图像分割课件

第五章图像分割概述图像分割的定义和依据边缘点检测边缘线跟踪门限化分割区域分割法第五章图像分割概述概述

图像处理研究和应用中，人们往往对图像中某些特定的、具有独特性质的区域（目标或对象）感兴趣。图像处理的重点：对目标进行分析和理解。前面介绍的增强等内容，强调在图像间进行变换以改善视觉效果；图像分析，对感兴趣目标进行检测和测量，获得客观信息，从而建立对图像的描述。图像理解的重点：研究各目标的性质和它们间的相互关系，并得出对原始客观场景的解释，从而指导和规则行动。概述图像处理研究和应用中，人们往往对图像中某些特定的、具有概述

数字图像处理主要有两个目的：一是对图像进行加工和处理，得到满足人的视觉和心理需要的改进形式。如前面几章介绍的图像增强和图像恢复。二是对图像中的目标物（或称景物）进行分析和理解。包括：把图像分割成不同目标物和背景的不同区域；提取正确代表不同目标物特点的特征参数，并进行描述；对图像中目标物进行识别和分类；理解不同目标物，分析其相互关系，从而指导和规划进一步的行动（计算机视觉）。概述数字图像处理主要有两个目的：概述

区域是指相互连通的、有一致属性的集合，是中层描述符号，是对图像模型化和进行高层理解的基础。为了辨识和分析目标，需要将它们提取出来，才有可能对其进行进一步的分析。图像分割：把图像分成互不重叠的区域并提取出感兴趣目标的技术。概述区域是指相互连通的、有一致属性的集合，是中层描述符号，图像分割的定义和依据图像分割的定义图像分割的定义和依据图像分割的定义图像分割的定义和依据有效分割各种各样的图像，有很多分割算法，按分割途径可分为：1、基于边缘提取的方法。提取区域边界，确定区域；2、区域分割方法。按“有意义”的属性一致性原则，确定像素的归属区域；3、区域增长方法。从像素出发，按“有意义”的属性一致性原则，将属性接近的连通像素聚集成区域。4、分裂－合并分割方法。综合2、3，既分双合。图像分割的定义和依据有效分割各种各样的图像，有很多分割算法，灰度图像分割的依据基于像素灰度值的2个基本特性：不连续性(突变性)---区域之间：不同区域的交界边缘处像素灰度值具有不连续(突变)性，据此先找到区域交界处的点、线(宽度为1)、边(不定宽度)，再确定区域。相似性(连续性)-----区域内部。同一区域内像素一般具有灰度相似性，据此找到灰度值相似的区域；区域的外轮廓就是对象的边缘。图像分割的定义和依据灰度图像分割的依据图像分割的定义和依据图像分割方法的分类：根据灰度的不连续性和相似性，分成两类：边缘检测法：利用区域间之灰度不连续性，确定区域的边界或边缘的位置。区域生成法：利用区域内灰度的相似性，将像素分成(点)若干相似的区域。二者相辅相成，可以结合使用。前者相当于用点定义线（边缘），而后者作为两个面的相交确定一条曲线（边缘线）。图像分割的定义和依据图像分割方法的分类：根据灰度的不连续性和相似性，分成两类：图边缘特点

局部特性不连续性；边缘位置的微分特性；幅度和方向性沿边缘方向灰度缓(不)变，垂直方向突变。边缘检测用途将图像中各不同区域的边缘（边界）检测出来，以达到分割之目的。边缘点检测边缘特点边缘点检测边缘点检测边缘点检测的基本原理定义：边缘定义为图像中像素灰度有突变的像素集合。反映图像局部特性的不连续性(相邻区域之交界)。种类：大致分为阶跃式(包括灰度突变和渐变式,斜升斜降式)，脉冲式和屋顶式。边缘点检测边缘点检测的基本原理边缘点检测边缘点检测边缘和导数（微分）的关系

