第3章 图像分割(上)

灰度阈值分割技术
简单的阈值分割方法可由下式描述：
1 g ( x, y ) 0 f ( x, y ) T f ( x, y ) T
这样就得到一幅分割后二值图像。 图3.1 给出了利用阈值分割图像的实例。 （a）是原图 （b）是对应的直方图 （c）是选择分割阈值为110的结果图。 Image Processing
图像分析系统
Image Processing
slide 3
天津大学自动化学院 曾明
Image Processing
slide 4
天津大学自动化学院 曾明
第三章 图像分割
第三章 图像分割
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。 Image Processing
Marr和Hildreth将Gaussian滤波器和Laplacian边缘检测结合在一 起，形成了LoG(Laplacian of Gaussian)算法。即先用高斯函数对图像 进行平滑，然后再用拉普拉斯算子进行运算，形成Laplacian-Gauss算 法，它使用一个墨西哥草帽函数形式。
2 2 1 ( x2 y 2 ) LOG( x, y) x2 y 2 2 2 exp 2 2 2 2 2 1 x y ( x y 2 ) 2 2 2 2 exp 2 4
Image Processing
slide 18
Image Processing
slide 17
天津大学自动化学院 曾明
天津大学自动化学院 曾明
第三章 图像分割
第三章 图像分割
梯度算子
对于一个连续函数f (x,y)，其在 (x,y) 处的梯度:
f G x x f f G y y
1）将整幅图像分成一系列互相之间有50%重叠的子图像； 2）做出每个子图像的直方图； 3）检测各个子图像的直方图是否为双峰，如果是，则采用最佳阈值 法确定一个阈值，否则就不进行处理； 4）根据对直方图为双峰的子图像得到的阈值通过插值得到所有子图 像的阈值。
图像的边缘检测
基于灰度不连续性进行的分割方法。 用梯度、拉普拉斯算子及各种高通滤波处理方法对 图像边缘进行增强，只要再进行一次门限化的处 理，便可以将边缘增强的方法用于边缘检测。 梯度算子 梯度对应于一阶导数，相应的梯度算子就对应于一 阶导数算子。
(c) Prewitt算子检测
(d) Sobel算子检测
slide 21
figure,imshow(BW3,[]);
Image Processing
天津大学自动化学院 曾明
Image Processing
slide 22
天津大学自动化学院 曾明
第三章 图像分割
第三章 图像分割
LOG（Laplacian-Gauss）算子
第三章 图像分割
第三章 图像分割
第三章 图像分割
曾 明
电气与自动化工程学院
2010.5
Image Processing
slide 1
图像分析的基本步骤

