模式识别图像分割ppt课件

1、 方式识别：图像分割1.引言引言2.阈值与图像分割阈值与图像分割3.边缘检测与图像分割边缘检测与图像分割4.Hough变换变换5.区域增长区域增长引言前面引见的图像加强和恢复是对整幅图像的质量进展改善，是输入输出均为图像的处置方法，而图像分析那么是更详细地研讨并描画组成一幅图像的各个不同部分的特征及其相互关系，是输入为图像而输出为从这些图像中提取出来的属性的处置方法。图像分析的结果不是一幅完美的图像，而是用数字、文字、符号、几何图形或其组合表示图像的内容和特征，对图像景物的详尽描画和解释。典型的图像分析和了解系统如以下图。在该系统中，图像的加强和恢复可以看作预处置，其输入、输出均是图像，它是传

2、统的图像处置的内容。而图像分割、特征提取及构造分析等称为图像识别，其输入是图像，输出是描画或解释。统计方式识别统计方式识别以为图像能够包含一个或多个物体，并且每个物体属于假设干事先定义的类型、范畴或方式之一。在给定一幅含有多个物体的数字图像的条件下，方式识别过程由三个主要阶段组成：特征提取分类图象分割xx.x12N物体图像输入图像特征向量物体类型特征提取分类图像分割xx.x12N物体图像输入图像特征向量物体类型图像分割：在该阶段检测出各个物体，并把它们的图像和其他景物分别。特征提取：在该阶段中对物体进展度量。一个度量是指一个物体某个可度量的度量值，而特征是一个或多个度量的函数。经过计算可以对物

3、体的一些重要特性进展定量化表示。特征提取过程产生了一组特征，把它们组合在一同构成了特征向量。分类：以特征向量为根据，输出一种决策，确定每个物体应该归属的类别。方式识别的一个例子樱桃、苹果、柠檬、葡萄在传送带上方安装一个数字摄像机并在计算机里实现分类决策。我们丈量每个水果的两个特点：直径和颜色。计算机程序处置每幅数字化图像并且计算水果的直径和一个表示颜色的参数。运用彩色摄像机，程序计算每个物体在红、绿、蓝通道的亮度。于是得到一个特征例如红-绿亮度比，对黄色水果取小值，红色水果取大值，这个参数成为“红色程度。+红色程度直径樱桃柠檬苹果葡萄0决策分界线右图是由直径和红色程度这两个参数定义的二为特征空

4、间以及4种水果中每一中的期望聚类。经过特征空间中确定适宜的决策分界限，把空间划分假设干区域，每个区域代表一个类。这样就建立了一个分类原那么。 图像分割是将图像划分为假设干互不相交的小区域的过程。 图像分割就是指把图像分成互不重叠的区域并提取出感兴趣目的的技术和过程。图像分割是由图像处置进到图像分析的关健步骤。一方面，它是目的表达的根底，对特征丈量有重要的影响。另一方面，由于图像分割及其基于分割的目的表达、特征提取和参数丈量等将原始图像转化为更笼统更紧凑的方式，使得更高层的图像分析和了解成为能够。 图像分割的根本战略： 分割算法是基于灰度值的两个根本特性：不延续性和类似性。第一类性质的运用途径是

5、基于灰度的不延续变化分割图像，比如图像的边缘。第二类的主要途径是根据事先制定的准那么将图像分割为类似的区域。 图像分割有三种不同的途径，其一是将各像素划归到相应物体或区域的像素聚类方法即区域法，其二是经过直接确定区域间的边境来实现分割的边境方法，其三是首先检测边缘像素再将边缘像素衔接起来构成边境构成分割。阈值与图像分割 阈值是在分割时作为区分物体与背景像素的门限，大于或等于阈值的像素属于物体，而其它属于背景。这种方法对于在物体与背景之间存在明显差别对比的景物分割非常有效。实践上，在任何实践运用的图像处置系统中，都要用到阈值化技术。为了有效地分割物体与背景，人们开展了各种各样的阈值处置技术，包括

6、全局阈值、自顺应阈值、最正确阈值等等。 全局阈值是指整幅图像运用同一个阈值做分割处置。适用于背景和前景有明显对比的图像。阈值与图像分割 自顺应阈值根据图像的部分特征分别采用不同的阈值进展分割。实践处置时，需求按照详细问题将图像分成假设干子区域分别选择阈值，或者动态地根据一定的邻域范围选择每点处的阈值，进展图像分割。阈值与图像分割 最正确阈值对于给定的图像，可以经过分析直方图的方法确定最正确的阈值。阈值与图像分割边缘检测与图像分割 边缘检测首先检出图像部分特性的不延续性，然后再将这些不延续的边缘像素衔接成完好的边境。边缘的特性是沿边缘走向的像素变化平缓，而垂直于边缘方向的像素变化猛烈。所以，从这

