基于区域生长的图像分割方法-南邮-车少帅.ppt

《基于区域生长的图像分割方法-南邮-车少帅.ppt》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、18.6基于区域生长的图像分割方法学校：南京邮电大学专业：12级信号与信息处理姓名:车少帅例如：（1）要确定航空照片中的森林、耕地、城市区域等，首先需要将这些部分在图像上分割出来。（2）要辨认文件中的个别文字，需先将这些文字分割出来。把图像空间按照一定的要求分成若干个“有意义”的区域的技术。其从本质上说是将各像素进行分类的过程。（3）要识别和标定细胞的显微照片中的染色体，需要用图像分割技术。图像分割的概念：基于边缘检测的方法：找出图像的边缘信息，再将它们连成边界，这些边界把图像分成不同的区域，从而分割出各个区域。图像分割方法

2、分类：基于区域生成的方法：根据相应的区域特性在图像中找出与其相似的部分。常用的方法有：区域生长、分裂-合并分割方法。基于阈值选取的方法：通过选取一定的灰度阈值将图像中目标从背景中分割出来。常用的方法有：直方图阈值分割、最大熵阈值分割等。基于区域的图像分割方法区域生长法分裂-合并分割方法区域生长法区域生长（regiongrowing）是指将成组的像素或区域发展成更大区域的过程。从种子点的集合开始，从这些点的区域增长是通过将与每个种子点有相似属性像强度、灰度级、纹理颜色等的相邻像素合并到此区域。它是一个迭代的过程，这里每个种子像

3、素点都迭代生长，直到处理过每个像素，因此形成了不同的区域，这些区域它们的边界通过闭合的多边形定义。图像区域分割的过程（基本单元：像素或微区域）（1）选择区域内某一像素点作为生长种子；（2）判断其相邻像素（没有区域标记）是否满足相似性准则；（3）如果是，将其合并到当前区域，给该像素添加区域标记；（4）对于新合并的区域，重复（2）、（3）（5）不断重复，区域将在各个方向上不断增长，直至没有相邻像素满足相似性性准则为止，或者是满足停止准则为止。图像中各个区域分割，都是从其种子点开始，在各个方向上生长得到的。区域生长分割示意图：相邻

4、像素表示：区域生长法关键：（1）确定每个区域的生长起始点——种子像素。（2）确定在生长过程中将相邻像素包括进来的相似性判别准则（生长准则）。（3）确定区域生长过程停止的条件或规则。相似性准则可以用灰度级、彩色值、结构、梯度或其它特征来表示。一个区域生长的示例给出已知矩阵A：大写的5为种子,从种子开始向周围每个象素的值与种子值取灰度差的绝对值,当绝对值少于某个门限T时,该象素便生长成为新的种子,而且向周围每个象素进行生长;如果取门限T=1,则区域生长的结果为:可见种子周围的灰度值为4、5、6的象素都被很好地包进了生长区域之中,

5、而到了边界处灰度值为0、1、2、7的象素都成为了边界,右上角的5虽然也可以成为种子,但由于它周围的象素不含有一个种子,因此它也位于生长区域之外;现在取门限T=3,新的区域生长结果为:整个矩阵都被分到一个区域中了。由此可见门限选取是很重要的利用迭代的方法从大到小收缩是一种典型的方法,它不仅对2-D图像而且对3-D图像也适用。一般情况下可以选取图像中亮度最大的象素作为种子,或者借助生长所用准责对每个象素进行相应的计算,如果计算结果呈现聚类的情况则接近聚类重心的象素可以作为种子象素。上面的例子,分析它的直方图可知灰度值为1和5的象

6、素最多且处于聚类的中心,所以可各选一个具有聚类中心灰度值的象素作为种子。灰度图lena直方图区域生长结果三次均方值计算直方图区域生长结果由于lena细节性较强(比如姑娘的发丝),对它进行区域生长的结果还会有一些区域无法连在一起,所以对它进行了三次均值运算(取象素及周围共九个点的平均灰度作为新的灰度值)。区域生长以后小的区域就较好地连成了一片。生长准则的选取不仅依赖于具体问题本身,也和所用图像数据种类有关,如彩色图和灰度图。一般的生长过程在进行到再没有满足生长条件的象素时停止,为增加区域生长的能力常需考虑一些与尺寸、形状等图像

7、和目标的全局性质有关的准则。区域生长的关键是选择合适的生长或相似准则,大部分区域生长准则会使用图像的局部性质生长准则可以根据不同原理制定,而使用不同的生长准则会影响区域生长的过程。常用的生长准则和方法有两种,即基于区域灰度差的、基于区域内灰度分布统计性质的。灰度差判别式：采用相邻像素与当前像素灰度值（或当前区域像素平均灰度）的差来判别其是否应当合并到当前区域。若C

8、生长的例子生长准则：邻近点的灰度级与当前区域平均灰度的差小于2。种子像素平均灰度8.25平均灰度8基于区域内灰度分布统计性质的生长准则考虑以灰度分布相似性作为生长准则来决定区域的合并,具体步骤为:1.把图像分成互不重叠的小区域;2.比较邻接区域的累积灰度直方图,根据灰度分布的相似性进行区域