数字图像处理与分析 第6章 图像分割ppt课件.ppt

《数字图像处理与分析 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、第6章图像分割6.1灰度阈值法6.2边缘检测6.3区域分割6.4Hough变换图像分割将图像中有意义的特征或需要应用的特征提取出来例1）按幅度不同来分割各个区域：幅度分割2）按边缘不同来划分各个区域：边缘检测3）按形状不同来分割各个区域：区域分割第6章图像分割图像输入光电变换数字化图像增强图像恢复图像编码预处理阈值分割边缘检测区域分割图像分割特征提取图像识别图像分析理解描述解释图像处理过程第6章图像分割预处理图像锐化、图像平滑分割直方图分割、概率统计门限检测、边缘检测、群聚、纹理匹配特征提取空间特征、变换特征、边缘边界、形

2、状特征、矩、纹理特征第6章图像分割6.1灰度阈值法6.1.1阈值分割的原理6.1.2阈值的提取6.1灰度阈值法6.1.1阈值分割的原理设输入图像为，输出图像为，阈值为T,则或1）直方图法6.1.2阈值的选取非理想情况，各段的分界不明显，有3种误差：a）增加了新的区域，b）失去了原有的区域，c）区域分割边界定位不正确动态门限：把图像分成子图像，子图像做直方图，再定不同的门限6.1.2阈值的选取2)统计门限法：设图像中目标及背景的灰度为正态分布，其灰度分布概率密度函数分别p(z),q(z)T6.1.2阈值的选取设目标占整体图像

3、的比例为t，整体图像的灰度概率密度那么错误区分的概率由下式给出求上式为最小值时的，便是阈值。也就是对上式求微分并使之为零6.1.2阈值的选取3)自适应门限：根据局部特性确定门限6.1.2阈值的选取6.2.1梯度算子6.2.2拉普拉斯算子6.2.3Canny算子6.2边缘检测6.2边缘检测边缘检测其导数在边缘方向取得极值边缘检测的特点：阶跃状屋顶状6.2边缘检测6.2.1梯度算子对应一阶导数，连续图像的导数在边缘方向上取得极值6.2.1梯度算子常用的几种算子1-11-1-11-11-11111-1-1-1a)robertb)

4、prewitt6.2.1梯度算子c)sobeld)Zsotropic-11-22-11121-1-2-1-11--1-1-1--1116.2.1梯度算子Kirch算子由K0~K7八个方向模板组成，将K0~K7的模板算法分别与图像中的3×3区域乘，选最大一个值，作为中央像素的边缘强度6.2.1梯度算子若gi最大，说明f(x,y)处有i方向的边缘通过555-30-3-3-3-3-355-305-3-3-3-3-35-305-3-35-3-3-3-305-355-3-3-3-30-3555-3-3-350-355-35-3-35

5、0-35-3-355-350-3-3-3-3k0k1k2k3k4k5k6k76.2.1梯度算子注意边缘检测对噪声敏感，常在作边缘检测前对图像进行抑制噪声预处理，如平滑处理等6.2.1梯度算子由上节可见阶跃状边缘的二阶导数在边缘处出现零点，出现零交叉，可用二阶导数寻边界缺点：1）对噪声敏感2）常产生双像素宽的边缘，无方向性6.2.2拉普拉斯算子6.2.3Canny算子边缘算子必须满足三个准则1）低错误率边缘算子应该只对边缘响应，并能找到所有的边，而对于非边缘应能舍弃。2）定位精度被边缘算子找到的边缘象素与真正的边缘象素间的距

6、离应尽可能的小。3）单边响应在单边存在的地方，检测结果不应出现多边。在Canny的假设下，对于带有Gaussian白噪声的阶跃边缘，边缘检测算子是一个与图像函数g(x,y)进行卷积的滤波器f，这个卷积滤波器应该平滑掉白噪声并找到边缘位置6.2.3Canny算子a)Robert算子进行边缘检测b)Sobel算子进行边缘检测6.2.3Canny算子c)拉普拉斯算子进行边缘检测d)canny算子边缘检测6.2.3Canny算子6.3.1区域生长6.3.2分裂合并6.3.3水域分割6.3区域分割6.3区域分割区域分割对于特征不连续

7、的边缘检测，把图像分割成特征相同的互相不重叠连续区域的处理区域生长法a）利用灰度差作为区域合并的判定标准b）根据小区域内的灰度分布的相似性（灰度直方图）进行区域合并的方法c）分裂合并法6.3.1区域生长思想：将具有相似性质的像素集合起来构成区域1)找一个种子像素作为生长的起点2)将种子像素周围邻域中与种子像素有相同或相似性质的像素（根据某种事先确定的生长或相似准则来判定）合并到种子像素所在的区域中3)将这些新像素当作新的种子像素继续进行上面的过程，直到再没有满足条件的像素可被包括进来生长准则1．基于区域灰度差①对像素进行扫

8、描，找出尚没有归属的像素；②以该像素为中心检查它的邻域像素，即将邻域中的像素逐个与它比较，如果灰度差小于预先确定的阈值，将它们合并；③以新合并的像素为中心，返回到步骤②，检查新像素的邻域，直到区域不能进一步扩张；④返回到步骤①，继续扫描直到所有像素都有归属，则结束整个生长过程。6.3.1区域生长2．基于