第七章 图像分割
数字图像处理课程第七章_图像分割
特点：仅计算相邻像素的灰度差，对噪声比较 敏感，无法抑止噪声的影响。
Roberts算子
• 公式：
fx f (x 1, y 1) f (x 1, y 1) f y f (x 1, y 1) f (x 1, y 1)
• 模板： -1
1
• 特点：
fx’
1
fy’ -1
– 与梯度算子检测边缘的方法类似，对噪声敏感，但效果较梯度算 子略好
数字图像处理
第七章 图像分割
陈震中 武汉大学遥感信息工程学院
2016-2017学年上学期
7.1 概述
• 图像分析的概念 – 对图像中感兴趣的目标进行检测和测量，以获得它们的 客观信息，从而建立对图像的描述.
• 图像分析的步骤 – 把图像分割成不同的区域或把不同的对象分开 – 找出分开的各区域的特征 – 识别图像中要找的对象或对图像进行分类 – 对不同区域进行描述或寻找出不同区域的相互联系，进 而找出相似结构或将相关区域连成一个有意义的结构
– 区域生长 • 将属性接近的连通像素聚集成区域
– 分裂－合并分割 • 综合利用前两种方法，既存在图像的划分，又有图像的合并。
7.2 边缘检测算子
• 边缘的定义：
图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合
• 边缘的分类
– 阶跃状 – 屋顶状
阶跃状
屋顶状
7.2 边缘检测算子
• 几种常用的边缘检测算子
333 3 0 -5 3 -5 -5
3 3 -5 3 0 -5 3 3 -5
3 -5 -5 3 0 -5 333
-5 -5 -5 303 333
-5 -5 3 -5 0 3 333
特点
在计算边缘强度的同时可以得到边缘的方向 各方向间的夹角为45º
07-图像分割
2
-1 -1
-1
2 -1
-1
-1 2
水平模板
45度模板
垂直模板
135度模板
43
例： 图像
1
1
1
1
1
1
1
1
1
5
1
5
1
5
1
5
1
5
1
5
1
5
1
5
1
5
1
用4种模板分别计算 R水平 = -6 + 30 = 24
R45度 = -14 + 14 = 0
R垂直 = -14 + 14 = 0 R135度 = -14 + 14 = 0
相同；
当R的值足够大时，说明该点的值与周围的点非常不
同，是孤立点。通过阈值T来判断： |R| > T 检测到一个孤立点。
42
2. 线的检测
通过比较典型模板的计算值，确定一个点是否在某个 方向的线上:
-1
2 -1
-1
2 -1
-1
2 -1
-1
-1 2
-1
2 -1
2
-1 -1
-1
-1 -1
2
2 2-1128 8 源自 8-1-18
-1
-1
-1
R = (-1 * 8 * 8 + 128 * 8) / 9
= (120 * 8) / 9 = 960 / 9 = 106 设 ：阈值：T = 64 R>T
41
算法描述：
设定阈值 T，如T = 32、64、128等,并计算高通滤波值
R；
如果R值等于0，说明当前检测点的灰度值与周围点的
图像分割
图像分割的一种重要途径是通过边缘检测，即检测灰度级或者结 构具有突变的地方，表明一个区域的终结，也是另一个区域开始的地方。 这种不连续性称为边缘。不同的图像灰度不同，边界处一般有明显的边缘 ，利用此特征可以分割图像。
形状特征
通常情况下，形状特征有两类表示方法，一类是 轮廓特征，另一类是区域特征。图像的轮廓特征 主要针对物体的外边界，而图像的区域特征则关 系到整个形状区域。
各种基于形状特征的检索方法都可以比较有效地 利用图像中感兴趣的目标来进行检索，但它们也 有一些共同的问题，包括：
1.目前基于形状的检索方法还缺乏比较完善的 数学模型；
面向对象图像分析方法是目前遥感图像分析中的新技术，分割是 其核心步骤之一。对象是一个抽象术语，具体来说表现为图像上的一 个区域，是具有某些相似性质的相邻像素的集合体，通过像素间的这 种集合，表现的不再仅仅是光谱信息，更多的是包含了上下文，形状 ，大小，纹理，统计特征等信息以及来自其他对象的信息。而且面向 对象的思想模仿了人类大脑认知过程，人类大脑对眼睛看到的东西不 是简单的反映，而是基于已有知识和经验的重构，看到对象的某些部
