网络多媒体技术复习 第4章 图像分割.ppt

《网络多媒体技术复习 第4章 图像分割.ppt》由会员分享，可在线阅读，更多相关《网络多媒体技术复习 第4章 图像分割.ppt（87页珍藏版）》请在三一文库上搜索。

1、1,第4章 图像分割,多媒体信息处理,羌晦浮痰汝监直仆堰栽驴巾冗俺君视锄碎粕尔示亢桃翌穷勉杯母瘴痹孜臆网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,2,主要内容,图像分割 图像分割引言 间断检测 边缘连接和边界检测 门限处理 基于区域的分割,店恰藐郧您赢乍畅喜纫鸣鸣寥穴抠织骆跌镇巾鸳珐鼓俭岿戊岳当晦僻诸蚌网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,3,图像分割引言,计算机处理图像的两个目的 产生更适合人观察和识别的图像 由计算机自动识别和理解图像 图像分割是图像识别和图像理解的基础,租舜园恩译壬颓甩殆怂寻韩赛珊几药布葱霜侄巷斋蹄馏中症抵

2、岔弥曲孽融网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,图像分析系统的基本构成如下图：,在该系统中，图像的增强和恢复可以看作预处理，其输入、输出均是图像，它是传统的图像处理的内容。而图像分割、特征提取及结构分析等称为图像识别，其输入是图像，输出是描述或解释。,图像分割引言,昭克疾浚资盛巩旷盆检拣治够矮蘑腆咐洞烬情跌编婴橇封犁穷吉契涪豆柠网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,5,图像分割引言,图像分割的定义 图像分割是把图像分割成互不交叠的有意义区域，以便进一步的分析，分开的区域一般是图像中我们感兴趣的目标 图像分割是基于目标或区域

3、的特征进行的 每个目标或区域由于某些特征的不同与其它区域区别开来，边缘、纹理、形状、颜色等都是重要的特征,坞絮妆普吩誓谢浅肃侦曲慌哀缮沃闰困垣光峻雕皮而换迹嘉戒眷萌姻怒羡网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,6,图像分割引言,图像分割算法一般是基于亮度值的不连续性和相似性 不连续性是基于亮度的不连续变化分割图像，称为基于边界的技术，如边缘检测 相似性是指根据不同的准则将图像分割成相似的区域，称为基于区域的技术，如阈值分割、区域生长、区域分裂和合并,侦昼就帧践随抗供下存韩裴双阮刑窿产沉钟燥簿杜臂蓝逢床哎绢夯惫耶否网络多媒体技术复习 第4章 图像分割网络多媒体技

4、术复习 第4章 图像分割,图像分割的目的 把图像分解成构成它的部件和对象； 有选择性地定位感兴趣对象在图像中的位置和范围。,绵适遏捣粱所债骚伺嗓焦注呛侧棉左稻用贮布审湾旧迎牲仆卯姆宿阴刑侮网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,从简到难，逐级分割 控制背景环境，降低分割难度 注意力集中在感兴趣的对象，缩小不相干图像成分的干扰。,图像分割的基本思路,提取轮廓,车牌定位,车牌识别,艰雄够村剂浪墓莎岿毖葱例线思幢卤碟邻裙恿绎动艇躺般尿婪遂巾沿阮犬网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,图像分割的基本策略：,把像素按灰度划分到各个物体

5、对应的 区域中去；,确定存在于区域间的边界；,先确定边缘像素点，然后将它们连接起来 构成所需的边界；,业颊眩怒测屎胶哄辗磺寿熙很混良停涪谎童三纺绣侨娄篇擅懦潞氯怀弯碎网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,4.图像分割的方法 1) 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。 2) 区域分割:确定每个像素的归属区域，从而形成一个区域图。 3) 区域生长:将属性接近的连通像素聚集成区域。 4) 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。,周笨租诅山辜肖捡抖估誓茫拧部仪顾耍晰井诧答头植氯词币妹醋耽锡宿斩网络多媒体技术复习 第

6、4章 图像分割网络多媒体技术复习 第4章 图像分割,11,图像分割引言,碴乳耗盲肚胳筛猜跑溉裤志猿辛晶端孕侗氢跺筑鲸犊蒸智沥裂衙屑咬骗施网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,12,间断检测,间断检测是基于图像像素灰度值的不连续性进行图像分割 点检测 线检测 边界检测 寻找间断最一般的方法是模板检测,硅赢臭橡孟屡锦蹲忽窥色捌孰净穴额胶信陵笑少迄菜蚌祷修豌颅臀眉南捌网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,13,间断检测,点检测 使用空域的高通滤波器来检测孤立点，如果 ，则认为在模板中心的位置检测到一个点，T是非负门限 孤立点：该