边缘点检测边缘和导数（微分）的关系边缘点检测边缘检测算法的基本思想：计算局部微分算子可分成两步：一对图像中每一个像素施以检测算子；二根据事先确定的准则对检测算子的输出进行判定，确定该像素点是否为边缘点。注：采用的具体检测算子和判定准则取决于实际应用环境及被检测的边缘类型。边缘点检测边缘检测算法的基本思想：计算局部微分算子边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测第一种梯度合成方法的检测要灵敏一些。该梯度算子也将噪声点当作边缘点检测出来，说明它对噪声敏感。边缘点检测第一种梯度合成方法的检测要灵敏一些。该梯度算子也将噪声点当作正交梯度法检测边缘点示例边缘点检测(a)原图像；(b)水平梯度图；(c)垂直梯度图；(d)、(e)、(f)分别用三式合成梯度图正交梯度法检测边缘点示例边缘点检测(a)原图像；(b)水平梯边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测图像分割课件边缘点检测边缘点检测图像分割课件图像分割课件边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测前面方法在原始图像上进行，由于噪声的影响，可能把噪声当边缘点检测出来，真正的边缘可能漏检。马尔(Marr-Hildreth)算子，在拉普拉斯算子的基础上实现，考虑拉普拉斯算子对噪声敏感，先对图像进行平滑，然后再用拉普拉斯算子检测边缘。成像时，一个给定像素所对应的场景点，它的周围点对该点的贡献的光强大小呈正态分布，因此，平滑函数采用正态分布的高斯函数。边缘点检测－马尔算子前面方法在原始图像上进行，由于噪声的影响，可能把噪声当边缘点边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测被称为最优边缘检测算子。（1）低误判率：尽可能少地把边缘点误认为是非边缘点（2）高定位精度：准确地把边缘点定位在灰度变化最大的像素上（3）抑制虚假边缘。一维空间，canny算子与高斯拉普拉斯算子几乎一样；二维空间，canny算子的方向性质使得它的边缘检测和定位更优，具有更好的边缘强度估计，能产生梯度方向和强度两个信息，方便后续处理。边缘点检测－Canny被称为最优边缘检测算子。边缘点检测－Canny具体实现步骤：（1）对图像做高斯平滑处理；（2）求图像梯度；（3）考查梯度，设定阈值T1，梯度大于T1的像素点初定们边缘候选点；（4）从边缘候选点出发，采取非最大值抑制方法，对其进行追踪。(a)边缘强度大于沿梯度方向的两个相邻像素的边缘强度；(b)与该像素梯度方向上相邻两点的方向差小于45度；(c)以该像素为中心的8领域中的边缘强度极小值小于某个阈值。边缘点检测－Canny具体实现步骤：边缘点检测－Canny边缘点检测算法比较边缘点检测算法比较边缘线跟踪边缘线跟踪的概念

将检测的边缘点连接成边缘线就是边缘线跟踪，边缘线跟踪也称边缘连接或边界检测；边缘线是描述目标物特性的最基本特征，也是基于边缘检测的图像分割中分割区域的边界表示。边缘跟踪的方法：局部边缘连接法；光栅扫描跟踪法；Hough变换法。边缘线跟踪边缘线跟踪的概念边缘线跟踪边缘线跟踪边缘线跟踪边缘线跟踪边缘线跟踪边缘线跟踪边缘线跟踪边缘线跟踪边缘线跟踪边缘线跟踪边缘线跟踪边缘线跟踪边缘线跟踪边缘线跟踪边缘线跟踪边缘线跟踪边缘线跟踪边缘线跟踪边缘线跟踪边缘线跟踪门限化分割门限化分割门限化分割门限化分割门限化分割门限化分割门限化分割门限化分割门限化分割门限化分割门限化分割门限化分割门限化分割门限化分割门限化分割门限化分割门限化分割门限化分割门限化分割门限化分割门限化分割方法具有简单、高效的特点，但是其局限性也大。对目标和背景灰度级有明显差别的图像分割效果较好；但对于目标物和背景灰度一致性或均匀性较差（如目标的部分区域与背景灰度相近或者低于背景灰度）的图像分割效果不好；且此分割方法只能将图像分割成两个区域，对于含有多种目标的图像的分割几乎难以奏效。门限化分割门限化分割方法具有简单、高效的特点，但是其局限性也大。对目标区域分割法区域分割法区域分割法区域分割法区域分割法区域分割法区域分割法区域分割法区域分割法区域分割法第五章图像分割概述图像分割的定义和依据边缘点检测边缘线跟踪门限化分割区域分割法第五章图像分割概述概述

图像处理研究和应用中，人们往往对图像中某些特定的、具有独特性质的区域（目标或对象）感兴趣。图像处理的重点：对目标进行分析和理解。前面介绍的增强等内容，强调在图像间进行变换以改善视觉效果；图像分析，对感兴趣目标进行检测和测量，获得客观信息，从而建立对图像的描述。图像理解的重点：研究各目标的性质和它们间的相互关系，并得出对原始客观场景的解释，从而指导和规则行动。概述图像处理研究和应用中，人们往往对图像中某些特定的、具有概述

数字图像处理主要有两个目的：一是对图像进行加工和处理，得到满足人的视觉和心理需要的改进形式。如前面几章介绍的图像增强和图像恢复。二是对图像中的目标物（或称景物）进行分析和理解。包括：把图像分割成不同目标物和背景的不同区域；提取正确代表不同目标物特点的特征参数，并进行描述；对图像中目标物进行识别和分类；理解不同目标物，分析其相互关系，从而指导和规划进一步的行动（计算机视觉）。概述数字图像处理主要有两个目的：概述

