数字图像处理 第七章_图像分割

电子信息与自动化学院数字图像处理1第七章图像分割7.1概述7.2边缘检测算子7.3边缘跟踪7.4Hough变换线检测法7.5区域分割7.6区域增长7.7分裂合并法电子信息与自动化学院数字图像处理27.1概述什么是图像分割？图像分割的作用是什么？图像分割的常用方法有哪些？如何进行边缘检测？如何得到较完整的边缘？电子信息与自动化学院数字图像处理37.1概述意义图像处理的重要任务就是对图像中的对象进行分析和理解。前面介绍的图像处理着重强调在图像之间进行变换以改善图像的视觉效果；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联系，并得出对原始成像客观场景的解释，从而指导和规划行动。电子信息与自动化学院数字图像处理47.1概述图像分析步骤1.图像分割电子信息与自动化学院数字图像处理57.1概述图像分析步骤2.特征提取长宽比r色调h777222111,,,hrhrhrXXX电子信息与自动化学院数字图像处理67.1概述图像分析步骤3.特征分类777222111,,,hrhrhrXXXrh0电子信息与自动化学院数字图像处理77.1概述图像分析步骤777222111,,,hrhrhrXXXrh0电子信息与自动化学院数字图像处理87.1概述图像分析步骤把图像分割成不同的区域或把不同的对象分开；找出分开的各区域的特征；识别图像中要找的对象或对图像分类；对不同区域进行描述或寻找出不同区域的相互联系，进而找出相似结构或将相关区域连成一个有意义的结构。电子信息与自动化学院数字图像处理97.1概述什么是图像分割？图像分割是指把图像分成互不重叠的区域并提取出感兴趣目标的技术和过程。电子信息与自动化学院数字图像处理107.1概述图像分割——由图像处理进到图像分析的关健步骤。一方面，它是目标表达的基础，对特征测量有重要的影响。另一方面，因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式，使得更高层的图像分析和理解成为可能。电子信息与自动化学院数字图像处理117.1概述图像分割的定义令集合R代表整个图像区域，对R的分割可看做将R分成N个满足以下5个条件的非空子集(子区域)R1，R2，…，RN①；②对所有的i和j,i≠j，有；③对i=1,2,…,N,有P(Ri)=TRUE；④对i≠j,有P(Ri∪Rj)=FALSE；⑤对i=1,2,…,N,Ri是连通的区域。其中P（Ri）是对所有在集合Ri中元素的逻辑谓词,φ代表空集,连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径。NiiRR1jiRR电子信息与自动化学院数字图像处理127.1概述图像分割的基本策略分割算法基于灰度值的两个基本特性：•不连续性•相似性检测图像像素灰度级的不连续性，找到点、线（宽度为1）、边（不定宽度）。先找边，后确定区域。电子信息与自动化学院数字图像处理137.1概述图像分割的基本策略检测图像像素的灰度值的相似性，通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边电子信息与自动化学院数字图像处理147.1概述图像分割的方法基于边缘的分割方法•先提取区域边界，再确定边界限定的区域。区域分割•确定每个像素的归属区域，从而形成一个区域图。区域生长•将属性接近的连通像素聚集成区域分裂－合并分割•综合利用前两种方法，既存在图像的划分，又有图像的合并。电子信息与自动化学院数字图像处理157.1概述研究方向提取有效的属性；寻求更好的分割途径和分割质量评价体系；分割自动化。电子信息与自动化学院数字图像处理167.2几种常用的边缘检测算子边缘的概念边缘是指图像中像元灰度有阶跃变化或屋顶状变化的那些像元的集合。