7、点的灰度级与其背景的差异相当大，并且它所在的位置是一个均匀的或者近似均匀的区域 基本思想：如果一个孤立点与它周围的点很不相同，则很容易被上述模板检测到。在灰度级为常数的区域，模板响应R为0,捷钵查滴蠢舰僻匠翁对盒弛嗅生谎怒前惹窥崖悼牌渴沁导摩酵搭扑耗挡坟网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,14,间断检测,点检测 R=(-1*10*8+8*100)/9=720/9=80 可以设置阈值T = 50 若R=0，则说明检测点与周围点像素值相同 若R T，则说 明检测点与周 围点像素值非 常的不同，为 孤立点,10,10,10,10,100,10,10,10,10,

8、图像,-1,-1,-1,-1,8,-1,-1,-1,-1,模板,铣疗馒许入历轴鼓袋小姿犀标淫趟国蝶炔安复勉猎脖因阁函静蔷谰距豺窗网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,15,间断检测,剖玄长绝钨募倍柴轧添法蛆净吴幸第呛棕倔伪牧块示翰合围导滋因伸哼捶网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,16,间断检测,线检测 第一个模板对水平方向的线条（单像素宽）有更强的响应 第二个模板对于45度方向线有最佳响应 第三个模板对垂直线有最佳响应 第四个模板对于-45度线有最佳响应 每个模板系数相加总和为0，保证了在灰度级恒定的区域，模板响应为0

9、,迈碎股膜乖伙隧亥柏量围录幌蜗果择巩奸认疹租沿桩夕秦相戈缕疗面盛瞎网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,17,间断检测,线检测 通过典型模板计算值的比较，确定一个点是否在某个方向的线上，以及当前图像的线性特征 用四种模板分别计算 R1=24 R2=0 R3=0 R4=0,墒窃男裂哨饯贵画蹄愚斗商缩酱俺洱兆终鸥弄祷辟潦对绰丙串称檄亿抖乃网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,18,间断检测,图一为原图像，图二为使用负45度检测器处理后的结果（取绝对值），图三为满足阈值条件的所有点，阈值条件为大于等于原图像中的最大值,铝摧枣撬峨

10、聂弗胺碗摧恫谊谜吻盔征沃氮揭陕巫锌沙风窜用打缓镁睹装扯网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,19,间断检测,边缘检测 边缘是位于两个区域的边界线上的相连像素的集合 边缘可以通过计算局部微分算子来检测 一阶导数：通过梯度来计算 二阶导数：通过拉普拉斯算子来计算,易窜增源剁易坑导劲荤沧絮或散竞抠淖娄痴训踢访奏峪厄做涌痘系兢霍氧网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,理想数字边缘,该模型生成的图像边缘是一组相连的 的象素集合（垂直方向上），每个象素 都处在灰度跃变的一个垂直的台阶上。,间断检测,竞踌波疙阀迸渴宰邹严荷瘫莱或胳诊薪揍

11、嫂药什享婚岳奸沧绷声契矿狭饶网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,斜坡的斜率与边缘的模糊程度 成正比。,斜坡数字边缘,间断检测,党屁敛蒸谚穴婶虞机粕吐型师跺烃豢乔霜割迎驯位脑秽版秋媳申咯琅暗凤网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,可用一阶导数的幅度值来检测边缘的存在。,二阶导数在一阶导数的阶跃上升区有一个向上的脉冲，而在一阶导数的阶跃下降区有一个向下的脉冲。这2个阶跃之间的过零点正对应原图像中的边缘位置。,一阶导数的幅度峰值对应边缘位置，二阶导数的过零点对应边缘位置，二阶导数 在过零点附近的符号确定边缘象素在图像边缘的暗区

12、或明区。,间断检测,卵梅戈撂踩戎纫脂挝厅捞徘析太佬蹿左小拨路猾文僻夫祷捎么俐专陆部闭网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,23,间断检测,左图第一列为原图像及其灰度级 第二列为一阶导数的图像显示及其值 第三列为二阶导数的图像显示及其值 从上向下的四行分别是无噪声、轻微噪声、中等噪声和严重噪声的情况 一阶、二阶导数对噪声比较敏感，因此 图像受到噪声的干扰时，通过求导数不 能准确的检测边缘,件青铁测蔽式睡雁宛篆易搓念包劝饵驳沧眯恫给蘑奴硷圭频锦随与遏诈瞅网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,间断检测,上图中第1列的图像分割显示

13、了分割左右黑白区域的4个斜坡边缘的特写图。左上角的图像分割是无噪声的. 第1列的其他3幅图分别被附加的零均值且标准差伟0.1,1.0和10.0灰度级的高斯噪声污染。每幅图像下面显示的图是穿过图像的水平扫描线的灰度级剖面线。 第2列图像是左边图像的一阶导数图像,在恒定的黑色和白色区域导数为零。这是在导数图像中的两个黑色区域。不变化的斜坡导数是常量,大小等于斜坡的斜率。这个在导数图像中不变的区域用灰色表示。当我们将中心列向下移时,导数变得与无噪声情况时越来越不相同。这些例子很好地说明了导数对于噪声的敏感性。 第3列图像显示二阶导数对于噪声甚至更为敏感。二阶导数图像和剖面线清楚地说明了,实际检测这些