区域是指相互连通的、有一致属性的集合，是中层描述符号，是对图像模型化和进行高层理解的基础。为了辨识和分析目标，需要将它们提取出来，才有可能对其进行进一步的分析。图像分割：把图像分成互不重叠的区域并提取出感兴趣目标的技术。概述区域是指相互连通的、有一致属性的集合，是中层描述符号，图像分割的定义和依据图像分割的定义图像分割的定义和依据图像分割的定义图像分割的定义和依据有效分割各种各样的图像，有很多分割算法，按分割途径可分为：1、基于边缘提取的方法。提取区域边界，确定区域；2、区域分割方法。按“有意义”的属性一致性原则，确定像素的归属区域；3、区域增长方法。从像素出发，按“有意义”的属性一致性原则，将属性接近的连通像素聚集成区域。4、分裂－合并分割方法。综合2、3，既分双合。图像分割的定义和依据有效分割各种各样的图像，有很多分割算法，灰度图像分割的依据基于像素灰度值的2个基本特性：不连续性(突变性)---区域之间：不同区域的交界边缘处像素灰度值具有不连续(突变)性，据此先找到区域交界处的点、线(宽度为1)、边(不定宽度)，再确定区域。相似性(连续性)-----区域内部。同一区域内像素一般具有灰度相似性，据此找到灰度值相似的区域；区域的外轮廓就是对象的边缘。图像分割的定义和依据灰度图像分割的依据图像分割的定义和依据图像分割方法的分类：根据灰度的不连续性和相似性，分成两类：边缘检测法：利用区域间之灰度不连续性，确定区域的边界或边缘的位置。区域生成法：利用区域内灰度的相似性，将像素分成(点)若干相似的区域。二者相辅相成，可以结合使用。前者相当于用点定义线（边缘），而后者作为两个面的相交确定一条曲线（边缘线）。图像分割的定义和依据图像分割方法的分类：根据灰度的不连续性和相似性，分成两类：图边缘特点

局部特性不连续性；边缘位置的微分特性；幅度和方向性沿边缘方向灰度缓(不)变，垂直方向突变。边缘检测用途将图像中各不同区域的边缘（边界）检测出来，以达到分割之目的。边缘点检测边缘特点边缘点检测边缘点检测边缘点检测的基本原理定义：边缘定义为图像中像素灰度有突变的像素集合。反映图像局部特性的不连续性(相邻区域之交界)。种类：大致分为阶跃式(包括灰度突变和渐变式,斜升斜降式)，脉冲式和屋顶式。边缘点检测边缘点检测的基本原理边缘点检测边缘点检测边缘和导数（微分）的关系

边缘点检测边缘和导数（微分）的关系边缘点检测边缘检测算法的基本思想：计算局部微分算子可分成两步：一对图像中每一个像素施以检测算子；二根据事先确定的准则对检测算子的输出进行判定，确定该像素点是否为边缘点。注：采用的具体检测算子和判定准则取决于实际应用环境及被检测的边缘类型。边缘点检测边缘检测算法的基本思想：计算局部微分算子边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测第一种梯度合成方法的检测要灵敏一些。该梯度算子也将噪声点当作边缘点检测出来，说明它对噪声敏感。边缘点检测第一种梯度合成方法的检测要灵敏一些。该梯度算子也将噪声点当作正交梯度法检测边缘点示例边缘点检测(a)原图像；(b)水平梯度图；(c)垂直梯度图；(d)、(e)、(f)分别用三式合成梯度图正交梯度法检测边缘点示例边缘点检测(a)原图像；(b)水平梯边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测图像分割课件边缘点检测边缘点检测图像分割课件图像分割课件边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测前面方法在原始图像上进行，由于噪声的影响，可能把噪声当边缘点检测出来，真正的边缘可能漏检。马尔(Marr-Hildreth)算子，在拉普拉斯算子的基础上实现，考虑拉普拉斯算子对噪声敏感，先对图像进行平滑，然后再用拉普拉斯算子检测边缘。成像时，一个给定像素所对应的场景点，它的周围点对该点的贡献的光强大小呈正态分布，因此，平滑函数采用正态分布的高斯函数。边缘点检测－马尔算子前面方法在原始图像上进行，由于噪声的影响，可能把噪声当边缘点边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测边缘点检测被称为最优边缘检测算子。（1）低误判率：尽可能少地把边缘点误认为是非边缘点（2）高定位精度：准确地把边缘点定位在灰度变化最大的像素上（3）抑制虚假边缘。一维空间，canny算子与高斯拉普拉斯算子几乎一样；二维空间，canny算子的方向性质使得它的边缘检测和定位更优，具有更好的边缘强度估计，能产生梯度方向和强度两个信息，方便后续处理。边缘点检测－Canny被称为最优边缘检测算子。边缘点检测－Canny具体实现步骤：（1）对图像做高斯平滑处理；（2）求图像梯度；（3）考查梯度，设定阈值T1，梯度大于T1的像素点初定们边缘候选点；（4）从边缘候选点出发，采取非最大值抑制方法，对其进行追踪。(a)边缘强度大于沿梯度方向的两个相邻像素的边缘强度；(b)与该像素梯度方向上相邻两点的方向差小于45度；(c)以该像素为中心的8领域中的边缘