资源描述：
《数字图像处理-图像分割》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、视觉信息处理图像分割前言图像分割是由图像处理到图像分析的关键步骤，也是一种基本的计算机视觉技术。图像分割将图像上的目标区域和所需要的特征提取出来，为更高层次的图像分析打下基础。正因为其“承上启下”的重要位置，对于图像分割的准确度和精确度要求非常高。实例原始彩色图像分割图像(一种颜色对应一个区域)内容框架图像分割的定义边缘提取Hough变换阈值法分割K-means聚类彩色图像分割彩色纹理图像分割实例简单程序实现(matlab)兴趣阅读图像分割的定义根据图像的某些特征(或特征集)的相似性准则，对图像像素进行分组聚类，把图像平面划
2、分为一系列“有意义”的区域，使其后的图像分析、识别、理解等高级处理阶段所要处理的数据量大大减少（这些“有意义”的区域可以用抽象的概念和特征来描述），同时又保留有关图像结构特征的信息。BoundariesofObjectsMarkedbymanyusershttp://www.eecs.berkeley.edu/Research/Projects/CS/vision/grouping/segbench/bench/html/images.htmlBoundariesofObjectsfromEdgesBrightnessGra
3、dient(Edgedetection)Missingedgecontinuity,manyspuriousedgesBoundariesofObjectsfromEdgesMulti-scaleBrightnessGradientBut,lowstrengthedgesmaybeveryimportantBoundariesofObjectsfromEdgesImageMachineEdgeDetectionHumanBoundaryMarkingBoundariesinMedicalImagingDetectionofc
4、ancerousregions.[Foran,Comaniciu,Meer,Goodell,00]BoundariesinUltrasoundImagesHardtodetectinthepresenceoflargeamountofspecklenoiseBoundariesofObjectsSometimeshardevenforhumans!边界提取边缘的定义一阶微分算子二阶微分算子Canny算子边缘提取的定义划分不同区域的分界线；边缘由连续的边缘点组成；边缘点：在局部范围内的灰度(彩色RGB值等)产生突变的像素点。示
5、例原始图像边界图像微分算子边缘点即图像局部灰度突变处梯度的变化在该点上存在局部最大，所以常用梯度算子（一阶微分算子）来估计图像灰度变化的方向，即边缘的方向。用阈值运算把边缘点与非边缘点区分开阈值的选择在丢失边缘点与噪声引起的虚假边缘点之间进行折衷。一阶微分算子微分数学定义：一个连续函数,在像素位置处的微分算子是：梯度的幅度为：以上定义的梯度算子需要对图像上的每一个像素点进行计算。由于数字图像是离散的，所以用差分代替微分：在实际中常用小区域模板卷积运算进行来近似计算。对Gx，Gy各用一个模板，所以需要2个模板组合起来以构成一个
6、梯度算子。常用微分算子一阶RobertsSobelPrewitt二阶LaplacianMarrCannyRoberts算子罗伯特交叉算子(Robertscross)最简单的梯度算子模板：Roberts算子(续)梯度幅值g(x,y)(欧式距离)用方向差分的均方值来近似计算，适当取门限（阈值）TH，作如下判断：g(x,y)>TH,(x,y)为阶跃状边缘点。F(x,y)={(x,y)
7、g(x,y)>TH}为边缘图像。缺点：对噪声敏感Sobel算子最常用的梯度算子3×3邻域模板如下：Gx(左)，Gy(右)Sobel算子（续）梯度幅值
8、为：适当取门限TH（阈值），作如下判断：g(x,y)>TH,点(x,y)为阶跃状边缘F(x,y)={(x,y)
9、g(x,y)>TH}为边缘图。Prewitt算子与Sobel算子类似3×3邻域模板定义如下：Gx(左)，Gy(右)Prewitt算子（续）梯度幅值为：适当取门限TH，作如下判断：g(x,y)>TH,(x,y)为阶跃状边缘点.F(x,y)={(x,y)
10、g(x,y)>TH}为边缘图像。SobelPrewittRoberts比较原始图像SobelPrewittGauss-LaplacianMatlab函数：fspeci
11、al,imfilterSobel与Prewitt的比较相似处：2个3×3模板在空间域中的实现比较容易不同处：模板的加权值不同结果：Sobel算子效果比较好，可以产生较好的边缘检测效果，且噪声影响也比较小。当使用较大的邻域时，抗噪声的特性会更好，得出的边缘相对较粗。拉普拉斯算子(Laplac
