图像处理课件05图像分割.ppt

《图像处理课件05图像分割.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、图像分割图像分割图像分割的目的是理解图像的内容，提取出感兴趣的对象。分割是将图像细分为一个个子区域或对象。分割的成度取决于要解决的问题。精确的分割决定着图像分析的成败。图像分割图像分割算法基于亮度值的两个特性：不连续性（边缘）相似性（区域）图像分割间断检测边缘连接和边界检测门限处理基于区域的分割基于形态学分水岭的分割分割中运动的应用一、间断检测点检测线检测边缘检测方法：利用模板进行检测１、点检测当在模板中心的位置上已经检测到一个点。基本思想：如果一个孤立的点与它周围的点很不相同，则很容易被这类模板检测到。-1-1-1-18-1-1-1-1１、点检测涡轮叶

2、片的X射线图２、线检测例：线检测找一个像素宽，且方向为-45度的线条。３、边缘检测一条边缘是一组相连的像素集合。这些像素位于两个区域的边界上。边缘：灰度级跃变。模糊边缘：取决于图像采集系统的性能、取样率和照明条件等。３、边缘检测理想边缘模型斜坡边缘模型３、边缘检测一阶导数判断一个点是否是边缘上的点。二阶导数判断一个边缘像素在亮的一边还是在暗的一边。高斯噪声标准差为0.1标准差为10.0标准差为1.0噪声边缘附近的一阶和二阶导数性质。梯度算子检测对角边缘例：利用梯度进行边缘检测３、边缘检测梯度算子３、边缘检测梯度算子对角边缘检测３、边缘检测拉普拉斯算子拉普

3、拉斯算子是对二维函数进行运算的二阶导数标量算子。它定义为：可以用下面的模板来实现。0-10-14-10-10-1-1-1-18-1-1-1-1３、边缘检测拉普拉斯算子边缘检测的缺点：对噪声具有强敏感性产生双边缘不能检测边缘的方向拉普拉斯算子在分割中所起的作用：利用它的零交叉的性质进行边缘定位；确定一个像素在一条边缘暗的一边还是亮的一边。拉普拉斯高斯算子３、边缘检测拉普拉斯高斯算子拉普拉斯算子与平滑过程一起利用零交叉性质进行边缘定位:h(r)高斯平滑滤波器：高斯型的拉普拉斯算子LoG３、边缘检测高斯型的拉普拉斯算子LoG小模板仅对基本无噪声的图像有用３、边

4、缘检测高斯型函数的目的：对图像进行平滑。拉普拉斯算子的目的：提供一幅零交叉确定边缘位置的图像。例：利用零交叉性质进行边缘定位27*27高斯型平滑模板二、边缘连接和边界检测局部处理通过霍夫变换进行整体处理由于噪声、不均匀照明或其他因素而产生边缘间断，使得一组像素不能描绘一条边缘，则应通过边缘连接将边缘像素组合成有意义的边缘。１、局部处理分析图像中每个点的一个小邻域内像素的特点，依据事先规定的准则，将相似的点连接起来，形成由共同满足这些准则的像素组成的一条边缘。１、局部处理确定边缘像素相似性的两个主要性质：在幅度上相似性在梯度向量方向上的相似性例：基于局部处

5、理的边缘点连接连接：梯度值大于25；方向差不超过15度找到适合车牌照大小的矩形。Sobel算子２、通过霍夫变换进行整体处理特点：考虑像素之间的整体关系例：在图像中有n个点，假设我们希望找到这些点中位于直线上的点组成的子集。２、通过霍夫变换进行整体处理xy平面参数空间算法：1.在参数空间(u,v)内建立两维数组A(u,v);2.在开始时将数组置零3.对图像空间的每一个待检测点(xi,yi)，令u取遍所有可能的取值，并计算对应的v。4.对计算得到的(u,v)，对A(u,v)中相应单元进行累加:A(u,v)=A(u,v)+15.根据A(u,v)的值，确定有多少

6、点是共线的，同时可以知道线条的参数(u,v)。uvv=-xiu+yiy=ux+v２、通过霍夫变换进行整体处理表示一条直线，当直线接近垂直时，斜率接近无限大。问题：例：霍夫变换说明２、通过霍夫变换进行整体处理霍夫变换适用于任何形式为的函数。v是坐标向量，c是系数向量例：位于圆上的点霍夫变换的复杂性是与给定函数表达式的坐标和系数的数目成比例的。２、通过霍夫变换进行整体处理一种基于霍夫变换的连接方式：计算图像的梯度并对其设置门限得到一幅二值图像；在ρθ平面内确定细分；对像素高度集中的地方检验其累加器单元中的数目；检验选择的单元中像素之间的关系（主要针对连续性）

7、；例：通过霍夫变换进行边缘连接判断相连像素准则：这些像素属于3个最高计数的累加器单元之一。像素之间的间隔小于5个像素。三、门限处理优势：直观性易于实现在图像分割中处中心地位基础全局局部自适应门限１、亮度的作用目的：讨论亮度对门限处理的影响，特别是对全局门限处理的影响。１、亮度的作用对象和背景的反射性质使他们易于分离。然而，亮度条件不好，图像难分割。１、亮度的作用的直方图由直方图卷积给出。为什么反射函数直方图中可区分的波谷被亮度抹去？１、亮度的作用补偿光源不均匀性的解决方法：将亮度图投影到一个不变的、白色反射面上。则：分割门限为２、基本全局门限２、基本全局

8、门限自动获取阈值：选择一个T的初始估计值；用T分割图像。这样做会分成两组像素：G