数字图像处理讲义课件

1、内容回顾 图像锐化的基本概念； 一阶微分算子 ； 二阶微分算子； 高通滤波; Canny边缘检测算子。 内容回顾图像锐化用途： 突出图像中的细节，增强被模糊了的细节； 印刷中的细微层次强调。弥补扫描对图像的钝化； 超声探测成像，分辨率低，边缘模糊，通过锐化来改善； 图像识别中，分割前的边缘提取； 锐化处理恢复过度钝化、暴光不足的图像； 尖端武器的目标识别、定位。内容回顾梯度法 内容回顾具有方向性的一阶微分算子 内容回顾无方向微分算子Robert算子；Sobel算子；Prewitte算子；Kirsch算子梯度法Robrt算子Sobel算子内容回顾 二阶微分算子的提出背景内容回顾Laplace算子

2、内容回顾Wallis微分算子 第十讲 图像分割 10.1 图像分割的基本概念； 10.2 阈值分割法； 10.3 边缘检测法； 10.4 区域分割法； 10.5 边界跟踪法。 10.1 图像分割的基本概念1. 概念 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。 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。10.1 图像分割的基本概念10.1 图像分割的基本概念10.1 图像分割的基本概念10.1 图像分

3、割的基本概念10.1 图像分割的基本概念2. 图像分割的基本策略 基于灰度值的不连续性和相似性 路线1：检测图像像素灰度值的相似性，选择阈值，找到灰度值相似的区域，区域的外轮廓就是物体的边界。10.1 图像分割的基本概念 路线2：检测图像像素灰度级的不连续性，找到线（宽度为1）、边（不定宽度）。先找边，后确定区域。10.1 图像分割的基本概念3. 图像分割方法 阈值方法：根据图像的灰度值的分布特性确定某个阈值来进行图像分割边界分割方法：通过检测出封闭的某个区域的边界来进行图像分割区域提取方法：根据特定区域与其他背景区域特性上的不同来进行图像分割基于像素聚类的分割方法。10.2 阈值分割方法1.

4、 基本算法 为原图像为结果图像，二值图像为阈值，显然，阈值的选取决定了分割效果的好坏。10.2 阈值分割方法1. 基本算法 为原图像为结果图像，二值图像为阈值，显然，阈值的选取决定了分割效果的好坏。10.2 阈值分割方法取不同阈值的分割效果 10.2 阈值分割方法 基于灰度直方图的峰谷方法；p参数法；均匀性度量法；类间最大距离法；最大类间类内方差比法；局部阈值方法；灰度局部灰度均值散布图法。10.2 阈值分割方法 1. 基于灰度直方图的峰谷方法若图像的灰度直方图为双峰分布时，表明图像的内容大致为两个部分，分别为灰度分布的两个山峰的附近。选择阈值为两峰间的谷底点，小于阈值的灰度变为0，大于阈值的

5、灰度变为255，把图像分割成两部分。这种方法可以保证错分概率最小。10.2 阈值分割方法基于灰度直方图的峰谷方法针对单一背景及目标的图像，具有很好的分割效果。10.2 阈值分割方法 2. p参数法 适用于已知目标物在画面中所占比例的情况。基本设计思想：选择一个值Th，使前景目标物所占的比例为p，背景所占比例为1-p。10.2 阈值分割方法基本方法：先试探性地给出一个阈值，统计目标物的像素点数在整幅图中所占的比例是否满足要求，是则阈值合适；否则，阈值则偏大或者偏小，再进行调整，直到满足要求。10.2 阈值分割方法 3. 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。基本设

6、计思想：属于“同一类别”的对象具有较大的一致性。实现的手段：以均值与方差作为度量均匀性的数字指标。10.2 阈值分割方法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128），则将原图分为C1和C2两类；分别计算两类的类内方差：10.2 阈值分割方法均匀性度量法算法步骤： （2）分别计算两类像素在图像中的分布概率 计算分布概率的目的是：统计该类像素对图像的影响程度。10.2 阈值分割方法均匀性度量法算法步骤： （3）计算最佳阈值：选择最佳阈值Th=Th*，使得下式成立找最佳阈值的方法有很多，最直接的方法就是遍历1254。10.2 阈值分割方法10.2 阈值分割方法