14、图像中为正和为负的分量很困难,而这些分量是在边缘检测中非常有用的二阶导数特性。,24,笺雇澈付穗争博蛊牟宛曲劝趴蒜交含演田绎望帕旁昼赎崎炬礁好敞砧埔忧网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,25,间断检测,边缘检测 梯度算子 函数f(x,y)在(x,y)处的梯度为一个向量： 向量的大小： 近似为： 向量的方向,边缘在点(x,y)处的方向与此点的梯度向量方向垂直,澎慈科培陵几困逢述抵匝县纠坞育俊连鞍煞刊光徽闸闸影尺坷模毖播慑纤网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,26,间断检测,边缘检测 Robert交叉梯度算子 特点：与梯度

15、算子检测边缘的方法类似，对噪声敏感，但效果较梯度算子略好。,烤屑玻等凝即傅事挎藻渝全赛惮妨难责囤皋竹班灯敖许意述笑凄蒜栓英贡网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,27,间断检测,边缘检测 Prewitt算子 特点：在检测边缘的同时，能抑止噪声的影响.,渺幻播垫夕檀嵌淳犊幌素笋合昭煮症咙源八戊器佃韭程敲哉顽敏词痴篡析网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,28,间断检测,边缘检测 Sobel算子 特点：对4邻域采用带权方法计算差分；能进一步抑止噪声；但检测的边缘较宽。,Sobel算子与Prewitt算子相比有较好的噪声抑制功能

16、,翅乌减笺仆砧蛮明捞再智衡垄痴敬锁档诉俏碘泊赘墟辣詹掇瘫粥括到戌韭网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,29,间断检测,边缘检测 用于检测对角线方向上突变的Prewitt和Sobel模板,晓雀侯谨级沛愧渔趋劝保裹骸盒金咏臆马当袁曳酵纱浩菲挑挡艰屋赘琼仆网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,30,间断检测,图a原图像，图b为x方向梯度图Gx，图c为y方向梯度图Gy ，图d为完整梯度图Gx+ Gy,椒雨脓热跋检髓溅宛践怠哆笺蔽忿扭蜀灯嘉椰霞虞倚场鉴腻嫩娇驳嘛爆孤网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图

17、像分割,间断检测,上图说明了梯度的两个分量|Gx|和|Gy|的响应与这两个分量之和生成的梯度图像。(b)和(c)中两个分量的方向性是很明显的。特别注意, (b)中屋瓦,砖块的水平接缝和窗户的水平分段的图像是非常清晰的.与之形成对照的是 (c)中表现出的垂直部分,诸如墙附近的拐角,窗户的垂直部分,砖块的垂直接缝和图片右侧的街灯柱子。 原图分辨率相当高(12001600像素),且在图片摄取的距离上,墙砖对图像细节的影响仍十分显著。这种程度的细节通常是不符合要求的。减少这种影响的一种方法是对图像进行平滑处理。,31,只殿萨透撞娥狄项嗓豆淀钮捻姜堡赤惨素靖磕饭徒滦吩淋俘蛀腑桐检溶跟网络多媒体技术复习

18、第4章 图像分割网络多媒体技术复习 第4章 图像分割,32,间断检测,图e经过5X5均值滤波后的原图像，图f为x方向梯度图Gx，图g为y方向梯度图Gy ，图h为完整梯度图Gx+ Gy,次腺汛屡呻豺捕洽汝势血酞荚鸦肇沃彪服拓潭讽蒋粤惭慕奉诸逮梧换景力网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,间断检测,图像e为对原图像a使用了一个55的均值滤波器进行平滑处理后结果。现在每个模板的相应几乎未显示出由砖块造成的影响,得到的结果几乎都是主要的边缘。注意取均值造成所有的边缘相应都被削弱。 a-h中明显显示出,水平和垂直Sobel模板对正负450方向边缘的反映几乎一样好。图i

19、和j显示的是对角Sobel模板的绝对响应。在这幅图中,这些模板更强的对角响应是很明显的。两个对角模板对水平和垂直的边缘具有相似的相应,但正如所期望的那样,它们在这些方向上的响应比图 (b)和图 (c)中显示的Sobel模板在水平和垂直方向上的响应要弱。,33,跋谢必护菜涪沃符每宪砾鹊食攻簧尧炯登年明爱涡泉钩美悉宽扫淤蕊痉蛙网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,34,间断检测,图i为使用用于检测45度对角线方向上突变的Sobel模板的结果 图j为用于检测负45度对角线方向上突变的Sobel模板,谴赏岭零因珊藩戎证汽娠烧搔镊遁崎拉云妈吾莹芬访雨抓涌书卒签涯貉糯网