图像处理的重要任务就是对图像中的对象进行分析和理解。 在图像分析中，输出的结果是对图像的描述、分类或其他的某种 结论 。 图像分析主要包括以下几部分内容： （1）把图像分割成不同的区域，或把不同的目标分开（分割）, 即把图像分成互不重叠的区域并提取出感兴趣目标 （2）找出各个区域的特征（特征提取） （3）识别图像中的内容，或对图像进行分类（识别与分类） （4）给出结论（描述、分类或其他的结论）
梯度算子
2. Prewitt算子
1 0 1 1 0 1 1 0 1
1 0 1 2 0 2 1 0 1
1 1 1 0 0 0 1 1 1
1 2 1 0 0 0 1 2 1
常采用小型模板，然后利用卷积运算来近似，Gx和Gy 各自使用一个模板。
3. Sobel算子
1. Roberts算子
1 0 0 1
0 1 1 0
slide 19
通过算子检测后，还需作二值处理从而找到边界点。 下图给出了利用这三个算子进行边缘检测的不同效果。 这三种模板中，Sobel算子的检测效果最好。 Image Processing
(c)
(d)
Image Processing
slide 15
天津大学自动化学院 曾明
Image Processing
slide 16
天津大学自动化学院 曾明
第三章 图像分割
第三章 图像分割
自适应阈值分割方法
对于用单一全局阈值无法有效分割的直方图，可以采用 自适应阈值进行分割。该类方法的基本步骤如下：
2 4 4 4 4 0 8 0 4 8 24 * 8 8 0 4 0 2 4 4 4 2 4 4 4 2
一阶和二阶算子边缘检测原理
，
一阶导数阈值检测法和二阶导数零交差点检测法的原理图
8邻域
取像素p四周的8个点作为相链接的邻域点，除掉p本身外，剩下的8个 点就是p的8邻域。 互为8邻域的像素又称为8连通 。
天津大学自动化学院 曾明
Image Processing
slide 6
天津大学自动化学院 曾明
第三章 图像分割
第三章 图像分割
【例】根据4/8连通准则在二值图像中判断目标
第三章 图像分割
不同阈值对阈值化结果的影响
全局阈值分割方法
该方法适用于具有良好双峰性质的图像，但需要用到数值逼近等计 算，算法十分复杂，而且多数图像的直方图是离散、不规则的。 在实际阈值分割过程中，往往需要能够自动获取阈值，下面的算法 可以自动获得全局阈值（迭代阈值方法）： (a) (a)原始图像； 原始图像； (b) T=91 ； (b)阈值 阈值 T=91 ； (c) T=130 ； (c)阈值 阈值 T=130 ； (d) T=43 (d)阈值 阈值 T=43
(a)
(b)
1）选取一个的初始估计值T； 2）用T分割图像。这样便会生成两组像素集合：G1由所有灰度值大 于T的像素组成，而G2由所有灰度值小于或等于T的像素组成。 3）对G1和G2中所有像素计算平均灰度值u1和u2。 4）计算新的阈值：T=1/2(u1 + u2)。 重复步骤（2）到（4），直到得到的T值之差小于一个事先定义的参 数T0。
解：应用函数bwlabel可以根据4连通或8连通准则，在给定的二值图 像矩阵BW中寻找目标。MATLAB程序：
BW = [1 1 1 0 0 0 1 1 1 0 1 1 1 1 1 0 1 1 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 0 1 1 1 0 0 1 1 1 1 0 0 0 L4 = bwlabel(BW,4) L8 = bwlabel(BW,8) 0 0 0 1 1 1 1 0 0; 0; 0; 0; 0; 0; 0; 0];
【例】根据4/8连通准则在二值图像中判断目标 根据4连通准则，得到的 目标是3个： L4 = 1 1 1 0 0 0 0 0 1 1 1 0 2 2 0 0 1 1 1 0 2 2 0 0 1 1 1 0 0 0 3 0 1 1 1 0 0 0 3 0 1 1 1 0 0 0 3 0 1 1 1 0 0 3 3 0 1 1 1 0 0 0 0 0 根据8连通准则，得到目标 是2个： L8 =1 1 1 0 0 0 0 0 1 1 1 0 2 2 0 0 1 1 1 0 2 2 0 0 1 1 1 0 0 0 2 0 1 1 1 0 0 0 2 0 1 1 1 0 0 0 2 0 1 1 1 0 0 2 2 0 1 1 1 0 0 0 0 0
取决于图像灰度值和该点邻域的某种局部特性，即得到
的阈值与空间坐标相关的阈值选取方法 ——动态阈值或者 自适应阈值。
T1
T2
多阈值的灰度直方图
Image Processing
slide 13
天津大学自动化学院 曾明
Image Processing
slide 14
天津大学自动化学院 曾明
第三章 图像分割
（a）原图像
（b）直方图
c）分割后的图像
图 3.1 图 3.1 阈值分割 阈值分割 Image Processing
slide 11
单一阈值的灰度直方图
天津大学自动化学院 曾明
Image Processing
slide 12
天津大学自动化学院 曾明
第三章 图像分割
第三章 图像分割
分类：单阈值分割，多阈值分割
slide 5
像素的邻域和连通性
4邻域
对一个坐标为 ( x, y ) 的像素p，它可以有两个水平和两个垂直的近邻 像素。它们的坐标分别是
( x 1, y ), ( x 1, y ), ( x, y 1), ( x, y 1)
这四个像素称为p 的4邻域。 互为4邻域的像素又称为4连通。
%给定的二值图像矩阵 %根据4连通准则判定目标 %根据8连通准则判定目标
slide 7
Image Processing
天津大学自动化学院 曾明
Image Processing
slide 8
天津大学自动化学院 曾明
第三章 图像分割
第三章 图像分割
经典的图像分割算法
图像分割
不连续性检测 边缘检测 边缘跟踪 相似性检测 区域分割 阈值分割

%进行Roberts算子边缘检测，门限值采用默认值 %进行Prewitt算子边缘检测，门限值采用默认值
BW2 = edge(I,'prewitt'); BW3 = edge(I,'sobel'); %进行Sobel算子边缘检测，门限值采用默认值 figure,imshow(BW1,[]); figure,imshow(BW2,[]);
slide 20
Image Processing
天津大学自动化学院 曾明
天津大学自动化学院 曾明
第三章 图像分割
第三章 图像分割
MATLAB程序
I = imread('blood1.tif'); imshow(I); BW1 = edge(I,'roberts');
(a) 原图像 (b) Roberts算子检测
仅使用一个阈值分割的方法称为单阈值分割方法； 如果图像中有多个灰度值不同的区域，那么可以选择一系列的阈值 以将每个像素分到合适的类别中去 ，这种用多个阈值分割的方法称为 多阈值分割方法。
阈值选取依据
阈值的选取仅取决于图像灰度的整体ቤተ መጻሕፍቲ ባይዱ布，即仅与图像
像素本身性质相关的阈值选取方法——全局阈值。
slide 10
经典的图像分割算法 经典的图像分割算法 Image Processing
slide 9
天津大学自动化学院 曾明
天津大学自动化学院 曾明
第三章 图像分割
第三章 图像分割
灰度阈值分割实例
阈值分割原理及分类
阈值分割算法是区域分割算法中具有代表性的一类非常重要的分割算 法。以一定的图像模型为依托，通过取阈值后得到的图像，各个区域可 以分离开。最常用的图像模型是假设图由具有单峰灰度分布的目标和背 景组成。
天津大学自动化学院 曾明
Image Processing
slide 2
天津大学自动化学院 曾明
第三章 图像分割
第三章 图像分割
典型的图像分析和理解的系统
图像分割的重要性
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。