《图像分割技术》PPT课件

《《图像分割技术》PPT课件》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、1第七章图像分割2图像分割图像图像识别图像预处理图像理解图7.1图像分割在整个图像处理过程中的作用图像分割作用图像分割是图像识别和图像理解的基本前提步骤，图像分割质量的好坏直接影响后续图像处理的效果。3分割出来的各区域对某种性质例如灰度，纹理而言具有相似性，区域内部是连通的且没有过多小孔；区域边界是明确的；相邻区域对分割所依据的性质有明显的差异。图像分割特征图像分割是指将一幅图像分解为若干互不交叠的、有意义的、具有相同性质的区域。4第1类性质的应用途径是基于亮度的不连续变化分割图像,比如图像的边缘.第2类的主要应

2、用途径是依据事先制定的准则将图像分割为相似的区域.门限(阈值)处理、区域生长、区域分离和聚合都是这类方法的实例。图像分割特征图像分割算法一般是基于亮度值的两个基本特性之一:不连续性和相似性.57.3门限处理(阈值分割)特点：直观性易于实现封闭而连通的边界（不交叠区域）6基本原理以一定的图像模型为依托。最常用的图像模型是假设图由具有单峰灰度分布的目标和背景组成。内部像素灰度分布高度相关。之间灰度值存在较大差异。7基本原理上图(a)为一幅图像的灰度级直方图,其由亮的对象和暗的背景组成.对象和背景的灰度级形成两个不同的模式.选择

3、一个门限值T,可以将这些模式分开.(b)包含3个模式.(a)单一门限(b)多门限进行分割的灰度级直方图8基本原理原始图像——f(x,y)灰度阈值——T阈值运算得二值图像——g(x,y)对象点背景点9基本原理阈值选择直接影响分割效果，通常可以通过对灰度直方图的分析来确定它的值。如果图像中有多个灰度值不同的区域，可以选择一系列的阈值以将每个像素分到合适的类别中去。10阈值选择利用灰度直方图求双峰或多峰选择两峰之间的谷底作为阈值11人工阈值人工选择法是通过人眼的观察，应用人对图像的知识，在分析图像直方图的基础上，人工选出合适的

4、阈值。也可以在人工选出阈值后，根据分割效果，不断的交互操作，从而选择出最佳的阈值。12T=155的二值化图像T=210的二值化图像原始图像图像直方图人工阈值13自动阈值迭代法在无人介入的情况下自动选取阈值是大部分应用的基本要求,自动阈值法通常使用灰度直方图来分析图像中灰度值的分布,结合特定的应用领域知识来选取合适的阈值.14自动阈值迭代法基本思想：开始时选择一个阈值作为初始估计值，然后按某种策略不断地改进这一估计值，直到满足给定的准则为止。在迭代过程中，关键之处在于选择什么样的阈值改进策略，好的阈值的改进策略应该具备两个特

5、征，一是能够快速收敛，二是在每一个迭代过程中，新产生阈值优于上一次的阈值。15自动阈值迭代法(1)选择图像灰度的中值作为初始阈值Ti=T0。(2)利用阈值Ti把图像分割成两部分区域，R1和R2，并计算其灰度均值(3)计算新的阈值Ti+1(4)重复步骤2、3，直到Ti+1和Ti的值差别小于某个给定值迭代式阈值选择的基本步骤如下:适用于背景和对象在图像中占据的面积相近的情况.16自动阈值迭代法原始图像迭代阈值二值化图象图7.3迭代式阈值二值化图像17自动阈值迭代法(a)原图(b)图像的直方图(c)通过用迭代估计的门限对图像进行

6、分割的结果18自动阈值分水岭算法阴影、光照不均、各处对比度不同、突发噪声和背景灰度变化等，固定的全局阈值分割，效果不好。解决方法：利用与坐标相关的一组阈值对图像进行分割——变化阈值法、自适应阈值法。19自动阈值分水岭算法分水岭算法(watershed)是一种借鉴了形态学理论的分割方法，它将一幅图象看成为一个拓扑地形图，其中灰度值被认为是地形高度值。高灰度值对应着山峰，低灰度值处对应着山谷。20自动阈值分水岭算法(a)原始图像(b)图像对应的拓扑地形图图7.5图像对应的拓扑表面图21自动阈值分水岭算法三类点：①属于局部

7、性最小值的点；②当一滴水放在某点的位置上时，水一定会下落到一个单一的最小值点；③当水处在某个点的位置时，水会等概率地流向不止一个这样的最小值点。对于一个特定的区域最小值，满足条件②的点的集合称为这个最小值的“汇水盆地”或“分水岭”。满足条件③的点的集合组成地形表面的峰线，称为“分水线”或“分割线”。22自动阈值分水岭算法将这种想法应用于图像分割，就是要在灰度图像中找出分水线。基本思想：假设在每个区域最小值的位置上打一个洞，让水以均匀的上升速率从洞中涌出，从低到高淹没整个地形。当处在不同的汇水盆地中的水将要汇合在一起时，

8、修建大坝阻止水汇合。这些大坝的边界对应于分水岭的分割线。23自动阈值分水岭算法分水岭阈值选择算法可以看成是一种自适应的多阈值分割算法图7.6分水岭形成示意图分水岭对应于原始图像中的边缘24自动阈值分水岭算法分水岭算法是以梯度图的局部极小点作为吸水盆地的标记点,由于梯度图中可能有较多的局部极小点,因此可能