《HALCON数字图像处理》课件-第7章 图像分割

7.17.27.3HALCON数字图像处理阈值分割边缘检测区域分割第7章

图像分割7.1

阈值分割HALCON数字图像处理定义：

阈值分割是一种按图像像素灰度幅度进行分割的方法，它是把图像的灰度分成不同的等级，然后用设置灰度门限（阈值）的方法，确定有意义的区域或要分割物体的边界。步骤：

（1）确定阈值；

（2）将阈值与像素灰度值进行比较；

（3）把像素分类。HALCON数字图像处理

实验法通过人眼的观察，对已知某些特征的图像试验不同的阈值，观察是否满足要求。实验法的问题是适用范围窄，使用前必须事先知道图像的某些特征，比如平均灰度等，而且分割后的图像质量的好坏受主观局限性的影响很大。1、实验法

（a）原图（b）分割后HALCON数字图像处理

如果图像的前景物体内部和背景区域的灰度值分布都比较均匀，那么这个图像的灰度直方图具有明显双峰，此时可以选择两峰之间的谷底对应的灰度值T作为阈值进行图像分割。此种单阈值分割方法简单易操作，但是当两个峰值相差很远时不适用，而且，此种方法容易受到噪声的影响，进而导致阈值选取的误差。2、根据直方图谷底确定阈值法

（a）原图（b）分割后HALCON数字图像处理迭代式阈值选择方法的基本思路是：开始选择一个阈值作为初始估计值，然后按照某种规则不断的更新这一估计值，直到满足给定的条件为止。

这个过程的关键是选择什么样迭代规则。一个好的迭代规则必须既能够快速收敛，又能够在每一个迭代过程中产生优于上一次迭代的结果。3、迭代选择阈值法

（a）原图（b）分割后HALCON数字图像处理最大类间方差法选定的分割阈值应该使前景区域的平均灰度、背景区域的平均灰度与整幅图像的平均灰度之间差别最大，这种差异用方差来表示。该算法是在判别分析最小二乘法原理的基础上推导得出，计算简单，是一种稳定、常用的算法。4、最大类间方差法

（a）原图（b）分割后7.2

边缘检测HALCON数字图像处理图像的边缘是图像的基本特征，边缘上的点是指图像周围像素灰度产生变化的那些像素点，即灰度值导数较大的地方。

基于一阶导数的边缘检测算子包括Robert算子、Sobel算子、Prewitt算子等，它们都是梯度算子。

基于二阶导数的边缘检测算子主要是高斯-拉普拉斯边缘检测算子。HALCON数字图像处理一阶算子典型算子

Roberts算子利用局部差分算子寻找边缘，边缘定位较准，但容易丢失一部分边缘，同时由于图像没有经过平滑处理，因此不具有抑制噪声的能力。该算子对具有陡峭边缘且含噪声少的图像处理效果较好。

Sobel算子很容易在空间上实现。Sobel算子边缘检测器不但产生较好的边缘检测效果，同时因为Sobel算子引入了局部平均，使其受噪声的影响也比较小。当使用较大的模板时，抗噪声特性会更好，但是这样会增大计算量，并且得到的边缘比较粗。

Prewitt和Sobel算子的方程完全一样，只是常量c=1。由于常量c的不同，这一算子与Sobel算子不同的地方在于没有把重点放在接近模板中心的像素点。当用两个掩膜板（卷积算子）组成边缘检测器时，通常取较大的幅度作为输出值。

Kirsch算法由K0~K7八个方向的模板决定的，将K0~K7的模板元素分别与当前像素点的3×3模板区域的像素点作乘求和，然后选八个值中最大的值作为中央像素的边缘强度。HALCON数字图像处理一阶算子典型算子原图Roberts滤波Sobel滤波Prewitt滤波Kirsch滤波HALCON数字图像处理高斯-拉普拉斯算子典型算子

拉普拉斯算子是一个二阶导数，对噪声具有很大的敏感度，而且其幅值会产生双边缘。另外，边缘方向的不可检测性也是拉普拉斯算子的缺点，因此，一般不以其原始形式用于边缘检测。为了弥补拉普拉斯算子的缺陷，美国学者Marr提出了一种算法，在使用拉普拉斯算子之前一般先进行高斯低通滤波。

（a）原图（b）高斯-拉普拉斯边缘提取

（c）零交叉边缘检测效果图HALCON数字图像处理Canny算子典型算子

Canny边缘检测算子是一种具有较好边缘检测性能的算子，利用高斯函数的一阶微分性质，把边缘检测问题转换为检测准则函数极大值的问题，能在噪声抑制和边缘检测之间取得较好的折中。

（a）原图（b）Canny边缘提取

HALCON数字图像处理像素边缘提取和亚像素边缘提取典型算子例如某CMOS摄像机芯片，其像素间距为5.2微米。两个像素之间有5.2微米的距离，在宏观上可以看作是连在一起的。但是在微观上，它们之间还有更小的东西存在，这个更小的东西我们称它为“亚像素”。

（a）像素边缘提取（b）亚像素边缘提取HALCON数字图像处理

Hough变换是一种检测、定位直线和解析曲线的有效方法。它是把二值图变换到Hough参数空间，在参数空间用极值点的检测来完成目标的检测。在实际中由于噪声和光照不均等因素，使得在很多情况下所获得的边缘点是不连续的，必须通过边缘连接将它们转化为有意义的边缘，一般的做法是对经过边缘检测的图像进一步使用连接技术，从而将边缘像素组合成完整的边缘。Hough变换7.3

区域分割HALCON数字图像处理

区域分割利用的是图像的空间性质，认为分割出来的属于同一区域的像素应具有相似的性质。传统的区域分割方法有区域生长和区域分裂与合并，还有源于地形学的分水岭分割。HALCON数字图像处理1、区域生长法

区域生长也称为区域生成，其基本思想是将一幅图像分成许多小的区域，并将具有相似性质的像素集合起来构成区域。

（a）原图

（b）区域生长分割

（c）最终结果

HALCON数字图像处理2、分裂合并法

从上面图像分割的方法中了解到，图像阈值分割法可以认为是从上到下（从整幅图像根据不同的阈值分成不同区域）对图像进行分开，而区域生长法相当于从下往上（从种子像素开始不断接纳新像素最后构成整幅图像）不断对像素进行合并。如果将这两种方法结合起来对图像进行划分，便是分裂合并算法。因此，其实质是先把图像分成任意大小而且不重叠的区域，然后再合并或分裂这些区域以满足分割的要求。HALCON数字图像处理3、分水岭分割

现实中我们见到过有山有湖的景象，那么那一定是水绕山，山围水的情形。当然在需要的时候，要人工构筑分水岭，以防集水盆之间的互相穿透。而区分高山与水的界线，以及湖与湖之间的间隔，就是分水岭。HALCON数字图像处理3、分水岭分割HALCON数字图像处理4、实例背景：大国工匠陈行行:高精度测量、加工他精通多轴联动加工技术、高速高精度加工技术和参数化自动编程技术，尤其擅长薄壁类、弱刚性类零件的加工工艺与技术，是一专多能的技术技能复合型人才。机器视觉技术如何提高检测精度，助力大国重器！？HALCON数字图像处理4、实例图像分割解决方案总结HALCON数字图像处理

图像分割问题是一个十分困难的问题。例如，物体及其组成部件的二维表现形式受到光照条件、透视畸变、观