9第九章数字图像处理之图像分割概论
相关主题
- 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9章 图像分割
2020/11/10
主讲人：王珊
主要内容
• 9.1 图像分割概述 • 9.2 边缘检测 • 9.3 霍夫变换 • 9.4 阈值分割 • 9.5 区域分割 • 9.6 小结
2020/11/10
9.1 图像分割概述
概念：图像分割是指将图像中具有特殊意义的不 同区域划分开来，这些区域互不相交，每个区域 满足灰度、纹理、彩色等特性的某种相似性准则。 图像分割是图像分析过程中最重要的步骤之一， 分割出的区域可以作为后续特性提取的目标对象。
并行策略(Global) 串行策略(Local)
并行边界技术(GB) 串行边界技术(LB)
边界
♦ 霍夫变换
♦ 边缘跟踪
(Boundary)
♦ 图论法
相似性 (Similarity)
2020/11/10
区域 (Region)
并行区域技术(GR) 串行区域技术(LR)
♦ 全局阈值法
♦ 区域生长
♦ 局部阈值法
平滑图像
锐化滤波
平 滑 滤 波
原始图像
2020/11/10
边缘图像
边缘检测
锐化图像 边 缘 判 定
二值图像
边缘检测
4、边缘检测方法的分类
可将其算法分为：基于查找的算法和基于零穿 越的算法。除此还有Canny边缘检测算法、统计判 别方法等。
查找方法：通过寻找图像一阶导数中的最大和最 小值检测边界。
零穿越方法：通过寻找图像二阶导数零穿越来寻 找边界。
2020/11/10
图像分割概述
图像分析系统的基本构成如下图：
问题
预处理
图像获取
低级处理
分割
表示与描述
中级处理
知识库
识别 结果
与
解释
高级处理
2020/11/10
图像分割概述
图像分割方法和种类
基于图像灰度值的不连续性或相似性，图像分割方法可 以划分为以下种类。
不连续性 (Discontinuity)
对(d)而言，屋顶状边缘的剖面可看作是将脉冲边缘底部展开得到， 所以它的一阶导数是将(c)脉冲剖面的一阶导数的上升沿和下降沿展开得到 的，而它的二阶导数是将脉冲剖面二阶导数的上升沿和下降沿拉开得到的， 通过检测屋顶状边缘剖面的一阶导数过0点，可以确定屋顶位置。
2020/11/10
3、边缘检测的基本步骤
♦ 区域分裂与合并
图像分割概述
2020/11/10
图像分割概述
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。
2020/11/10
图像分割概述
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
其二阶导数在一阶导数的阶跃上升区有1个向上的脉冲，而在一阶导数的 阶跃下降区有1个向下的脉冲，在这两个脉冲之间有1个过0点，它的位置 正对应原图像中边缘的位置，所以可用二阶导数的过0点检测边缘位置， 而用二阶导数在过0点附近的符号确定边缘象素在图像边缘的暗区或明区。
对(c)而言，脉冲状的剖面边缘与(a)的一阶导数形状相同，所以(c)的 一阶导数形状与(a)的二阶导数形状相同，而它的2个二阶导数过0点正好分 别对应脉冲的上升沿和下降沿，通过检测脉冲剖面的2个二阶导数过0点就 可确定脉冲的范围。
图像：
剖面：
2020/11/10
阶跃状
屋顶状
图像：
边缘检测
各种边缘其一阶、二阶导数特点
剖面：
一阶 导 数
二阶 ： 导 数 ：
2020/11/10
边缘检测
说明：对阶跃边缘，其一阶导数在图像由暗变明的位置处有1个向上的阶 跃，而其它位置都为0，这表明可用一阶导数的幅度值来检测边缘的存在， 幅度峰值一般对应边缘位置。
• 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
fx’
1
1
fy’ -1
• 特点：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。
2020/11/10
2020/11/10
3) Prewitt算子
2020/11/10
边缘检测
5、边缘检测算子 可用一阶、二阶局部微分算子来检测图像中
的边缘。下面是几种常用的微分算子。
–梯度算子
