《数图》第9章 图像分割和描述.ppt

数字图像处理基础图像分割（imagesegmentation）
－－把图像分成各具特性的目标区域的技术和过程。
图像分割
－－从低层次图像处理到较高层次图像分析、图像理解的关键步骤。
－－图像处理中的瓶颈问题，事关图像描述、特征提取、目标识别等。
－－基于边缘的分割、基于阈值的分割、基于区域的分割。
图像描述（imagedescription）
－－对图像的区域、周长、面积以及其它特征的表示。
－－边界描述、区域描述。第1节图像分割简述2.图像分割的分类
从不同的角度和特征进行分类：
1）运算策略不同：并行分割算法，串行分割算法。
2）实现技术不同：基于直方图的分割，基于边界的分割，基于区域的分割。
3）应用要求不同：粗图像分割，细图像分割。
4）对象属性不同：灰度图像分割，彩色图像分割。
5）是否借助像素灰度模式：纹理图像分割，非纹理图像分割。
6）对象状态不同：静态图像分割，动态图像分割。1）基于边界的图像分割
－－先检测图像边界，再连接目标边界的轮廓线。
边界检测：Robert算子、Prewitt算子、梯度算子、拉普拉斯算子、
Canny算子、高斯-拉普拉斯算子等。
2）基于阈值的图像分割
－－基于图像直方图的分割方法。
分割问题实际上就是像素分类的参数估计问题，易受噪声干扰。
3）基于区域的图像分割
－－检测满足特定预设条件的区域。
区域增长法、区域分裂合并法、分水岭算法等。
三种基本的图像分割既可单独使用，也可综合使用。第2节基于边界的分割1.并行微分算法
边缘－－图像中不同灰度区域交界处；
边缘检测－－利用导数－－对图像中灰度的变化进行检测，
一阶导数算子：梯度算子、Sobel算子、Prewitt算子、……
二阶导数算子：Laplacian算子、Kirsch算子、……
实用：去噪（减少噪声对微分的影响）微分（一阶或二阶）
LOG（LaplacianofGaussian）滤波＝高斯低通滤波+Laplacian二阶导数；
Canny边界检测＝高斯低通滤波+一阶导数。（1）高斯-拉普拉斯（LOG）算子
对待检测图像f(x,y)采用高斯滤波器g(x,y)进行平滑（降低噪声影响），
再用拉普拉斯算子进行二阶微分，：

LOG检测就是用对图像f(x,y)进行滤波，
边缘点＝滤波输出的符号变化（过零点）的位置。LOG边缘检测算子：
轴对称图形，各向同性，形状酷似草帽，“墨西哥草帽”函数：【例9.1】图9.2所示为某图像的LOG边缘检测实例。（2）Canny算子
边缘检测要求：
有效地抑制噪声，有较高的信噪比；准确，检测出的边缘在真正的边界上。
1）高斯滤波，去噪：
（9.4）
2）对平滑后的图像求梯度，获得每一点梯度的幅值和方向：
（9.5）
梯度的模值：梯度的方向值（弧度）：
（9.6）（9.7）3）对梯度幅值进行“非极大抑制”
作用：准确定位，控制边界宽度为一个像素。
在待处理像素a的梯度方向上比较它们的梯度模值，
如a为极大，则保留；如果不是，则把像素a的灰度设为0。4）用双阈值算法检测和连接边缘
对梯度模极大值采用两个阈值T1（低）和T2（高）进行处理，得到
高阈值边缘图像A2(x,y)含有很少的假边缘，但有间断。
低阈值边缘图像A1(x,y)含有很多的假边缘，没有间断。
在A2(x,y)中把边缘连接成轮廓，
遇到轮廓断点时，在A1(x,y)的8邻域位置寻找可以连接到轮廓上的像素。【例9.2】一个具体的Canny边缘检测的例子。
Canny边缘检测的边缘图像比较准确，轮廓细，要优于常用的Robert、Prewit等方法。2.边界跟踪算法
边界跟踪－－获得边缘像素后从中提取图像连续边界或轮廓的方法。
跟踪性能：
1）跟踪起始点的选取。
2）跟踪准则的选取。
基本方法：
先根据跟踪准则找出目标物体轮廓或边界上的像素点，
然后根据这些像素点用同样的跟踪准则找到下一个像素点，
以此类推，直到闭合或者最后一个像素点都不满足跟踪准则为止。（1）边界的链码表示
链码－－边界跟踪描述方法，为边界的不同走向编码。
编码方法：直接链码，差分链码。
按方向的划分：4-连通链码，8-连通链码。【例9.3】采用4-连通和采用8-连通链码表示边界时，其结果并不完全相同。
图9（b）的4-连通链码表示边界：00003032232321212011；
图9（c）的8-连通链码表示边界：00070555424312.（2）逻辑运算法获取边界
适用于目标和背景组成的二值图像。
S为目标像素的集合，其边界S’是指在（背景）中有邻点的S中点的集合。
S中去掉S’的其余部分点的集合称其为S的内部，即为差集S-S’。
实例说明：【例9.5】设拟合曲线f(x)是一条抛物线，求拟合系数：
（9.9）
矩阵形式：
（9.10）第3节基于阈值的分割1.全局阈值算法