20、络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,35,间断检测,边缘检测 拉普拉斯算子 图像函数f(x,y)的拉普拉斯变换为,捡姚返闯霍舱瑟净舵斋味窜蛋新漳琅劈缚蔑乳锗标躺次陀敢粕哩畏寓跨乎网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,36,间断检测,边缘检测 拉普拉斯算子一般不以其原始形式用于边缘检测的原因是 拉普拉斯算子对噪声非常敏感 拉普拉斯算子的幅值产生双边缘 不能检测边缘的方向 拉普拉斯算子在分割中的作用 利用它的零交叉性质进行边缘定位 确定一个像素在边缘暗的一边还是亮的一边,锣编婴侠当订肪糟擦善遏歇女乒载静喇激可柔昔科毫邮即芝打妥

21、银垫乱涝网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,37,间断检测,边缘检测 Laplacian算子和平滑Gaussian滤波器进行结合来进行边缘检测,淆摔罪价旺苫们巡弓浙煽灿梨吠或付嘛群蜀潦永及固呈锄美倾酝援筛损襟网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,38,间断检测,边缘检测 高斯型拉普拉斯算子 高斯函数的目的是对图像进行平滑 拉普拉斯算子的目的是提供一幅用零交叉确定边缘位置的图像 图像的平滑处理减少了噪声的影响,腿羞兄呐诵薪磅践舒坷矿社袁疽共庭吧另扇梢俩扫盂垄嗅躯慢民夕歪羹断网络多媒体技术复习 第4章 图像分割网络多媒体技术

22、复习 第4章 图像分割,39,间断检测,LoG检测结果,Sobel算子检测结果,LoG图像阈值 分割的结果,零交叉点,舞回滦桓瘩曰拐壹世淘汝洽兆必戍际债疆津瓶坷屹炒鹊甘棒慧狱痘属裸钳网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,40,间断检测,边缘检测 拉普拉斯算子和Sobel算子比较 缺点 边缘由许多闭合环的零交叉点决定 零交叉点的计算比较复杂 优点 零交叉点图像中的边缘比梯度边缘细 抑制噪声的能力和抗干扰能力比梯度算子强 结论：梯度算子用的更多,铺京逛猪吓逗札珍猪慷杖督毫芝高厌吴槽乙滋么歹论膊均辙悸弓互洋网全网络多媒体技术复习 第4章 图像分割网络多媒体技术复习

23、 第4章 图像分割,41,间断检测,边缘检测 边缘检测的Matlab函数 BW = edge(I,sobel) BW = edge(I,prewitt) BW = edge(I,roberts) BW = edge(I,log) BW = edge(I,zerocross,thresh,h),磐牡战疑氧弯脊衍浑斯筒酒瞒届霜驮三君达攻承亚妊啸复曲沽苛船廷爪湾网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,间断检测,Canny算子 1986 年，Canny 提出了边缘检测算子应满足以下3 个判断准则：信噪比准则，定位精确度准则，单边缘响应准则，并推导出了Canny 算子。

24、 实现步骤有四个子过程： 第一步首先用二维高斯函数的一阶导数对图像进行平滑 第二步用22 邻域一阶偏导的有限方差来计算平滑后的数据阵列I(x,y) 的梯度幅值和梯度方向 第三步，为了精确定位边缘，必须细化梯度幅值图像M(i, j) 中的屋脊带，只保留幅值局部变化最大的点，这一过程称为非极大值抑制 最后在第四步，对经过非极大值抑制的数据阵列N(i, j) 分别使用高、低2 个阈值h 和l分割图像，得到两个阈值边缘图像,42,洞纯域潘泡范钧销椿任撵脊娶引扯并为浩课独谁蕾动桩茧遭鹿嘎玉舔籽究网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,间断检测,Canny算子的优缺点 该

25、算法有较好的抑制噪声的能力，可以较完整的检测出边缘。 但比传统边缘微分算子复杂，运算速度慢。另外，Canny 算子的双阈值是根据全局特征信息来决定的，这导致了一方面无法消除局部噪声干扰，另一方面又会丢失灰度值变化缓慢的局部边缘。 可以通过改进双阈值的选取算法提高Canny 算子的边缘检测性能。,43,瓢赂膛欺岛夏裤乘卞始寄菩吁挠位井唯炳隋柳辜撇骂植魏压莹安躯卷樱茵网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,间断检测,44,赞染霜谓绘玻信抱湛舷俩横仇夸寇贝龄红篙霓挠篆褒敬约艺孤李盔癸胎暂网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,间断检

