第4章 图象分割课件

DigitalImageAnalysis

ImageSegmentationZhangXingmingTheSchoolofComputerScienceandEngineering第4章图象分割第四章图象分割Whatisthesegmentation?Why?How?Object_basedcategoriesCompleteSegmentation:whichresultsinasetofdisjointregionscorrespondinguniquelywithobjectsintheinputimage;PartialSegmentation:inwhichregionsdonotcorresponddirectlywithimageobjects;Feature_basedcategoriesGlobalknowlesge;Edge_based;Region_based;第4章图象分割图象分割就是把图象分成一些有意义的区域，可以以逐个像素为基础去研究图象分割，也可以利用在规划领域中的某些信息去分割。图象分割具有以下特点：1）均匀性；2）连通性；3）边缘完整性；4）反差性上述特点是指导图象分割的基本出发点，其中区域内部特性的均匀性是最重要的准则之一。第4章图象分割一、基于聚类的分割右图的三个特征集合（聚类）每个聚类在特征上具有相似性特征空间的维度可以比较高.第4章图象分割如何获得像素的K维特征向量三个颜色分量；强度值；相近颜色的直方图；使用邻域的LOG滤波器的值；使用邻域的FFT；平均值、方差等第4章图象分割K-means聚类第4章图象分割需要事先设定聚类个数k，聚类C1,C2,…,Ck；使用最小平方误差来进行判别；可以使用一定的方法来找到最佳的聚类数第4章图象分割K-meansresults第4章图象分割Ohlander递归直方图聚类计算直方图

简单直方图聚类，发现一些聚类模式

对每个模式进行二值化；

使用连通域标记和形态学形成完整的区域作为模板

将模板压入堆栈第4章图象分割Ohlander’salgorithm第4章图象分割二

门限（Thresholding）GlobalThresholdingAdaptiveThresholdingT第4章图象分割3MultipleThersholding第4章图象分割ThresholdingDetectionMethodsHistogramShapAnalysis:pixelsofobjectsformoneofitspeaks,whilepixelsofthebackgroundformthesecondpeak;Oneoptionistoweighthistogramcontributiontosurpresstheinfluenceofpixelswithahighimagegradient.Anotherusesonlyhighgradientpixelstoformthegrey-levelhisgram;Histogramconcavityanalysis,entropicmethods,relaxationmethods,multi_thresholding第4章图象分割OptimalthresholdingDefinition:basedonapproximationofthehistogramofanimageusingaweightedsumoftwoormoreprobabilitydensitieswithnormaldistribution.Idea:Thethresholdingissetastheclosestgray-levelcorrespondingtotheminimumprobabilitybetweenthemaximaoftwoormorenormaldistributions,whichresultsinminimumerrorsegmentation.第4章图象分割第4章图象分割4、全局门限分割对于两类分割的情况，在灰度直方图满足两个众数的条件下，具有较好的效果。所谓两个众数指的是，直方图有两个峰值，一个峰与背景对应，另一个对于于前景。也就是利用一个门限值对整个图象进行分割。第4章图象分割第4章图象分割5、Algorithm:IterativethresholdingselectAssumingnoknowledgeofobjects;Atstept,computing:SetIf,halt;othersereturntostep2;第4章图象分割6、Ostu方法

第4章图象分割第4章图象分割7、局部自适应门限分割

与全局门限分割不同的是，局部自适应门限分割有两种类型，一种是将图象划分成块，对于每一个图象块，利用全局门限分割技术，确定门限值，对该图象块进行用一个门限值进行分割。另一种方法是对于图象的每一个像素都使用一个门限值，这种方法对于处理光照不均匀的情况有较大的优点。第4章图象分割第4章图象分割第4章图象分割8、Multi-spectralthresholdingAlgorithm:RecursivethresholdingInitializewholeimageasasingleregion;Computeasmoothedhistogramforeachband.Findthemostsignificantpeakineachhistogramanddeterminetwothresholdsaslocalminimaoneithersideofthismaximum,segmentandprojectedintoamulti-spectralsegmentation;Repeatstep2foreachregionoftheimageuntileachregion’shistogramcontainsonlyonesignificantpeak第4章图象分割第4章图象分割10、ThresholdinginhierarchicaldataAlgorithm:HierarchicalthresholdingRepresenttheimagasapyramiddatastructure;Searchsequentiallyforsignificantpixelinallpixelsofallpyramidlevels.Ifasignificantpixelisdetected,setathresholdTContinuethepyramidsearchasdescribedin(2);第4章图象分割三基于区域的分割Purpose:constructingregions,arebetterinnoisyimage;Thehomogeneitycriteria:gray,color,texture,shapandmodel;Regionsmustbesatisfied:第4章图象分割区域分割的目的并不是把整个图象的像素分类，而是只关心所感兴趣的物体在图象中所对应的区域。此时，除了一般的表面特性，如灰度、颜色、纹理之外，物体本身的空间特性也是十分有用的线索。例如区域内部的均匀性，边界符合一定的几何形状等。区域增长是从已经确定的部分区域开始，根据区域的均匀性，上下左右去寻找和归并同一区域的其余部分。第4章图象分割第4章图象分割生长和更新第4章图象分割RegionmergingAlgorithmDefinesomstartingmethodtosegmenttheimageintomanysmallregionssatisfying(5.31)Defineacriterionformergingtwoadjacentregions;Mergealladjacentregionssatisfyingthemergingcrigingcriterion.Ifnotworegionscanbemergedmaintainingcondition(5.31),stop.第4章图象分割第4章图象分割regionsplittingregionsplittingistheoppositeofregionmeiging,andbeingwiththewholeimagerepresentedasasingleregionwhichdoesnotusuallysatisfycondition(5.31,5.32and5.33);Methods:cluster,pixelclassification第4章图象分割SplittingandmergingBasicnotionAmethodwiththeadvantageofboth;Operateinpyramidimagerepresentation;Correspondstoremovingorbuildingpartsofthesegmentationquadtree;Thenumberofleafnodesofthetreecorrespondstothenumberofsegmentedregions.第4章图象分割2分裂与合并算法第4章图象分割第4章图象分割四人脸定位第4章图象分割基于皮肤颜色的人脸定位皮肤区域提取皮肤侯选区域的确认第4章图象分割皮肤颜色模型标准化颜色空间训练样本的平滑处理第4章图象分割第4章图象分割皮肤颜色的分布可