3-图像分割-分类概述

原始像素
图像处理
无论是图像处理、分析、理解与识别，其基础工 作一般都建立在图像分割的基础上； 将图像中有意义的特征或者应用所需要的特征信 息提取出来；
图像分割的最终结果是将图像分解成一些具有某 种特征的单元，称为图像的基元；
相对于整幅图像来说，这种图像基元更容易被快 速处理。
图像特征
• 图像特征是指图像中可用作标志的属性，它可以 分为统计特征和视觉特征两类。 • 图像的统计特征是指一些人为定义的特征，通过 变换才能得到，如图像的直方图、矩、频谱等； • 图像的视觉特征是指人的视觉可直接感受到的自 然特征，如区域的亮度、纹理或轮廓等。
• 基于运动的分割－通过视频物体运动进行分割
根据灰度的不连续性和相似性，分成两类：
•边缘检测法：利用区域间之灰度不连续性，确定区 域的边界或边缘的位置。 •区域生成法：利用区域内灰度的相似性，将像素 (点)分成若干相似的区域。 二者相辅相成，可以结合使用。前者相当于用点定 义线（边缘），而后者作为两个面的相交确定一条 曲线（边缘线）。
2. 控制背景环境，降低分割难度
3. 把焦点放在增强感兴趣对象，缩小不相干 图像成分的干扰上
•
图像分割的基本思路
1.从简到难，逐级分割
1)分割矩形区域
2)定位牌照 3)定位文字
• 图像分割的基本思路
2.控制背景环境，降低分割难度 背景环境:路面、天空
•
图像分割的基本思路
3. 把焦点放在增强感兴趣对象，缩小不相干 图像成分的干扰上 1)感兴趣的对象：汽车牌照
2)不相干图像成分：非矩形区域
•
图像分割的基本策略
– 图像分割的基本策略，基于灰度值的两个基本特性：
1. 不连续性——区域之间 2. 相似性——区域内部 – 根据图像像素灰度值的不连续性 • 先找到点、线（宽度为1）、边（不定宽度）
•
再确定区域
•
图像分割的基本策略
– 根据图像像素灰度值的相似性
• 通过选择阈值，找到灰度值相似的区域
• 图像分割的概念
– 根据灰度、彩色、空间纹理、几何形状等
特征把图像划分成若干个互不相交的区域，
使得这些特征在同一区域内，表现出一致
性或相似性，而在不同区域间表现出明显 的不同。
– 把图像分解成构成它的部件和对象的过程
– 有选择性地定位感兴趣对象在图像中的位置
和范围
•
图像分割的基本思路
1. 从简到难，逐级分割
• 区域的外轮廓就是对象的边
图像分割介绍
• 定义
灰度、颜 源自文库、纹理
对应单个 区域和多 个区域
将图像分成各具特性的区域，并提取出感兴趣目标的技术和过程 图像处理过渡到图像分析的关键步骤，也是一种基本 的计算机视觉技术 借助集合概念进行正式的定义： 令R代表整个图像区域，对R的分割可看做将R分成若 干个满足以下条件的非空子集(子区域)R1,R2,R3…Rn
(3) i=1,2…n,有 P(Ri)=TRUE (4) 对i≠j,有 P(Ri∪Rj)=FALSE (5) 对i=1,2…n,Ri是 连通的区域
在分割后得到的属于同1个 区域中的象素应该具有某些
相同特性
在分割后得到的属于不同区
域中的象素应该具有一些不
同的特性 要求同1个子区域内的 象素应当是连通的
图像分割
本章目录
1 概述和分类
2 基于边缘的检测
3 基于区域的分割
4 基于阈值的分割
• 前面主要讲述的是图像预处理方面的知识
• 主要介绍图像分析的问题，即着眼于找出图像
中哪些事物，也即是模式识别问题，主要从统
计模式识别来讲
图像输入 光电变换 数字化
预处理 图像增强 图像恢复 图像编码
图像分割 阈值分割 边缘检测 区域分割 描述 解释
(a)
(b)
图5-1
4连通和8连通
4连通指的是从区域上一点出发，可通过4个方向， 即上、 下、左、右移动的组合，在不越出区域的前提 下，到达区域内的任意像素；
8连通方法指的是从区域上一点出发，可通过左、 右、上、下、左上、右上、左下、右下这8个方向的移 动组合来到达区域内的任意像素。
概述和分类
分割 准则 应能 帮助 确定 各区 域象 素有 代表 性的 特性
图像分割方法分类
• 基于边缘的分割－先确定边缘象素，并把它们连 接在一起，以构成所需的边界 • 基于区域的分割－把各象素划归到各个物体或区 域中 • 基于阈值的分割－通过阈值对不同物体进行分割
• 基于聚类的分割－通过阈值对不同物体进行分割
图像分割的基本原理
图像分割是将图像划分成若干个互不相交 的小区域的过程，小区域是某种意义下具有共 同属性的像素的连通集合。
• 如不同目标物体所占的图像区域、前景所占的 图像区域等； • 连通是指集合中任意两个点之间都存在着完全 属于该集合的连通路径； • 对于离散图像而言，连通有4连通和8连通之分， 如图5-1所示。
特征提取 图像识别
图像分析理解
图像处理过程
• 图像分析系统的构成
分割 预处理
问题 图像获取
表示与描述
中级处理
知识库
低级处理
识别 与 解释
高级处理
结果
图像分割的地位
小 语义符号 操 作 对 象 数 据 大 原始图像 图像理解 目标识别 图像分析 特征提取 图像分割 低 高 语 义 抽 象 程 度
目标描述
分割所得到的全部子区域的总和 (1)
Ri R
i 1
n
(并集)应能包括图像中所有象素，
或者说分割应将图像中的每个象 素都分进某1个子区域中
(2) 对所有的i和j， i≠j，有Ri∩Rj=φ
各个子区域是互不重叠的，或者 说1个象素不能同时属于2个区域
分割 准则 应可 适用 于所 有区 域和 象素
• 图像分割是进行图像分析的关键步骤， 也是进一步理解图像的基础； • 不同种类的图像，不同的应用要求所需 要提取的特征不相同，特征提取方法也 就不同； • 不存在一种所谓普遍适用的最优方法。
图像的边缘
• 图像的边缘对人类的视觉系统具有重要的意义， 它是人类判别物体的重要依据，是图像的最基本 特征。 • 所谓边缘(又称为边沿)，是指其周围像素灰度有 阶跃变化或屋顶变化的那些像素的集合。 • 边缘广泛存在于物体与背景之间、物体与物体之 间、基元与基元之间。因此，它是图像分割所依 赖的重要特征。