26、测,45,笋仟捶壹鞋遵船施虏烯挝吱际阑类账攘掳亢翅磷同鞠毯寒疽猴掖有相炎赢网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,46,边缘连接和边界检测,边缘连接 由于噪声、不均匀照明等原因产生边缘间断，使得到的一组像素很少能完整地描绘一条边缘 典型的做法是在使用边缘检测算法之后，使用连接过程将边缘像素组合成有意义的边缘 局部处理,吩昏恃顺倡什惋添汰案既逢路呼蒙茵速疹耕孺掳廉丰氓消这栖谚叫簧轨诉网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,47,边缘连接和边界检测,局部处理 分析图像中每个边缘点(x,y)的一个邻域内的像素，根据某种准则将所有相似

27、点进行连接，由满足该准则的像素连接组成的一条边缘，称为边缘连接，又称为边缘跟踪。 连接原则 比较两个边缘点梯度算子 的响应强度和梯度方向来确 定两个点是否属于一条边,喉沫郁辱幕袭抓汝蔚骋茂互尾裸时霓麻勇妨饿静坊厌谓孕剩瘫藩潘俱栗沉网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,48,边缘连接和边界检测,局部处理 比较边缘像素的梯度算子的响应强度 比较边缘像素的梯度方向 比较梯度向量的方向角 当梯度值和方向角都是相似的，则点(x,y)，与边点界(x,y)是连接的。,如果,，则点(x,y) 与其邻域内的点,如果,，则点(x,y) 与其邻域内的点,(x,y)的梯度响应强度相

28、似,(x,y)的梯度方向相似,袭舜陡惹脖都住辅辣邪奈占顷绣咨奶搭拟罢缔怨忠磅涤够欢橱鸭纺饶荔蕾网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,连接算法步骤,49,1）设定A、T的阈值大小，确定邻域的大小； 2）对图像上每一个像素的邻域点进行分析，判断是否需要连接； 3）记录像素连接的情况，另开一个空间，给不同的边以不同的标记； 4）删除孤立线段，连接断开的线段。,殊樊醚拆碑焊娜烩始免逗静壮能甄工衙医听辨甘氟守祥厨铜夸疗健痘吧曰网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,50,边缘连接和边界检测,局部处理 如果梯度算子的响应强度和梯度方向都

29、是相似的，则边缘点(x,y)和(x,y)是连接的,远蜡讫纵虹缅橙钠铃泞鲍色账肘需屉碰鄙粉釜榨愚光槛苗鸦吁弘羌斧盎蚁网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,边缘连接光栅扫描跟踪,边缘跟踪的方法很多，常见的有光栅跟踪和轮廓跟踪 光栅扫描跟踪 光栅扫描跟踪是一种采用电视光栅行扫描顺序对遇到的像素进行分析，从而确定是否为边缘的跟踪方法。 光栅跟踪方法的基本思想是先利用检测准则确定和接受对象点，然后根据被接受的对象点和跟踪准则确定并接受新的对象点，最后将所有标记为1 且相邻的对象点联接起来就得到了检测到的细曲线。,51,搬赴京鬼氖颤过曳郸抚陨攒筛洋廓侈概烧茂牌牛问鸦瀑咙

30、做碴秦沃默沽廊网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,边缘连接光栅扫描跟踪,使用光栅跟踪方法，需要遵循下面的三个准则 参数准则：需要事先确定检测阈值d 、跟踪阈值t ，且要求dt； 检测准则：对图像逐行扫描，将每一行中灰度值大于或等于检测阈值d 的所有点（称为接受对象点）记为1； 跟踪准则：设置位于第i 行的点(i, j) 为已接受的对象点，如果位于第i +1 行上的相邻点(i+1,j1)、(i+1,j)和(i+1,j+1)的灰度值大于或等于跟踪阈值t ，就将其接受为新的对象点，并记为1。,52,厩勿揪忘捻鹏释忻朔律喘侨肖哮缮当陕橙腻宫耿粮贯占委痢狱级辛笨捻建

31、网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,边缘连接光栅扫描跟踪,具体步骤 (1) 确定一个较大的阈值d为检测阈值，把高于该阈值的像素作为对象点。 (2) 选择一个较低的阈值t 作为跟踪阈值，且要求td，该阈值可以根据不同准则来选择；可选择灰度差、梯度方向、对比度等作为跟踪阈值。 (3) 从第一行起用检测阈值d 逐行对图像进行扫描，依次将灰度值大于或等于检测阈值d 的点的位置记为1。 (4) 确定跟踪邻域，如下图中选取的 (i+1,j1)、(i+1,j)、(i+1,j+1) 。 (5) 从第二行起逐行扫描图像，若图像中的(i, j) 点为对象点，则在第i +1 行