7、 3. 类间最大距离法 设计思想在某个适当的阈值下，分割后的前景目标与背景两个类之间的差异最大为最佳分割算法步骤（1） 给定一个初始阈值Th=Th0，将原图分为C1和C2两类； 计算两类中的灰度均值。10.2 阈值分割方法（2）计算相对距离度量值S。（3）选择最佳的阈值Th=Th*，使得图像按照该阈值分为C1和C2两类后，满足：10.2 阈值分割方法 4. 最大类间类内方差比法 设计思想阈值将图像分为两类，类间方差越大越好，类内方差越小越好。算法步骤：（1） 计算得到原图的灰度直方图h；（2） 给定一个初始阈值Th=Th0，将原图分为C1和C2两类；10.2 阈值分割方法（3）计算两类的方差、

8、灰度均值以及图像的总体灰度均值； （4）计算两类的发生概率P1和P2；（3）计算类间方差和类内方差； 10.2 阈值分割方法（3）选择最佳阈值ThTh*，使得图像按照该阈值分为C1和C2两类后，满足10.2 阈值分割方法 5. 局部阈值方法 提出的原因阈值方法对于较为简单的图像（目标与背景差别大，容易区分的图像）简单有效，对于较为复杂的图像，分割效果不稳定。方法：把图像分成子块，在每个子块上再采样前述阈值分割方法。10.2 阈值分割方法 6. 灰度局部灰度均值散布图法 设计思路：如果某个像素点与其周围邻域中的均值偏差大，则说明该点是边界上的点或者是噪声点以图像的灰度为横轴，局部灰度均值为纵轴，

9、构造一个图像分布的散布图对角线上的点分布，对应于目标或背景内部的点；离开对角线的点，对应于区域边界上的点。10.3 边缘检测法一般要经过边缘检测、边界闭合、边缘跟踪等步骤；边缘检测方法即在锐化一部分所学过的算法。10.3 边缘检测法 图像锐化的基本概念； 一阶微分算子 ； 二阶微分算子； 高通滤波; Canny边缘检测算子。 10.3 边缘检测法 目标的部分边界与相邻部分背景相近或相同时，提取出的目标区域边界线会出现断点、不连续或分段连续等情况；有噪声干扰时，也会使轮廓线断开。 要提取目标区域时，应使不连续边界闭合。 边界闭合技术：Hough变换、基于梯度的边界闭合技术、数学形态学等。10.3

10、 边缘检测法10.3 边缘检测法 已知形状的曲线检测：Hough变换；区域生长法；区域合并法；区域分裂法；区域合并分裂法。 1. Hough变换 对于已知形状的边缘线，可以采用Hough变换来提取边缘子集。 核心思想建立一种点线的对偶关系，使得图像在变换前为图像空间，变换后为参数空间。10.3 边缘检测法10.3 边缘检测法10.3 边缘检测法10.3 边缘检测法10.3 边缘检测法 直接方法设图像中有n个边缘点，依据数学原理“两点确定一条直线”，最多会有n(n-1)/2条直线，对每一条直线统计位于该直线上的边缘点数，点数最多的那一条即为需要提取的直线。10.3 边缘检测法Hough变换提取边

11、缘线的核心思想建立一种点线的对偶关系，使得图像在变换前为图像空间，变换后为参数空间。10.3 边缘检测法10.3 边缘检测法两个空间的对偶关系： 图像空间的一条直线，在参数空间映射为一个点；10.3 边缘检测法两个空间的对偶关系： 图像空间的一个点映射为参数空间的一条正弦曲线；10.3 边缘检测法 图像空间的一条直线上的多个共线点映射为参数空间相较于一点的多条正弦曲线。这种映射关系称为Hough变换，要检测的图像空间共线点最多的直线就变成参数空间相交于一点的正弦曲线最多的峰值点。10.3 边缘检测法为了寻找这个峰值点，可以将参数空间按照 和 量化成许多小格（称为计数单元），对每一个边缘点 带入