Roberts算子 Prewitt算子 Sobel算子
–高斯-拉普拉斯算子
–Carry边缘检测算子
2020/11/10
9.2.2 常用的边缘检测算子
• 二维图像的一阶导数：梯度算子
2020/11/10
9.2 边缘检测
•
9.2.1 边缘检测概述
•
9.2.2 常见的边缘检测算子
•
9.2.3 Matlab实现
•
9.2.4 Visual C++实现
2020/11/10
边缘检测
9.2.1 边缘检测概述
1.边缘的定义： 图像中周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。
2.边缘的分类 – 阶跃状 – 屋顶状
-1
-1 1
1
2020/11/10
边缘检测
为了检测边缘点，选取适当的阈值T，对梯度图像 进行二值化，则有：
这样形成了一幅边缘二值图像g(x,y). 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。
2020/11/10
图片演示： -1 1
边缘检测
2020/11/10
2）Roberts算子
函数f(x,y)在(x,y)处的梯度为一个向量：f = [f / x , f / y] 计算这个向量的大小为： G = [(f / x)2 +(f / y)2]1/2 近似为: G |fx| + |fy| 或 G max(|fx|, |fy|) 梯度的方向角为： φ(x,y) = tan-1(fy / fx) 可用下图所示的模板表示：
扰。
提取轮廓
车牌定位
车牌识别
2020/11/10
图像分割概述
图像分割的几何定义
令集合R代表整个图像区域，对R的分割可看作将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。
• 公式 fx f (x 1, y 1) f (x 1, y) f (x 1, y 1) f (x 1, y 1) f (x 1Leabharlann Baidu y) f (x 1, y 1) fy f (x 1, y 1) f (x, y 1) f (x 1, y 1) f (x 1, y 1) f (x, y 1) f (x 1, y 1)
2020/11/10
主讲人：王珊
主要内容
• 9.1 图像分割概述 • 9.2 边缘检测 • 9.3 霍夫变换 • 9.4 阈值分割 • 9.5 区域分割 • 9.6 小结
2020/11/10
9.1 图像分割概述
概念：图像分割是指将图像中具有特殊意义的不 同区域划分开来，这些区域互不相交，每个区域 满足灰度、纹理、彩色等特性的某种相似性准则。 图像分割是图像分析过程中最重要的步骤之一， 分割出的区域可以作为后续特性提取的目标对象。
并行策略(Global) 串行策略(Local)
并行边界技术(GB) 串行边界技术(LB)
边界
♦ 霍夫变换
♦ 边缘跟踪
(Boundary)
♦ 图论法
相似性 (Similarity)
2020/11/10
区域 (Region)
并行区域技术(GR) 串行区域技术(LR)
♦ 全局阈值法
♦ 区域生长
♦ 局部阈值法
平滑图像
锐化滤波
平 滑 滤 波
原始图像
2020/11/10
边缘图像
边缘检测
锐化图像 边 缘 判 定
二值图像
边缘检测
4、边缘检测方法的分类
可将其算法分为：基于查找的算法和基于零穿 越的算法。除此还有Canny边缘检测算法、统计判 别方法等。
查找方法：通过寻找图像一阶导数中的最大和最 小值检测边界。
零穿越方法：通过寻找图像二阶导数零穿越来寻 找边界。
2020/11/10
图像分割概述
图像分析系统的基本构成如下图：
问题
预处理
图像获取
低级处理
分割
表示与描述
中级处理
知识库
识别 结果
与
解释
高级处理
2020/11/10
图像分割概述
图像分割方法和种类
基于图像灰度值的不连续性或相似性，图像分割方法可 以划分为以下种类。
不连续性 (Discontinuity)
对(d)而言，屋顶状边缘的剖面可看作是将脉冲边缘底部展开得到， 所以它的一阶导数是将(c)脉冲剖面的一阶导数的上升沿和下降沿展开得到 的，而它的二阶导数是将脉冲剖面二阶导数的上升沿和下降沿拉开得到的， 通过检测屋顶状边缘剖面的一阶导数过0点，可以确定屋顶位置。