7、个意义上说，检测边缘的算法就是检出符合边缘特性的边缘像素的数学算子，目前，边缘检测场采用边缘算子法和模板匹配法等。边缘检测与图像分割术语定义术语定义边缘的定义：边缘的定义：指图像中像素灰度有阶跃变化或屋顶变指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。化的那些像素的集合。一段边缘是两个具有相对不同灰度值特一段边缘是两个具有相对不同灰度值特性的区域的边境限性的区域的边境限边缘的分类： 阶跃状 屋顶状轮廓：边缘列表或一条表示边缘列表的拟合曲线轮廓：边缘列表或一条表示边缘列表的拟合曲线边缘衔接：从无序边缘表构成有序边缘表的过程边缘衔接：从无序边缘表构成有序边缘表的过程边缘跟踪：一个用来确定轮

8、廊的图像搜索过程边缘跟踪：一个用来确定轮廊的图像搜索过程边缘检测与图像分割两种常见的边缘一阶导数和二阶导数表示图两种常见的边缘一阶导数和二阶导数表示图(a)阶跃函数阶跃函数(b)屋顶函数屋顶函数梯度与图像分割 一阶微分：用梯度算子来计算 当物体与背景有明显对比度时，物体的边境处于图像梯度最高的点上，经过跟踪图像中具有最高梯度的点的方式获得物体的边境，可以实现图像分割。 这种方法容易遭到噪声的影响而偏离物体边境，通常需求在跟踪前对梯度图像进展平滑等处置，再采用边境搜索跟踪算法来实现。 二阶微分：用拉普拉斯算子来计算边缘检测与图像分割几种常用的边缘检测算子： 梯度算子 Roberts算子 Prew

9、itt算子 Sobel算子 Kirsch算子 Laplacian算子 Marr算子边缘检测与图像分割边境提取与轮廓跟踪 为了获得图像的边缘人们提出了多种边缘检测方法，如Sobel, Canny edge, LoG。在边缘图像的根底上，需求经过平滑、形状学等处置去除噪声点、毛刺、空洞等不需求的部分，再经过细化、边缘衔接和跟踪等方法获得物体的轮廓边境。 将检测的边缘点衔接成线就是边缘跟踪。线是图像分析中一个根本而重要的内容，它是图像的一种中层符号描画，它使图像的表述更简约，并可用来完成一定图像的识别义务。将边缘点连成线的方法很多，但都不完善，根本上是按一定的规那么来进展，且需求知识的引导，对跟踪的

10、效果往往要人工编辑。 由边缘构成线特征包括两个过程：提取可构成线特征的边缘；将边缘连成线。衔接边缘的方法很多，主要有光栅扫描跟踪和全向跟踪法 边境提取与轮廓跟踪Hough变换 对于图像中某些符合参数模型的主导特征，如直线、圆、椭圆等，可以经过对其参数进展聚类的方法，抽取相应的特征。Hough变换 Hough的定义： 如图 (a)，在直角坐标系中有一条直线l，原点到该直线的垂直间隔为，垂线与x轴的夹角为，那么这条直线是独一的，且其直线方程为： =xcos+ysin而这条直线用极坐标表示那么为一点、。可见，直角坐标系中的一条直线对应极坐标系中的一点，这种线到点的变换就是Hough变换。 Hough

11、变换在直角坐标系中过任一点x0,y0的直线系，如图(b)，满足=x0cos+y0sin =(x02+y02)1/2sin(+) 其中=tg-1(y0/x0)Hough变换而这些直线在极坐标系中所对应的点、构成图(c)中的一条正弦曲线。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，如图 (d)所示。 Hough变换设平面上有假设干点，过每点的直线系分别对应于极坐标上的一条正弦曲线。假设这些正弦曲线有共同的交点，如图(e),那么这些点共线，且对应的直线方程为 =xcos+ysin 这就是Hough变换检测直线的原理。 Hough变换原图Hough变换进展边

12、缘检测Hough变换图像灰度阈值分割技术都没有思索到图像像素空间的连通性。区域增长是把图像分割成特征一样的假设干小区域，比较相邻小区域特征的类似性，假设它们足够类似，那么作为同一区域合并，以此方式将特征类似的小区域不断合并，直到不能合并为止，最后构成特征不同的各区域。这种分割方式也称区域扩张法。区域内像素的类似性度量可以包括平均灰度值、纹理、颜色等信息。区域增长进展区域增长首先要处理三个问题：确定区域的数目；选择有意义的特征；确定类似性准那么。 简单区域扩张法以图像的某个像素为生长点，比较相邻像素的特征，将特征类似的相邻像素合并为同一区域；以合并的像素为生长点，继续反复以上的操作，最终构成具有类似特征的像素的最大连通集合。这种方法称简单单一型区域扩张法。下面给出以像素灰度为特征进展简单区域增长的步骤。1对图像进展光栅扫描，求出不属于任何区域的像素。当寻觅不到这样的像素时终了操作。2把这个像素灰度同其周围4-邻域或8-邻域不属于其他区域的像素进展比较，假设灰度差值小于阈值，那