数字图像处理与图像通信 第6章 图像分割ppt课件.ppt

《数字图像处理与图像通信 第6章 图像分割ppt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、《数字图像处理与图像通信》朱秀昌1第6章图像分割6.1基于阈值的图像分割方法6.2基于边界的图像分割方法6.3基于区域的图像分割方法6.4*基于二值数学形态学方法的分割2图像分割：图像分割即把图像分成各具特性的区域并提取感兴趣目标的技术和过程。特性可以是像素的灰度、颜色、纹理等。提取目标可以对应于单个区域，也可以对应多个区域。图像分割的目的：对特定对象或区域进行研究是图像分析、图像理解的基础图像分割方法的分类：不同的分割策略有不同的分割方法36.1基于阈值的图像分割方法6.1.1.阈值化分割基本原理基本原理选取一个或多个处于图像灰度取值范围之中的灰度阈值。将图像中各个像素的

2、灰度值与阈值进行比较。根据比较的结果将图像中的对应像素分成两类或多类，从而把图像划分成互不交叉重叠区域的集合。阈值化图像分割的重点分割区域或目标的数目。阈值的确定。4分割方法只有一种目标和背景的简单模型或更一般情况当（6.2）5原始多灰度图像T=130分割后二值图像4个灰阶级图像8个灰阶级图像66.1.2.固定阈值法6.1.3.直方图方法将直方图的包络看成一条曲线，选取直方图谷值作为分割的阈值，采用求曲线极小值的方法。设用h(z)表示图像直方图，z为图像灰度变量，那么极小值应满足：以及（6.3）7原始图像原始图像直方图直方图方法分割后图像图6.3直方图方法分割示意图86.1.4

3、.最大类间方差法Otsu于1978年提出的一种典型的图像分割方法。假定某一阈值T将图像各像素按灰度分成两类C0和C1，每个灰度级的概率为Pi。C0类的概率和为C0类的数学期望为C0类的均值为C0类：包含灰度级为[0,1,…,z]的像素。9C1类：包含灰度级为[z+1,z+2,…,K-1]的像素C1类的概率和为C1类的数学期望为C1类的均值为10图像的总平均灰度为：定义类间方差为：从最小灰度值到最大灰度值遍历所有灰度K，使得式（6.5）中σ最大时的z即为分割的最佳阈值T。（6.5）11方差是灰度分布均匀性的一种度量:方差越大，构成图像的两部分差别越大，目标错分为背景or背景错分为

4、目标两部分差别变小。类间方差最大的分割==目标和背景被错分概率最小。实用中，直接应用（6.5）式计算量太大，实现时采用如下最佳阈值T：（6.6）126.1.5.统计最优阈值法统计判决确定阈值方法＝＝使得目标和背景被误分割最小的阈值分割方法设一幅混有加性高斯噪声的图像，含有目标和背景两个不同区域，目标点出现的概率为θ，目标区域灰度值概率密度为po(z)，背景点出现的概率为1-θ，背景区域灰度概率密度为pb(z)。图像的灰度混合概率密度函数为：（6.7）13根据灰度阈值T对图像进行分割，灰度小于T的像点作为背景点，灰度大于T的像点作为目标点。将目标点误判为背景点的概率为：将背景点

5、误判为目标点的概率为：总的误差概率为：（6.10）14图6.4最优阈值选取方法15对于高斯分布概率密度类型的图像,有和（6.12）对式（6.10)求导数，有和分别是目标和背景的平均灰度值，而和分别是目标和背景区域的均方差。16化简成标准的二次式，其系数为：（6.15）176.2基于边界的图像分割方法6.2.1.并行微分算子法高斯－拉普拉斯边缘检测算子－－最有效的边缘检测器之一。拉普拉斯算子对图像噪声比较敏感，为了减少噪声影响，先对检测图像采用高斯滤波器进行平滑。二维高斯滤波器的响应函数为：（6.17）18设f(x,y)为原始灰度图像，则采用式（6.17）平滑后的结果相对于求f(

6、x,y)和G(x,y)的卷积，对平滑后的图像再运用拉普拉斯算子：上式称为LoG算法或Marr算法，利用该算法有：图6.5倒放的墨西哥草帽（6.18）19化简最后得到：其中：（6.22）（6.23）20图6.6LOG边缘检测结果(a)原始图像(b)LOG边缘检测21Canny算子坎尼（Canny）边缘检测是一种具有较好边缘检测性能的算子。特性：利用高斯函数的一阶微分性质，把边缘检测问题转换为检测准则函数极大值的问题。优点：能在噪声抑制和边缘检测之间取得较好的折衷。22Canny算法过程：1）用高斯滤波器对图像进行滤波，去除图像中的噪声，2）用高斯算子的一阶差分对图像进行滤波，得到

7、每个像素位置梯度大小和方向，3）对梯度幅值进行“非极大抑制”，4）用双阈值算法检测和连接边缘。236.2.2.模板匹配法模板匹配法：利用选定几何特征的模板与图像卷积，检测图像是否具有该种几何特征结构的方法。模板匹配法的两个问题：什么匹配模板？不同模板所能正确检测边界的程度是不同的；什么匹配准则？如何判断其相似程度。模板匹配方法：模板紧扣在检测图像上，模板中心逐像素移动，在每一个模块所对应的图像像素点上，把该点的灰度值乘以模板相应方格中指示的数字，然后把结果相加。24设表示3×3模板的不同方格