其中，T为阈值，对于物体的图像元素g(i,j)=1，对于背景的图 像元素g(i,j)=0。
由此可见，阈值分割算法的关键是确定阈值，如果能确定一个合适 的阈值就可准确地将图像分割开来。阈值确定后，将阈值与像素点的灰度 值逐个进行比较，而且像素分割可对各像素并行地进行，分割的结果直接 给出图像区域。
数字图像处理第七章 图像分割
第七章图像分割1、什么是区域？什么是图像分割？答：在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣。
这些感兴趣的部分常称为目标或图像，它们一般对应图像中的特定的、具有独特性质的区域。
这里的区域是指相互连通的、有一致属性的像素的集合。
图像分割是指把图像分成互不重叠区域并提取感兴趣目标的技术。
2、边缘检测的理论依据是什么，有哪些方法？各有哪些特点？答：边缘是指图像中像素灰度有阶跃变化或屋顶状变化的那些像素的集合。
它存在于目标和背景、目标与目标、区域与区域、基元与基元之间。
他对图像识别和分析十分有用，边缘能够画出目标物体轮廓，使观察者一目了然，包含了丰实的信息，是图像识别中抽取的重要属性。
利用边缘灰度变化的一阶或二阶导数特点，可以将边缘点检测出来。
方法包括：（1）梯度算子；特点是仅计算相邻像素的灰度差，对噪音敏感，无法抑制噪声的影响。
（2）Roberts梯度算子；与梯度算子检测边缘的方法类似，但效果较梯度算子略好。
（3）Prewitt和Sobel算子；该算子不仅能检测边缘点，且能进一步抑制噪声的影响，但检测的边缘较宽。
（4）方向算子；检测能力强，抗噪能力好。
（5）拉普拉斯算子；特点是各向同性、线性和位移不变的；对细线和孤立点检测效果较好。
但边缘方向信息丢失，常产生双像素的边缘，对噪声有双倍加强作用。
（6）马尔算子；马尔算子用到的卷积模板一般较大，不过这些模板可以分解为一维卷积来快速计算。
（7）Canny算子；可以减少小模板检测中的边缘中断，有利于得到较为完整的线段。
3、什么是hough变换？hough变换检测直线时，为什么不采用y=kx+b的表达式？试述采用hough变换检测直线的原理。
答：设在直线坐标系中有一条直线L,在原点到该直线的垂直距离为Ρ，垂线与x周的夹角为θ，则可用Ρ、θ来表示该直线，其直线方程为：Ρ=xcosθ+ysinθ而这条直线用极坐标表示则为一点（Ρ，θ）,可见，直角坐标系中的一条直线对应极坐标系中的一点，这种线到点的变换叫做hough变换。
第七章图像分割 海事 朱虹
均匀性度量法
所谓的均匀性度量方法，是根据“物以类 聚”的思想而设计的。 其基本设计思想是：属于“同一类别”的 对象具有较大的一致性。 实现的手段是：以均值与方差作为度量均 匀性的数字指标。
均匀性度量法算法步骤
1）给定一个初始阈值Th=Th0 (例如，可以默认为1，或者是128等)， 则将原图像素点分为C1和C2两类
P-参数法算法步骤
1）设图像的大小为m*n，计算得到原图的 灰度直方图h；
2）输入目标物所占的画面的比例p；
3）尝试性地给定一个阈值 Th=Th0; 4）计算在Th下判定的目标物的像素点数N；
5）判断ps=N/(m*n)是否接近p? 是，则输出结果； 否则，Th=Th+dT; (if ps<p,则dT>0; else dT<0); 转至第四步，直到满足条件。
图像分割说明示例
图像分割示例：条码的二值化
图像分割示例：肾小球区域的提取
图像分割示例：细菌检测
图像分割示例：印刷缺陷检测
图像分割示例：印刷缺陷检测
图像分割的难点
从前面的例子可以看到，图像分割是比较 困难的。原有是画面中的场景通常是复杂 的，要找出两个模式特征的差异，并且可 以对该差异进行数学描述都是比较难的。
均匀性度量法处理效果示例
聚类方法
基本设计思想： 1. 聚类方法是采用了模式识别中的聚类思 想。 2. 以类内保持最大相似性以及类间保持最 大距离为最佳阈值的求取目标。
聚类方法算法步骤
