CH11 基本图像分割技术

第11章基本图像分割技术

ImageSegmentation张淑军青岛科技大学信息学院在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣。这些部分常称为目标或前景（其它部分称为背景），它们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析目标，需要将这些有关区域分离提取出来。图像分割是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。特性可以是灰度、颜色、纹理等，目标可对应单个区域，也可对应多个区域。第2页第11章基本图像分割技术第11章基本图像分割技术第3页第11章基本图像分割技术地位图像处理着重强调图像之间进行变换以改善图像的效果图像分析则主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息从而建立对图像的描述图像理解的重点是在图像分析的基础上，进一步研究图像中各目标的性质和它们之间的相互关系，并得出对图像的解释第11章基本图像分割技术第4页第11章基本图像分割技术图像分割是从图像处理到图像分析的关键步骤其它名称：目标轮廓技术（objectdelineation）目标检测（targetdetection）阈值化技术（thresholding）第11章基本图像分割技术第11章基本图像分割技术本章教学目标（1）理解图像分割的概念，掌握其分类（2）掌握使用一阶导数算子和二阶导数算子进行边缘检测的方法（3）理解阈值分割技术及分割效果（4）理解区域生长法和分裂合并法，会计算简单实例第5页第11章基本图像分割技术第6页第11章基本图像分割技术第11章基本图像分割技术11.1图像分割定义和技术分类11.2并行边界技术11.3串行边界技术11.4并行区域技术11.5串行区域技术第7页第11章基本图像分割技术形式化定义令集合R代表整个图像区域，对R的分割可看作将R分成若干个满足以下条件的非空子集（子区域）R1，

R2，

R3，…Rn:11.1图像分割定义和技术分类第8页第11章基本图像分割技术以灰度图像为例分割依据：灰度值的不连续性和相似性区域内部的像素一般具有灰度相似性（即同一个区域内的像素灰度比较接近）区域之间的边界上一般具有灰度不连续性（即相邻两区域交界处的像素灰度有跳跃）分割算法可分为利用区域间灰度不连续性的基于边界的算法和利用区域内灰度相似性的基于区域的算法11.1图像分割定义和技术分类第9页第11章基本图像分割技术根据分割过程中处理策略的不同，可分为并行算法和串行算法并行：独立执行，不相互依赖串行：前期处理结果被其后的处理过程利用（计算时间长，但抗噪声能力较强）四种分割方法：并行边界类；并行区域类；串行边界类；串行区域类；11.1图像分割定义和技术分类第10页第11章基本图像分割技术第11章基本图像分割技术11.1图像分割定义和技术分类11.2并行边界技术11.3串行边界技术11.4并行区域技术11.5串行区域技术第11页第11章基本图像分割技术11.2并行边界技术并行边界技术指同时对目标边界各像素进行检测和连接的技术边缘检测是所有基于边界的图像分割方法的第一步。两个具有不同灰度值的相邻区域之间总存在边缘。边缘是灰度值不连续的结果，这种不连续性常可利用求导数检测到。一般常用一阶导数和二阶导数来检测边缘。11.2并行边界技术给出一个模板和一幅图像如下:[-101]不难发现原图中左边暗，右边亮，中间存在着一条明显的边界。进行模板操作后的结果如下：第12页第11章基本图像分割技术11.2并行边界技术可以看出，第3、4列比其他列的灰度值高很多，人眼观察时，就能发现一条很明显的亮边，其它区域都很暗，这样就是边缘检测的作用。所使用的模板称为梯度算子模板。事实上可以用作边缘检测的模板很多，根据图像的不同特点可以使用不同的模板。第13页第11章基本图像分割技术第14页第11章基本图像分割技术11.2并行边界技术例11.1(a)原图

(b)(c)(d)11.2并行边界技术第15页第11章基本图像分割技术对Gx和Gy各用一个模板，用两个模板组合起来以构成一个梯度算子三种常用的一阶梯度算子：Roberts交叉算子、Prewitt算子、Sobel算子用模板卷积方式实现11.2并行边界技术举例：原图像；Prewitt水平算子运算得到的图像（水平边缘，对应垂直梯度）第16页第11章基本图像分割技术11.2并行边界技术举例：原图像；Prewitt垂直算子运算得到的图像（垂直边缘，对应水平梯度）第17页第11章基本图像分割技术第26页第11章基本图像分割技术二阶导数算子：拉普拉斯（Laplacian）算子不能提供边缘方向信息；对噪声敏感表示离散形式

0-10-14-10-10-1-1-1-18-1-1-1-111.2并行边界技术改进第35页第11章基本图像分割技术11.2并行边界技术MatLab函数J=edge(I,type)Type取‘roberts’,‘prewitt’,‘sobel’,‘log’等例子：

>>I=imread('rice.tif');>>J1=edge(I,'roberts');>>J2=edge(I,'sobel');>>J3=edge(I,'log'); >>subplot(2,2,1),imshow(I); >>subplot(2,2,2),imshow(J1); >>subplot(2,2,3),imshow(J2); >>subplot(2,2,4),imshow(J3);第36页第11章基本图像分割技术11.2并行边界技术Canny算子*比较新的边缘检测算子，具有良好的边缘检测性能将边缘检测问题转换为检测单位函数极大值的问题例：