存在于目标与背景、目标与目标、区域与区域、基元与基元之间。包含方向、阶跃性质、形状等信息。是图像识别中抽取的重要属性，对图像识别和分析十分有用。电子信息与自动化学院数字图像处理177.2几种常用的边缘检测算子边缘的分类阶跃状：位于两边的像素灰度值有明显不同；屋顶状：位于灰度值从增加到减少的转折处。阶跃状屋顶状电子信息与自动化学院数字图像处理18两种边缘和边缘点近旁灰度方向导数变化规律7.2几种常用的边缘检测算子阶跃状边缘一阶导数为极值点二阶导数为过零点屋顶状边缘一阶导数为过零点二阶导数为极值点(一般)电子信息与自动化学院数字图像处理197.2几种常用的边缘检测算子电子信息与自动化学院数字图像处理207.2几种常用的边缘检测算子梯度算子Roberts梯度算子Prewitt和Sobel算子方向算子Laplacian算子马尔算子Canny边缘检测沈俊边缘检测电子信息与自动化学院数字图像处理217.2几种常用的边缘检测算子梯度算子对阶跃边缘，在边缘点处一阶导数有极值，因此可计算每个像元处的梯度来检测边缘点。梯度的大小代表边缘的强度，梯度方向与边缘走向垂直。电子信息与自动化学院数字图像处理227.2几种常用的边缘检测算子梯度算子函数f(x,y)在(x,y)处的梯度为一个向量：f=[f/x,f/y]计算这个向量的大小为：G=[(f/x)2+(f/y)2]1/2近似为:G|fx|+|fy|或Gmax(|fx|,|fy|)梯度的方向角为：φ(x,y)=tan-1(fy/fx)可用下图所示的模板表示-111-1电子信息与自动化学院数字图像处理237.2几种常用的边缘检测算子基于梯度的边缘检测选取适当的阈值T，对梯度图像进行二值化缺点：梯度算子仅用最近邻像素的灰度计算，对噪声敏感，无法抑制噪声的影响。其它Ty)Grad(x,01),(yxg边缘二值图像电子信息与自动化学院数字图像处理247.2几种常用的边缘检测算子Roberts梯度算子-11-11对应差分方程：fx′=|f(x+1,y+1)-f(x,y)|fy′=|f(x+1,y)-f(x,y+1)|这种算子进行边缘检测的同时去噪作用仍然小，但效果较梯度算子好电子信息与自动化学院数字图像处理257.2几种常用的边缘检测算子Prewitt和Sobel算子思路：加大边缘检测算子模板出发减少噪声的影响-1-1-1111-11-111-1-1-2-1121-1-12-211Prewitt算子Sobel算子Prewitt算子：不仅能检测边缘点，且能抑制噪声的影响；Sobel算子：能进一步抑制噪声影响。电子信息与自动化学院数字图像处理26用Prewitt算子进行边缘检测的结果7.2几种常用的边缘检测算子电子信息与自动化学院数字图像处理277.2几种常用的边缘检测算子方向算子方向算子利用一组模板分别计算在不同方向上的差分值，取其中最大的值作为边缘强度，而将与之对应的方向作为边缘方向。-5-5-53033333-5-530-533333-530-533-533330-53-5-5333303-5-5-5333-503-5-53-533-503-533-5-53-5033333x3Kirsch算子的八方向模板电子信息与自动化学院数字图像处理287.2几种常用的边缘检测算子方向算子特点•在计算边缘强度的同时可以得到边缘的方向•各方向间的夹角为45º分析•取其中最大的值作为边缘强度，而将与之对应的方向作为边缘方向；•如果取最大值的绝对值为边缘强度，并用考虑最大值符号的方法来确定相应的边缘方向，则考虑到各模板的对称性，只要有前四个模板即可。电子信息与自动化学院数字图像处理297.2几种常用的边缘检测算子(a)是原始的摄影师图像；(b)、(c)、(d)、(e)和(f)分别是采用梯度算子、Roberts和3×3的Prewitt、Sobel、Kirsch检测出的边缘二值化图像。