数字图像处理之图像分割讲解

g(x,y)=
1 f(x,y)≥t
或 0 f(x,y)<t
g(x,y)=
1 f(x,y)≤t 0 f(x,y)>t
另外，还可以将阈值设置为一个灰度范围[t1,t2]，凡是灰度在范 围内的象素都变为1，否则皆变为0，即
g(x,y)=
1 t1≤f(x,y)≤t2 0 其它
某种特殊情况下，高于阈值t的象素保持原灰度级，其它象素都 变为0，称为半阈值法，分割后的图像可表示为：
• • • • • • Clear all I=imread(‘blood.bmp’) figure,imshow(I); Figure;imhist(I) I1=im2bw(I,110/255) figure,imshow(I1);
• 图像分割是比较困难的事情，原因是画面 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。
6.1 图像分割概述
图像分析系统的基本构成如下图：
分割
表示与描述
中级处理
预处理
问题
图像获取
知识库
低级处理
识别 与 解释
结果
高级处理
在该系统中，图像的增强和恢复可以看作预处理，其输入、 输出均是图像，它是传统的图像处理的内容。而图像分割、 特征提取及结构分析等称为图像识别，其输入是图像，输出 是描述或解释。
2.图像分割的定义 令集合R代表整个图像区域，对R的分割可ቤተ መጻሕፍቲ ባይዱ作将R分成N 个满足以下五个条件 的非空子集（子区域） R1，R2，…，RN： N • Ri R ； i 1 • 对所有的i和j，i≠j，有Ri∩Rj =φ； • 对i = 1,2,…,N，有P(Ri) = TRUE； • 对i≠j,有P(Ri∪Rj) = FALSE； • 对i =1,2,…,N，Ri是连通的区域。 • 其中P(Ri)是对所有在集合Ri中元素的逻辑谓词,φ代表空 集。
第六章
图像分割
主要内容
• • • • • 6.1 6.2 6.3 6.4 6.5 图像分割概述 阈值分割 边缘检测 区域分割 Hough变换检测法
6.1 图像分割概述
• • • • • • • 图像分割是指通过某种方法，使得画 面场景中的目标物被分为不同的类别。 通常图像分割的实现方法是，将图像 分为“黑”、“白”两类，这两类分别代 表了两个不同的对象。 因为结果图像为二值图像，所以通常 又称图像分割为图像的二值化处理。
在利用阈值方法来分割灰度图像时一般都对图像有一定的假设。基于 一定的图像模型的。最常用的模型：
假设图像由具有单峰灰度分布的目标和背景组成，处于目标或背景内 部相邻象素间的灰度值是高度相关的，但处于目标和背景交界处两边的象 素在灰度值上有很大的差别。 如果一幅图像满足这些条件，它的灰度直方图基本上可看作是由分别 对应目标和背景的两个单峰直方图混合构成的。
图像分割—引言 图像分割的基本策略： • 把像素按灰度划分到各个物体对应的 区域中去； • 先确定边缘像素点，然后将它们连接起来 构成所需的边界； • 确定存在于区域间的边界；
区域：像素的连通集 连通准则： 4-连通 8-连通
4.图像分割的方法 1) 基于边缘的分割方法:先提取区域边界，再确定边界限定的区域。 2) 区域分割:确定每个像素的归属区域，从而形成一个区域图。 3) 区域生长:将属性接近的连通像素聚集成区域。 4) 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。 分割对象
6.2.1 双峰法阈值(根据直方图来确定阈值） 60年代中期，Prewitt提出了直方图双峰法，即如果灰度级直方图呈 明显的双峰状，则选取两峰之间的谷底所对应的灰度级作为阈值。
•简单直方图分割法
P
图像灰度直方图
暗 Z1
Zi
背景
Zt Zj
目标
Zk
亮
双峰法选取阈值的缺点：会受到噪音的干扰，最小值不是预期的阈值， 而偏离期望的值。 改进办法：1）取两个峰值之间某个固定位置，如中间位置上。由于峰 值代表的是区域内外的典型值，一般情况下，比选谷底更可靠，可排除 噪音的干扰；2）加强对噪音的处理。对直方图进行平滑处理，如最小 二乘法等补点插值。
图像分割—引言
图像分割的目的 • 把图像分解成构成它的部件和对象； • 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—引言
图像分割的基本思路
从简到难，逐级分割 • 控制背景环境，降低分割难度 • 注意力集中在感兴趣的对象，缩小不相干图像 成分的干扰。
提取轮廓 车牌定位
车牌识别
g(x,y)=
f(x,y) 0 其它
f(x,y)≥t
阈值分割图像的基本原理，可用下式表示：
g(x,y)=
ZE
f(x,y)∈Z
阈值
ZB
其它
阈值的选取时阈值分割技术得关键，如果过高，则过多的目标点被 误归为背景；如果阈值过低，则会出现相反的情况。由此可见，阈值化 分割算法主要有两个步骤： 1) 确定需要的分割阈值；2) 将分割阈值与象素值比较以划分象素。
分割对象
总结
• 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
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
6.2 阈值分割
图像阈值分割是一种广泛应用的分割技术，利用图像中要提取的目标 物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域 (目标和背景)的组合，选取一个合适的阈值，以确定图像中每个象素点应 该属于目标还是背景区域，从而产生相应的二值图像。 阈值分割法的特点是：适用于物体与背景有较强对比的情况，重要的 是背景或物体的灰度比较单一；而且总可以得到封闭且连通区域的边界。 6.2.1 图像二值化 设原始图像f(x,y)，以一定的准则在f(x,y)中找出一个合适的灰度值， 作为阈值t，则分割后的图像g(x,y)，可由下式表示：
直方图阈值法matlab实现
• • • • • 函数：im2bw，全局阈值函数 BW=im2bw（I ,level); BW=im2bw（I ,map ,level); BW=im2bw（RGB ,level); 分别将灰度图像、索引图像、彩色图像转 化为二值图像， • level，为归一化阈值
例子