2020/11/10
3、边缘检测的基本步骤
♦ 区域分裂与合并
图像分割概述
2020/11/10
图像分割概述
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。
2020/11/10
图像分割概述
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
其二阶导数在一阶导数的阶跃上升区有1个向上的脉冲，而在一阶导数的 阶跃下降区有1个向下的脉冲，在这两个脉冲之间有1个过0点，它的位置 正对应原图像中边缘的位置，所以可用二阶导数的过0点检测边缘位置， 而用二阶导数在过0点附近的符号确定边缘象素在图像边缘的暗区或明区。
对(c)而言，脉冲状的剖面边缘与(a)的一阶导数形状相同，所以(c)的 一阶导数形状与(a)的二阶导数形状相同，而它的2个二阶导数过0点正好分 别对应脉冲的上升沿和下降沿，通过检测脉冲剖面的2个二阶导数过0点就 可确定脉冲的范围。
图像：
剖面：
2020/11/10
阶跃状
屋顶状
图像：
边缘检测
各种边缘其一阶、二阶导数特点
剖面：
一阶 导 数
二阶 ： 导 数 ：
2020/11/10
边缘检测
说明：对阶跃边缘，其一阶导数在图像由暗变明的位置处有1个向上的阶 跃，而其它位置都为0，这表明可用一阶导数的幅度值来检测边缘的存在， 幅度峰值一般对应边缘位置。
• 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
fx’
1
1
fy’ -1
• 特点：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。
2020/11/10
2020/11/10
3) Prewitt算子
2020/11/10
边缘检测
5、边缘检测算子 可用一阶、二阶局部微分算子来检测图像中
的边缘。下面是几种常用的微分算子。
–梯度算子
Roberts算子 Prewitt算子 Sobel算子
–高斯-拉普拉斯算子
–Carry边缘检测算子
2020/11/10
9.2.2 常用的边缘检测算子
• 二维图像的一阶导数：梯度算子
2020/11/10
9.2 边缘检测
•
9.2.1 边缘检测概述
•
9.2.2 常见的边缘检测算子
•
9.2.3 Matlab实现
•
9.2.4 Visual C++实现
2020/11/10
边缘检测
9.2.1 边缘检测概述
1.边缘的定义： 图像中周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。
2.边缘的分类 – 阶跃状 – 屋顶状
-1
-1 1
1
2020/11/10
边缘检测
为了检测边缘点，选取适当的阈值T，对梯度图像 进行二值化，则有：
这样形成了一幅边缘二值图像g(x,y). 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。
2020/11/10
图片演示： -1 1
边缘检测
2020/11/10
2）Roberts算子
函数f(x,y)在(x,y)处的梯度为一个向量：f = [f / x , f / y] 计算这个向量的大小为： G = [(f / x)2 +(f / y)2]1/2 近似为: G |fx| + |fy| 或 G max(|fx|, |fy|) 梯度的方向角为： φ(x,y) = tan-1(fy / fx) 可用下图所示的模板表示：
扰。
提取轮廓
车牌定位
车牌识别
2020/11/10
图像分割概述
图像分割的几何定义
令集合R代表整个图像区域，对R的分割可看作将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。
• 公式 fx f (x 1, y 1) f (x 1, y) f (x 1, y 1) f (x 1, y 1) f (x 1Leabharlann Baidu y) f (x 1, y 1) fy f (x 1, y 1) f (x, y 1) f (x 1, y 1) f (x 1, y 1) f (x, y 1) f (x 1, y 1)