12、 的量化值，按 计算出 ，所得值经量化落在某个小格内，该小格的计数单元加1，当全部边缘点变换完成后，对计数单元进行检验，若图像中只含有一条直线，则最大计数值的计数单元对应于共线点，其 就是该直线的参数，若图像中含有N条直线，则计数值大的前N个计数单元的 就分布是这N条直线的参数。求得的 带入 即可得到待检测直线的方程。10.3 边缘检测法10.3 边缘检测法Hough变换检测圆10.3 边缘检测法Hough变换检测圆 1. 区域生长法 Hough变换可以检测已知形状的曲线，但是多数区域边界是非规则图形，还可以采用基于区域整体特征的图像分割方法进行分割。设计思路把图像划分成一系列区域，确定每个区

13、域区别于其他区域的特征，由此生成相似性判据，来判断每个像素应该属于那个区域。10.4 区域分割法基本思想把具有相似性的像素集合起来构成区域。实现方法在每个要分割的区域内确定一个种子点，判断种子像素周围邻域是否有与种子像素相似的像素，若有将新的像素包含在区域内，并作为新的种子继续生长，直到没有满足条件的像素点时停止生长。10.4 区域分割法关键技术种子点的选取：选择待提取区域的具有代表性的点；可以是单个像素，也可以是包括若干个像素的子区域；生长准则的确定（相似性准则）：一般采用与种子点的距离度量（彩色、灰度、梯度等量之间的距离）；区域停止生长的条件：一般为区域大小、迭代次数或区域饱和。10.4

14、区域分割法简单生长法：10.4 区域分割法质心生长法：示例：10.4 区域分割法种子点为：(2,3)相似性准则：灰度值差小于2邻域选选择：4邻域示例：10.4 区域分割法种子点为：(2,3)相似性准则：与种子点灰度值差小于2邻域选选择：4邻域104651104662015551005650001601101211104651104662015551005650001601101211示例：10.4 区域分割法10.4 区域分割法2. 区域合并法 思路认为图像已经分为若干个小区域，合并具有相似性的相邻区域。极端的情况，可以认为每个像素为一个小区域，把具有相似性的像素合并到一个区域内。10.4 区

15、域分割法3. 区域分裂法 思路认为整幅图像是一个完整区域，检验整幅区域是否具有一致性，不具有时，分裂为几个小区域；然后再检测小区域的一致性，不具有时进一步分裂；重复这个过程直到每个区域都具有一致性。每个区域可以具有不同的一致性。通常在分裂区域时，采用一分为4的方法。10.4 区域分割法4. 区域分裂合并法 核心思想将原图分成若干个子块，检测子块是否具有一致性，不具有分裂该子块，如果某些子块具有相似性，合并这些子块。10.4 区域分割法算法步骤：将原图分为四个相等的子块，计算子块区域是否具有一致性（例如灰度均值或方差）； 如果子块不具有一致性（例如：方差大于设定的阈值）分裂该块；对不需要分裂的子

16、块进行比较，具有相似性的子块合并；重复上述过程，直到不再需要分裂或合并。10.4 区域分割法10.4 区域分割法1378128921273889137812892127388910.5 边缘跟踪法边缘方向链码10.5 边缘跟踪法四方向链码八方向链码012301234567方法步骤：用锐化算子获取边缘图像，并依据有效的条件进行阈值化，得到二值边缘图像；对二值边缘图像进行边缘点搜索，从第0行、0列开始，找出行、列值最小的边缘点，作为边缘的起点 ；定义一个链表依次存放所有边缘点；定义第一个边缘方向链码为7，迭代计算后续边缘点搜索的起始方向；10.5 边缘跟踪法10.5 边缘跟踪法1111111111111111110.5 边缘跟踪法为偶数为奇数7654321055331177前一边缘方向当前边缘搜索起始方向01234567缩短搜索路径保证向前搜索5.以第一个边缘点为起点进行搜索，从计算出的起始搜索方向开始，沿逆时针方向查找与第一边缘点灰度相同的点，作为当前边缘点，并同时更新该搜索方向，用于计算下一边缘点搜索的起始方向；6. 将当前边缘点作为第一搜索点，继续第5步，循环搜索，不断找出新的边缘点 ；7. 搜索循环结束条件：10.5 边缘跟踪法并且10.5 边缘跟踪法11111111111111111111111111110 1 2 3 4 5 6 7 8 9 100 1 2