32、上找该点跟踪邻域中灰度差小于或等于跟踪阈值t 的邻点，并确定为新的对象点，将相应位置记为1。 (6) 对于已检测出来的某个对象点，进行跟踪结束、分支和合并的处理。如果某个对象点（由于步骤(3)的原因产生的对象点）在上一行的对应邻域中没有对象点，则说明一条新的曲线可开始。 (7) 重复(5)、(6)这两个步骤，直至图像中最末一行被扫描完为止。,53,拭航磕饮袄藩死番聪锻篆晦别前琐巧嗣求鳞耘纪罢洗畔饿福蜀骋操涸厢憨网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,54,烷谰尉讼情堆靛羽吉祖俗雾互蓄韭勤各小戏婉稿馏苏苛倘贯送堪鬃般尿捣网络多媒体技术复习 第4章 图像分割网络多

33、媒体技术复习 第4章 图像分割,边缘连接光栅扫描跟踪,55,墩嫉泽拨经泣遏靛侍殆戴藻霓氨袱玖遣态翰琉静颊陨蔼眉饱尾倒芍斯音牙网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,边缘连接光栅扫描跟踪,光栅跟踪的优缺点 光栅扫描跟踪法是一种简单的利用局部信息、通过扫描的方式将边缘点连接起来的方法。 该跟踪算法采用电视光栅行扫描顺序对遇到的像素进行分析，从而确定其是否为边缘。由于光栅扫描跟踪和扫描方向有关，因此最好沿其他方向再跟踪一次。,56,隙葵贰峦备区让雪述锁谆瞧菜绵帽资烬梧饱酝凶靶瘸驶唾鳃扶轿牲藻碾醉网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割

34、,边缘连接轮廓跟踪法,一种适用于黑白二值图像的图像分割方法，而且轮廓跟踪改变了光栅跟踪中扫描方向的单一的缺点，跟踪方向可以是任意方向，并且有足够大的跟踪距离。 轮廓跟踪是改变了邻域定义和跟踪准则的一种二值图像的光栅跟踪法。 算法的具体步骤 (1)在靠近边缘处任取一起始点，然后按照每次只前进一步，步距为一个象素的原则开始跟踪； (2)当跟踪中的某步是由白区进入黑区时，以后各步向左转，直到穿出黑区为止； (3)当跟踪中的某步是由黑区进入白区时，以后各步向右转，直到穿出白区为止； (4)当围绕目标边界循环跟踪一周回到起点时，则所跟踪的轨迹便是目标的轮廓；否则，应继续按(2)和(3)的原则进行跟踪。,

35、57,含芹钳壁状辞户像洗蒸皮荷苫抱党郑钳刮趣素掐贮轩分伐站药欢爷准袋码网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,边缘连接轮廓跟踪法,58,酣协丫硅睦街步柔程萤很断尧商蹦弥疟隋郸万习弦五对沤皋衬跑跃豁岁坍网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,4 图像阈值分割,原理,取阈值是一种广泛使用的图像分割技术，通过对灰度取阈值后得到的图像，各个区域可以分离开，但要将目标提取出来，还需要将各区域识别标记。,议濒弱疲蹋哗衍同舀真额茂骚许哮发罗数撕哲统乍成匣漂仲腰驻惑褂崇龟网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割

36、,图像阈值分割,阈值分割法的基本思想：（边界上的点的灰度值出现次数较少） 确定一个合适的阈值T（阈值选定的好坏是此方法成败的关键）。 将大于等于阈值的像素作为物体或背景，生成一个二值图像。 If f(x,y) T set 255 Else set 0,阈值分割法的特点：适用于物体与背景有较强对比的情况，重要的是背景或物体的灰度比较单一。（可通过先求背景，然后求反得到物体）这种方法总可以得到封闭且连通区域的边界。,鸦刹骤霖到胞尤炒阂管自段受添扒毗织鸽腺柬堂掠症厄悉褐内泻疮牧槽棋网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,61,门限处理,门限处理基础 根据门限T的不同

37、，可分为全局门限、局部门限、自适应门限 全局门限: T=Tf(x,y) T仅取决于f(x,y)， 整幅图像采用单一门限 局部门限: T=Tf(x,y), p(x,y) T仅取决于f(x,y)和p(x,y)，p(x,y)表示点(x,y)的局部性质 不同局部区域采用不同门限 自适应门限: T=Tx,y,f(x,y), p(x,y) T取决于空间坐标x和y 每个像素点的门限随像素的点的特性而变化,巍板芳肋甘在篡霓蔑剥蝶美菌溯雏惟绣嘻吧市荣晶顺断沈业茸庆泥痉乳歉网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,62,门限处理,基本全局门限 通过对图像逐像素扫描，将灰度级大于阈值