不同边缘检测算子检测结果比较电子信息与自动化学院数字图像处理307.2几种常用的边缘检测算子拉普拉斯算子（Laplacian算子）对于阶跃状边缘，其二阶导数在边缘点出现零交叉，即边缘点两旁二阶导数取异号。据此，对数字图像的每个像素计算关于x轴和y轴的二阶偏导数之和。▽2f(x,y)=f(x+1,y)+f(x-1,y)+f(x,y+1)+f(x,y-1)-4f(x,y)电子信息与自动化学院数字图像处理317.2几种常用的边缘检测算子拉普拉斯算子定义数字形式的拉普拉斯的基本要求是，作用于中心像素的系数是一个负数，而且其周围像素的系数为正数，系数之和必为0。11-4001001电子信息与自动化学院数字图像处理327.2几种常用的边缘检测算子拉普拉斯算子的分析优点：•各向同性、线性和位移不变的；•对细线和孤立点检测效果较好。缺点：•对噪音的敏感，对噪声有双倍加强作用；•不能检测出边的方向；•常产生双像素的边缘。由于梯度算子和Laplacian算子都对噪声敏感，因此一般在用它们检测边缘前要先对图像进行平滑。电子信息与自动化学院数字图像处理337.2几种常用的边缘检测算子马尔算子马尔(Marr-Hildreth)算子是在拉普拉斯算子的基础上实现的,它得益于对人的视觉机理的研究，有一定的生物学和生理学意义。由于Laplacian算子对噪声比较敏感，为了减少噪声影响，可先对图像进行平滑，然后再用Laplacian算子检测边缘。平滑函数应能反映不同远近的周围点对给定像素具有不同的平滑作用，因此，平滑函数采用正态分布的高斯函数，即：2222exp),(yxyxh是标准方差，模糊程度由其决定。电子信息与自动化学院数字图像处理347.2几种常用的边缘检测算子h(x,y)对图像f(x,y)进行平滑：g(x,y)＝h(x,y)*f(x,y)对平滑后的图像g(x,y)采用拉普拉斯算子进行边缘检测▽2h称为高斯-拉普拉斯滤波算子，或马尔算子,它是一个轴对称函数，各向同性,也称为“墨西哥草帽”),(*),(*2exp),(*),(22242222yxfhyxfrryxfyxhg▽2h的剖面和对应的转移函数电子信息与自动化学院数字图像处理357.2几种常用的边缘检测算子下面是σ＝10时，Marr算子的模板：电子信息与自动化学院数字图像处理367.2几种常用的边缘检测算子马尔算子总结证明这个算子定义域内的平均值为零，因此将它与图像卷积并不会改变图像的整体动态范围。由于它相当光滑，因此将它与图像卷积会模糊图像，并且其模糊程度是正比于σ的。正因为▽2h的平滑性质能减少噪声的影响，所以当边缘模糊或噪声较大时，利用▽2h检测过零点能提供较可靠的边缘位置。在该算子中，的选择很重要，小时位置精度高但边缘细节变化多。马尔算子用于噪声较大的区域会产生高密度的过零点。电子信息与自动化学院数字图像处理377.2几种常用的边缘检测算子Laplacian算子和Marr算子检测出的边缘二值化图像电子信息与自动化学院数字图像处理38Canny边缘检测沈俊边缘检测7.2几种常用的边缘检测算子电子信息与自动化学院数字图像处理397.2几种常用的边缘检测算子边缘检测算子总结这几种算子都能实现中心定位，但对噪声都比较敏感，尤其是Laplacian算子，它是二阶微分算子，对噪声的放大能力更强于其它的一阶微分算子，不利于边缘分析。实用的策略是应当先对图像去噪声。若先对图像平滑处理，抑制噪声，再求微分，则为Marr、Canny等算子电子信息与自动化学院数字图像处理407.2几种常用的边缘检测算子曲面拟合法出发点•基于差分检测图像边缘的算子往往对噪声敏感。因此对一些噪声比较严重的图像就难以取得满意的效果。若用平面或高阶曲面来拟合图像中某一小区域的灰度表面，求这个拟合平面或曲面的外法线方向的微分或二阶微分检测边缘，可减