《数图》第9章 图像分割和描述课件.ppt

《《数图》第9章 图像分割和描述课件.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、数字图像处理基础DigitalImageProcessing第九章图像分割和描述1DigitalImageProcessing图像分割（imagesegmentation）－－把图像分成各具特性的目标区域的技术和过程。图像分割－－从低层次图像处理到较高层次图像分析、图像理解的关键步骤。－－图像处理中的瓶颈问题，事关图像描述、特征提取、目标识别等。－－基于边缘的分割、基于阈值的分割、基于区域的分割。图像描述（imagedescription）－－对图像的区域、周长、面积以及其它特征的表示。－－边界描述、区域描述

2、。2DigitalImageProcessing第1节图像分割简述1.图像分割的定义图像分割－－通过对图像不同特征的分析，将图像分割成各具特性的区域，提取出感兴趣目标的技术和过程。数学定义：假设一幅图像中所有像素的集合为F，有关一致性的假设为P(·)。图像分割：把F划分为n个满足下述4项条件的连通区域子集{S1，S2，…，Sn}。1），分割是完全的，图像中的每一像素必须归属一个区域；2），分割出的不同区域是不相交的；3），分割出的每个区域的像素具有一致的特性；4），分割出的不同区域的像素不具有一致的特性。3D

3、igitalImageProcessing2.图像分割的分类从不同的角度和特征进行分类：1）运算策略不同：并行分割算法，串行分割算法。2）实现技术不同：基于直方图的分割，基于边界的分割，基于区域的分割。3）应用要求不同：粗图像分割，细图像分割。4）对象属性不同：灰度图像分割，彩色图像分割。5）是否借助像素灰度模式：纹理图像分割，非纹理图像分割。6）对象状态不同：静态图像分割，动态图像分割。4DigitalImageProcessing1）基于边界的图像分割－－先检测图像边界，再连接目标边界的轮廓线。边界检测：

4、Robert算子、Prewitt算子、梯度算子、拉普拉斯算子、Canny算子、高斯-拉普拉斯算子等。2）基于阈值的图像分割－－基于图像直方图的分割方法。分割问题实际上就是像素分类的参数估计问题，易受噪声干扰。3）基于区域的图像分割－－检测满足特定预设条件的区域。区域增长法、区域分裂合并法、分水岭算法等。三种基本的图像分割既可单独使用，也可综合使用。5DigitalImageProcessing第2节基于边界的分割基于边界的图像分割：1）边缘检测，检测出图像中可能的边缘点，2）边缘连接，按一定策略连接成轮廓，实

5、现不同区域的分割。边缘检测技术：并行边缘检测：当前像素点是否属于边缘，取决于当前正在检测的像素点以及该像素点的一些相邻像素点；串行边缘检测：当前像素点是否属于边缘，取决于先前像素的验证结果。（在实际中应用较少）6DigitalImageProcessing1.并行微分算法边缘－－图像中不同灰度区域交界处；边缘检测－－利用导数－－对图像中灰度的变化进行检测，一阶导数算子：梯度算子、Sobel算子、Prewitt算子、……二阶导数算子：Laplacian算子、Kirsch算子、……实用：去噪（减少噪声对微分的影响

6、）微分（一阶或二阶）LOG（LaplacianofGaussian）滤波＝高斯低通滤波+Laplacian二阶导数；Canny边界检测＝高斯低通滤波+一阶导数。7DigitalImageProcessing（1）高斯-拉普拉斯（LOG）算子对待检测图像f(x,y)采用高斯滤波器g(x,y)进行平滑（降低噪声影响），再用拉普拉斯算子进行二阶微分，：LOG检测就是用对图像f(x,y)进行滤波，边缘点＝滤波输出的符号变化（过零点）的位置。（9.1）（9.2）8DigitalImageProcessingLOG边缘

7、检测算子：轴对称图形，各向同性，形状酷似草帽，“墨西哥草帽”函数：图9.1LOG边缘检测算子（9.3)00-1000-1-2-10-1-216-2-10-1-2-1000-100近似为LOG模板函数波形9DigitalImageProcessing【例9.1】图9.2所示为某图像的LOG边缘检测实例。(a)5×5LOG模板(b)原始图像(c)LOG边缘检测图9.2LOG边缘检测结果00-1000-1-2-10-1-216-2-10-1-2-1000-10010DigitalImageProcessing（2）

8、Canny算子边缘检测要求：有效地抑制噪声，有较高的信噪比；准确，检测出的边缘在真正的边界上。1）高斯滤波，去噪：（9.4）2）对平滑后的图像求梯度，获得每一点梯度的幅值和方向：（9.5）梯度的模值：梯度的方向值（弧度）：（9.6）（9.7）11DigitalImageProcessing3）对梯度幅值进行“非极大抑制”作用：准确定位，控制边界宽度为一个像素。在待处理像素a的梯度方向上比较它们的梯度