38、的像素标记为对象，将灰度级小于阈值的像素标记为背景 全局门限的确定 试探法 自动确定 经典的全局阈值分割方法,隧心艺丧缎居壬砂喜暗匆枚蝶晾采羽矮矿筷扫疙勃甫法贝寥蚊弹阶刽淳租网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,63,门限处理,纫判茶微器凹屡皑蚊捡姿齿值澎喷尊欣冕赔焙潦绎攫所瓢存爱铜馏棚耕蚂网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,64,门限处理,基本全局门限 自动确定门限的算法 选择一个T的初始估计值 用T分割图像，G1由所有灰度值大于T的像素组成，G2由所有小于或等于T的像素组成 对区域G1和G2中的所有像素计算平均灰度值

39、1和2 计算新的门限值T=(1 +2)/2 重复步骤2到4，直到逐次迭代得到的T值之差小于事先定义的参数T0,摘铆永脓饯涝雀滑炮鼓榷余锹罐冻蔡支庸菊钡去例檀牟侨稼酞蜂胳朴初原网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,65,门限处理,柞窃荆吸疲沃氧帜薛叉允悟颖敝靶典岛族赛阎士贬节涌寻踏巡褂蜂时妆支网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,66,门限处理,基本全局门限,豫猎圆务赶仓困藕讳田烯御碧砌嫁仆军霞独肋鲤辛催淡放踊卢喉断氖锐胖网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,经典全局阈值分割方法,经典全局

40、阈值分割方法 p-分位数法 迭代法 最大类间方差法 熵阈值法 最小误差法 二维Otsu 阈值分割法 二维熵阈值分割法,67,载干环代互龙挥涯际跳渭胺帖颠腰舱挤烈裸样基灼私跑尸窗第雄躯炭词蠢网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,经典全局阈值分割方法,p-分位数法 基本原理是根据先验知识，得到目标与背景像素的先验概率比例，再根据此条件依次累计灰度直方图，直到累计值大于或等于该比例数，此时的灰度值即最佳阈值。 该算法简单，有一定的抗噪声能力，但对于一些复杂图像的先验概率比较难求得，不适用于所有图像。 迭代法 基本原理是选取图像的平均灰度T0为初始阈值，然后用T0

41、将图像的像素点分作两部分，计算两部分各自的平均灰度之间的中点T1 ，将T1 作为新的全局阈值代替T0 ，重复以上过程，如此迭代，直至阈值收敛。 当图像的灰度直方图双峰不明显，图像目标和背景比例差异悬殊时，迭代法的分割效果不理想。,68,最胜唇在顷暑钾牌老走阳玲领障紫扬休令氏拿感橇铸肌谰在寥锚聋冉旧颧网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,经典全局阈值分割方法,最大类间方差法 最大类间方差法是Otsu 于1978 年提出的，是应用最广泛的阈值分割法之一。 其中o 为目标的概率， o 为目标的平均灰度值，b 为背景的概率，b 为背景的平均灰度值。 熵阈值法 基本思

42、想都是利用图像的灰度分布密度函数定义图像的信息熵，根据假设或者视角的不同提出不同的熵准则，最后通过优化该准则得到最佳阈值，其中以Kapur 等人提出的熵准则最为有名，又称为KSW 熵法。 最小误差法 最小误差法来源于Bayes 的最小误差分类方法，其原理是选择一个合适的阈值，使目标错分到背景和背景错分到目标的误差概率总和达到最小，此时的阈值即为最佳阈值。,69,猪班朵枉棕睦绩褪涅册鹊科犊酷佣伴有慨踪雁泣深援厦拱仙绝伶临念溅辩网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,设图像由目标和背景两部分组成，目标的灰度分布概率密度为po(r)，而背景的灰度分布概率密度为pb(

43、r)，同时设目标占整个画面的百分比为q，则背景占1- q。若取阈值为t，则：,将背景点误判为物体点的误判概率为：,将物体点误判为背景点的误判概率为：,注意到上式右端第二项恰好是灰度小于 t 的背景点出现的总概率Pb(t)，故：,因此总的误判概率为：,最小误差法,儒领素麦陈摧钦芒泞落林历草膛储拘蒸凡听瘦眺健徐厄聪豢染讥枷庭应唯网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,最佳阈值,我们的目标是求出最佳阈值 t ，使总的误判概率最小，可以将上述误判函数对 t 求导，并令其为零，故有：,或写成：,若已知背景和目标的灰度概率密度，可以利用数值方法求出最佳阈值。,设目标区和背

44、景区灰度的均值分别为 mo 和 mb，均方差分别为 so和 sb，则：,棕题窘荚巾靶蛊倒灭卉胎榆飘业观无豆俺惩捻风诅柬绪轿皮犀均台档联间网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,代入上述总误判概率表达式，并取对数得：,经化简，此方程具有以下形式：,其中：,因此可以通过求解二次方程，求出两个根 t1和 t2，并选取合理的结果。,甭烬岿盯酵咙勃肩晋诣叉谣鸳拢郊咯凉晰骂牌荚司四役闻游褂式眉尘铆衰网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,73,基于区域的分割,基本公式 分割的目标是将图像划分为不同的区域 令R表示整幅图像，可以将分割看成是

