区域的操作―数学形态学(1)概论1.图像分割特征空间聚类方法（clustering）阈值化、尺度空间聚类、均值迁移….对含噪图像以及纹理图像分

3、割的鲁棒性较好但特征选取依赖一定的先验和统计知识基于边缘的方法梯度法、Snake模型……方法直观，分割结果比较美观简单，但边缘检测受噪声影响大，不能保证边缘的封闭性1.图像分割（最近新方法）3.基于区域的方法区域生长法、分裂合并法……保证得到边缘封闭的区域，缺点是边缘复杂，没有统一标准描述区域4.全局优化方法（globaloptimization）Bayes方法、最小描述长度（MDL）、最小割算法…….计算量大，技巧性强1.图像分割（最近新方法）5.混合方法形态学方法、表面拟合法、边缘-区域法……6.基于识别的方法通过识别结果

4、的反馈实现分割灰度阈值分割法是最古老的分割技术只能应用于图像中组成感兴趣对象的灰度值是均匀的，并且和背景的灰度值不一样。事先决定一个阈值，当一个像素的灰度值超过这个阈值，我们就说这个像素属于我们所感兴趣的对象；反之则属于背景部分。这种方法的关键是怎样选择阈值，一种简便的方法是检查图像的直方图，然后选择一个合适的阈值。(2)灰度阈值分割法1.图像分割单一阈值方法也不适合于由许多不同纹理组成一块块区域的图像。如果图像适合这种分割法，那么图像的直方图在表示对象和背景的小范围灰度值附近出现一个高峰值。适合这种分割法的图像的直方图应是双

5、极模式，我们可以在两个峰值之间的低谷处找到一个合适的阈值。(2)灰度阈值分割法1.图像分割若T为图像的一个阈值，它应具备的条件：(1)T应介于目标/背景灰度之间(2)近似于T的象素应是少数。T位于直方图谷点(3)若T为阈值，则分割出的背景和目标都应均匀，错分率低，类内方差小(4)若T为阈值,则分割出的背景和目标之间的类间方差大1.图像分割(2)灰度阈值分割法用如下所示的循环迭代策略得到阈值假设图像中处于四个角的像素是属于背景部分，其它像素属于感兴趣对象，然后定义一个背景灰度和对象灰度的初始值。通过下面的公式循环迭代直至前后两次

6、循环得到的阈值Ti+1和Ti相差非常小，循环过程停止。1.图像分割(2)灰度阈值分割法uibackground和uiobject分别是循环第i次得到的背景灰度值和对象灰度值。这种单一阈值分割方法一种拓展就是将图像分成一个个子区域，不同的子区域采用不同的阈值。将图像分成64×64重叠的子区域，并在每个子区域中检测区域的直方图是不是双极模式，如果一个区域的直方图不是双极模式，则判定该区域完全属于背景部分或对象部分。原始图像分割结果(T=170)OTSU算法以最佳门限将图像灰度直方图分割成两部分,使两部分类间方差取最大值,即分离性最

7、大.设图像灰度级1~M,第i级象素ni个,总象素:则第i级灰度出现的概率为Pi=ni/N.设灰度门限值为k,则图像像素按灰度级被分为两类:C0={1,2,...,k},C1={k+1,...,M},图像总平均灰度级:(3)OTSU算法C0类的平均灰度级为:像素数为:C1类的平均灰度级为:μ-μ(k),像素数为:N-N0两部分图像所占比例分别为:w1=1-w(k);对C0,C1均值作处理:μ0=μ(k)/w(k)μ1=[μμ(k)]/[1-w(k)]图像总均值可化为:μ=w0μ0+w1μ1类间方差:2(k)=w0(μμ0)

8、2+w1(μμ1)2=w0w1(μ0μ1)2化为:2(k)=[μ•w(k)μ(k)]2/{w(k)•[1w(k)]}k从1~M变化,使2(k)最大的k*即为所求之最佳门限.2(k)称为目标选择函数.实例：黑夜车灯检测（直接阈值分割）缺点：阈值不好确定；误差较大；