1）给定一个初始阈值Th=Th0 (例如，可以默认为1，或者是128等)， 则将原图像素点分为C1和C2两类
图像分割与特征提取 ppt课件
ppt课件
5
7.1 图像分割的概念
2. 图像分割的依据和方法
◆图像分割的依据是各区域具有不同的特性，这些 特性可以是灰度、颜色、纹理等。而灰度图像分割的 依据是基于相邻像素灰度值的不连续性和相似性。也 即，子区域内部的像素一般具有灰度相似性，而在区 域之间的边界上一般具有灰度不连续性。
◆灰度图像分割是图像分割研究中最主要的内容，其 本质是按照图像中不同区域的特性，将图像划分成不 同的区域。
7.2.1 图像边缘
图像
剖面
一阶导数
二阶导数
上升阶跃边缘 （a）
下降阶跃边缘 （b）
脉冲状边缘 （c）
屋顶边缘 （d）
图7.1 图像边缘及其导数曲线规律示例
ppt课件
11
7.2 基于边缘检测的图像分割
7.2.1 图像边缘
综上所述，图像中的边缘可以通过对它们求导数 来确定，而导数可利用微分算子来计算。对于数字图 像来说，通常是利用差分来近似微分。
方向：
f (x, y) = arctan(Gx / Gy )
（7.5）
ppt课件
14
7.2.2 梯度边缘检测
(1) Roberts算子
是一个交叉算子，其在点(i,j)的梯度幅值表示为：
G(i, j) = f (i, j) f (i 1, j 1) f (i 1, j) f (i, j 1) （7.6）
ppt课件
2
7.1 图像分割的概念
◆目标或前景 ◆背景 ◆目标一般对应于图像中特定的、具有独特性质的 区域。
ppt课件
3
7.1 图像分割的概念
1. 图像分割
图像分割就是依据图像的灰度、颜色、纹理、边 缘等特征，把图像分成各自满足某种相似性准则或具 有某种同质特征的连通区域的集合的过程。
7-第七章图像分割1、2
30
拉普拉斯算子
0 1 0
1 -4 1
0 1 0
1 1
1 -8
1 1
1
1
1
图7.5 两种常用的拉普拉斯算子模板
31
拉普拉斯算子一般不以其原始形式用于边缘检测，原因在于： (1)它是一个二阶导数，对噪声非常敏感。 (2)拉普拉斯算子的幅值产生双边缘。(最大负值和最大正值) (2)不能检测边缘的方向。（无方向模版） 那么它在分割中所起的作用: (1)利用它的零交叉性质进行边缘定位----该算子与平滑过程一起利 用零交叉作为找到边缘的前兆。 (2)确定一个象素在边缘暗的一边还是亮的一边。
I=imread(„rice.tif‟);
imshow(I); BW1=edge(I,‟prewitt‟); BW2=edge(I,‟canny‟); figure;
Imshow(BW1); figure; imshow(BW2);
37
38
7.3
边缘连接（跟踪）
利用前面的方法检测出边缘点,但由于噪声、光照 不均等因素的影响，获得边缘点有可能是不连续的，必 须使用连接过程将边缘像素组合成有意义的边缘信息， 以备后续处理。 边缘跟踪的方法 1. 局部边缘连接法； 2. 光栅扫描跟踪法； 3. Hough 变换法。
第七章 图像分割
1
2
图像分割
作用
图像分割是图像识别和图像理解的基本前提步骤，图像分割质量的好坏 直接影响后续图像处理的效果。
图 像
图像 预处理 图像 分割
图像 识别
图像 理解
图7.1图像分割在整个图像处理过程中的作用
3
4
图像分割
◘灰度图像分割的依据 基于亮度值的两个基本特性： 不连续性 --- 区域之间； 相似性 ----- 区域内部。
(完整版)图像分割-数字图像处理
典型的图像分析和理解的系统： 系统分为图像输入、预处理、图像分割（image segment）、图像识别、结构句法分析。
图7.1 图像分析系统
分割结果中同一个子区域内的像素应当是连通的
同一个子区域内的任两个像素在该子区域内互相连通。 图像分割
不连续性检测
相似性检测
边界分割 边缘检测 边缘跟踪 Hough变换
BW = [1 1 1 0 0 0 0 0; 1 1 1 0 1 1 0 0; 1 1 1 0 1 1 0 0; 1 1 1 0 0 0 1 0; 1 1 1 0 0 0 1 0; 1 1 1 0 0 0 1 0; 1 1 1 0 0 1 1 0; 1 1 1 0 0 0 0 0];