>>I=imread('rice.tif');>>J4=edge(I,'canny');>>imshow(J4);第37页第11章基本图像分割技术第11章基本图像分割技术11.1图像分割定义和技术分类11.2并行边界技术11.3串行边界技术11.4并行区域技术11.5串行区域技术第38页第11章基本图像分割技术11.4并行区域技术许多情况下，图像是由具有不同灰度级的两类区域组成。如文字与纸张、地物与云层（航空）。其特点:直方图具有两个峰，分别与两个灰度级范围相对应。故可选择一个阈值(门限)，将两个峰分开。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，以确定图像中每一个像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。要从复杂的景物中分辨出目标，并将其形状完整地提取出来，阈值的选取是阈值分割技术的关键。第39页第11章基本图像分割技术

以一定的准则在原始图像中找出一合适的灰度值作为阈值，则分割后的图像如：一般表示为：11.4并行区域技术第40页第11章基本图像分割技术11.4并行区域技术(a)简单直方图分割法

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。

（1）直方图阈值分割第41页第11章基本图像分割技术11.4并行区域技术例11.3：第47页第11章基本图像分割技术

应用灰度直方图双峰法来分割图像，需要有一定的图像先验知识，因为同一直方图可以对应若干种不同的图像，直方图表明图像中各个灰度级上有多少个像素，并不描述这些像素的任何位置信息。只根据直方图选择阈值不—定合适．还要结合图像内容和分割结果来确定。 该方法不适用于直方图中双峰差别很大或双峰间的谷比较宽广而平坦的图像，以及单蜂直方图的情况。11.4并行区域技术第48页第11章基本图像分割技术最佳阈值:是指使图像中目标物和背景分割错误最小的阈值。设一幅图像只由目标物和背景组成，已知灰度分布概率密度分别为和，目标物像素占全图像像素比是。假定选用的灰度级阈值为，总的错误概率为求导，并令其等于零，得解(2)最佳阈值11.4并行区域技术第49页第11章基本图像分割技术11.4并行区域技术假设错误概率呈正态分布：最优阈值第50页第11章基本图像分割技术11.4并行区域技术（3）迭代阈值分割 通过迭代的方法产生阈值。具体方法如下：

<1>用图像的平均灰度值作为初始阈值T<2>通过初始阈值，把图像的像素按灰度分成两组R1和R2<3>计算两组像素的平均灰度值，记为1和2<4>重新计算阈值T=（1+2）/2

<5>重复<2>，直到1和2不发生变化第51页第11章基本图像分割技术11.4并行区域技术实例第52页第11章基本图像分割技术第11章基本图像分割技术11.1图像分割定义和技术分类11.2并行边界技术11.3串行边界技术11.4并行区域技术11.5串行区域技术第53页第11章基本图像分割技术区域生长法和分裂合并法11.5.1区域生长法基本思想将具有相似性质的像素集合起来构成区域步骤对每个需要分割的区域找一个种子像素作为生长的起点将种子像素周围邻域中与种子像素有相同或相似性质的像素合并到种子像素所在的区域内把新加入的像素作为新的种子继续上述过程，直到没有满足条件的像素加入区域11.5串行区域技术第54页第11章基本图像分割技术例11.5.1区域生长示例：判断准则——像素与种子像素灰度差的绝对值小于阈值T（a）给出像素值为‘1’和‘5’的种子（b）T=3，恰好分成两个区域（c）T=7，整个图被分成一个区域11.5.1区域生长第55页第11章基本图像分割技术应用时需解决3个问题1.选择或确定一组能正确代表所需区域的种子像素具体问题具体分析有先验知识（如：军用红外图像中检测目标时，选最亮的像素作为种子）无先验知识（可根据直方图选取灰度中像素个数多的像素作为种子）2.确定在生长过程中能将相邻像素合并的准则具体问题相关（目标和背景的像素分布特点）图像数据种类（单色、灰度还是彩色）像素间的连通性和邻近性11.5.1区域生长第56页第11章基本图像分割技术应用时需解决3个问题3.制定让生长过程停止的条件或规则一般选取当没有满足生长准则的像素时停止应考虑图像的局部性质（灰度、纹理和彩色）目标的全局性质（尺寸、形状等）11.5.1区域生长第57页第11章基本图像分割技术11.5.2分裂合并法想法：从整幅图像开始通过不断分裂得到各个区域做法：将图像分成任意大小且不重叠的区域，然后再合并或分裂这些区域以满足分割的要求

可以从图像的四叉树数据结构的任一中间层开始，根据给定的均匀性检测准则进行分裂和合并这些区域，逐步改善区域划分的性能，直到最后将图像分成数量最少的均匀区域为止。11.5.2分裂合并第58页第11章基本图像分割技术11.5.2分裂合并区域分裂合并算法的步骤：（1）确定均匀性测试准则P（同为前景或背景时，为true）；（2）对任一区域Ri，如果P(Ri)=fals