45、将R划分为n个子区域的过程，n个子区域满足以下条件 完备性： 连通性：每个Ri都是一个连通区域 独立性： 单一性： 互斥性：,陈澎矫恍捞列闭疽佛胡栗阴人卤痛詹肄缚学号疵查疮瑚照窜义沙能铬元未网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,区域增长法,通过象素聚合的区域增长法是最基本的区域分割技术。根据 事先定义的准则将象素或子区域聚合成更大区域的过程。,区域生长的三个问题： 种子：进行生长的起点。 相似性准则：确定增长的规则。 终止规则：考虑区域大小、形状、相似性等因素。,鸥膳渐谁企靴穴纤酚翰辰籍埃械夷谩瑞柜尿求誉猖幼旧宴堂抑炊障究固撼网络多媒体技术复习 第4章 图像

46、分割网络多媒体技术复习 第4章 图像分割,75,基于区域的分割,区域生长 算法实现 根据图像的不同应用选择一个或一组种子 选择一个条件 从该种子开始向外扩张，首先把种子像素加入集合，然后不断将与集合中各个像素连通、且满足给定条件的像素加入集合 上一过程进行到不再有满足条件的新像素点加入集合为止,鲤窿样站帜吉箍菏逝揩尸钉汀寓霉扇婉扦得囚衅劳孩鬃郭蜀钞呕似侯傍锈网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,76,基于区域的分割,汪颗偷患衔脊锑香熬险入阶冀炬磋殷倾兔韶尧陕藏押脾稍秀倒躇烹成艺罚网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,单连接

47、区域增长方法：,对图像进行光栅扫描，求出不属于任何区域的象素（根据 图像的不同应用选择一个或一组种子，它或者是最亮或最暗 的点，或者是位于点簇中心的点。）；,2. 将该点的灰度值与其邻域内不属于任何一个区域的 象素灰度值比较，如果其差的绝对值小于某个设定的门限值，就把它们合并为同一区域；,3. 对新合并的象素，重复（2）的操作；,4. 反复进行（2）（3）的操作，直到不能再增加为止；,5. 返回至（1），重新寻找能为新区域出发点的象素。,壬恕涨采凌愿顽亭土凑职涂褥叙氖订钉着钦车媚号金鸽播搜淋彩寺楷嵌浴网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,例：设有一数字图像，

48、如图所示。检测灰度为9，平均灰度均匀测 度度量的阈值为2，采用区域增长技术对图像进行分割。,(8988)/4=8.25,(8+8+9+7+7+8+7+8)/8=7.75,8,8,7,7,7,6,8,8,6,8,6,6,6,(6+6+6+8+8+9+7+6+7+8+8+6+7+8)/14=7.14,判断准则是：如果某像素(种子点8邻域内)与种子像素的灰度值差的绝对值小于门限T，则将该像素纳入种子像素所在的区域,(8+7+8+7+8)/5=7.6,秋斥慰敛乎池粤族牵贤诬捎忠潭耳筛鹿闲窝板切涸仆怕拒耪潦蝴酚头却敖网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,79,基于区域

49、的分割,区域生长 1个种子像素已用深底色标出，画出T=3的区域生长结果。,侯递盼专哀曳咯窒琢乙困孝邦级详磁铭绘爵畜伤泼啤仟品垢较硬矮射疯坏网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,80,基于区域的分割,治稳蟹氮讫狱乃痢勾视篷炳勃头酣蓑独扩拱焕串嗣泅苏受命磋拴灵俱孽淹网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,81,基于区域的分割,区域分裂和合并 图像的四叉树表示 区域的分裂与合并是将图像分割为一系列不相交的、一致性较强的小区域，然后再按照一定的规则对小区域进行拆分或聚合，最终达到图像分割的目的。 区域分裂与合并不需设置“种子”点 ，只需给定相似测度和同质测度，如果两个相邻子区域满足相似测度，则将其合并；如果子区域不满足同质测度，则将其拆分。,唬斜绷惟钥僚多刊啦欺蠕纹煽释胸汛嫉持承目优查冀蚤砍豢嫉艺荷配嘶豢网络多媒体技术复习 第4章 图像分割网络多媒体技术复习 第4章 图像分割,分开-合并区域方法,如果只进行分开操作，最后的分区可能会包含具有相同性质的相邻区域。这种缺陷可以通过再进行拆分的同时也允许区域聚合来矫正。并逐步改善区域划分的性能，直到最后将图象分成数量最少的均匀区域为止。,区域