L4 = bwlabel(BW,4) L8 = bwlabel(BW,8)
区域分割 阈值分割
区域分裂与合并
自适应
图7.2 图像分割算法
7.2 像素的邻域和连通性
1. 4邻域
对一个坐标为 (x, 的y)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连通的。
%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
➢根据4连通准则，得到的目标 是3个： L4 = 1 1 1 0 0 0 0 0 11102200 11102200 11100030 11100030 11100030 11100330 11100000
➢ 根据8连通准则，得到目标 是2个： L8 =1 1 1 0 0 0 0 0 11102200 11102200 11100020 11100020 11100020 11100220 11100000
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第七章图像分割
1.什么是区域？什么是图像分割？
区域是指相互连通的、有一致属性的像素的集合。
图像分割是指把图像分成互不重叠的区域并提出感兴趣目标的技术。
2.边缘检测的理论依据是什么？有哪些方法？各有什么特点？
边缘能勾画出目标物体轮廓，使贯彻着一目了然，包含了丰富的信息（如方向、阶跃性质、形状等），是图像识别中抽取的重要属性。
（1）梯度算子。
特点：仅计算相邻像素的灰度差，对噪声敏感，无法抑制噪声的影响。
（2）Roberts梯度算子。
特点：与梯度算子检测边缘的方法类似，但效果较梯度算子略好。
（3）Prewitt和Sobel算子。
特点：不仅能检测边缘点，且能进一步抑制噪声的影响，但检测的边缘较宽。
（4）方向算子。
特点：边缘检测能力强，且抗噪性能好。
（5）拉拉普拉斯算子。
特点：各向同性、线性和位移不变的；对细线和孤立点检测效果好。
但边缘方向信息丢失，常产生双像素的边缘，对噪声有双倍加强效果。
（6）马尔算子。
特点：
（7）Canny边缘检测算子。
特点：可以减小检测中的边缘中断，有利于得到较为完整的线段。
（8）沈俊边缘检测方法。
特点：用对称的指数函数滤波器进行平滑，并在阶跃边缘，可加白噪声的模型下，按信噪比最大准则，证明了对称的指数函数滤波器是最
佳滤波器。
（9）曲面拟合法。
特点：对一些噪声比较严重的图像进行边缘检测可以取得较为满意的结果。
3.拉普拉斯边缘检测算子与拉普拉斯边缘增强算子有何区别？
拉普拉斯边缘检测算子模板中心是-4，拉普拉斯边缘增强算子模板中心是+5。
4.什么是Hough变换？Hough变换检测直线时，为什么不采用y=kx+b的表达形式？试
述采用Hough变换检测直线的原理。
直角坐标系中的一条直线对应极坐标系中的一点，这种线到点的变换就是Hough变换。
在直角坐标系中过任一点（x0，y0）的直线系，满足
其中而这些直线
在极坐标系中所对应的点（ρ、θ）构成一条正弦曲线。
反之在极坐标系中位于这条正弦曲线上的点，对应直角坐标系中过点（x0，y0）的一条直线，设平面上有若干点，过每点的直线分别对应于极坐标系上的一条正弦曲线。
若这些正弦曲线有共同的交点（ρ‘、θ’），则
这些点共线，且对应的直线方程为
5.常用的三种最简单图像分割法各有何特点？
（1）状态法（峰谷法）：适用于目标和背景的灰度差较大、有明显谷的情况；
（2）判断分析法：比较便利，是一种常用的方法，但它不能反映图像的几何结构，有时分割结果与人的视觉效果不一样。
（3）最佳熵自动阈值法：
6.区域分割与区域增长二者有何区别？
图像区域分割都没有考虑到图像像素空间的连通性。
区域增长是把图像分割成若干小区域，比较相邻小区域的相似性，若它们足够相似，则作为同一区域合并，以此方式将特征相似的小区域不断合并，直到不能合并为止。