图象分割(上)-xyz.ppt

第六章图象分割
6.1概述
图象处理有两大类目的：
1．改善象质（增强、恢复）
2．图象分析：对图象内容作出描述第六章图象分割
6.1概述
图像分析：（也叫景物分析或图像理解）
可看作是一种描述过程，主要研究用自动或半自动装置和系统，从图像中提取有用测度，数据或信息生成非图的描述或表示。

图像分割：将图像中有意义的特征或需要应用的特征提取出来。
（简单而又难于实现的最基础的识别工作。由于目标特征不均匀，图像中有噪声——分割困难。图象几何性质与象素位置有关，与灰度值无关。往往以二值图像作为研究对象，对噪声的敏感性处理不好，将严重影响分析结果。）人的视觉系统对图像分割是十分复杂的，也是相当有效的。但分割原理和模型都未搞清楚。

分割方法分类：
人机交互－－手工勾画，训练区办法。
阈值法－－（与对象有关）
边缘检测法：边缘检测算子－－已知算子
生长法，贯序分割法，松弛法（Relaxation）
⑤其它模板匹配－－已知模板
最佳曲面拟合－－已知函数
纹理检测6.2阈值分割T求上式最小值时的t，便是阈值.即对上式求微分2阈值的选取
★最大方差阈值选取法
也叫大津阈值,把直方图在某一阈值处分割成两组，当被分成的两组间方差为最大时，决定阈值.设一幅图像的灰度值为1~m级，灰度值i的像素数为ni，则像素总数
各值的概率,用T将其分成两组C0={1~T}和C1={T+1~m}，各组产生的概率如下：
C0和C1产生的概率分别为和2阈值的选取
★最大方差阈值选取法C0和C1的平均值分别为和
其中,是整体图像的灰度平均值,
是阈值为T时灰度平均值
两组间的方差用下式求出2阈值的选取
★最大方差阈值选取法可以将最大方差阈值推广到双阈值分割,根据上面的公式推广为:3影响图素：噪音、照度不均匀，结构特征。
注意：人的识别不是绝对值，而是对灰度变化最敏感。
简单情况下取直方图谷值点作分割阈值。
图象中有噪音干扰，先做平滑处理，后取门限。
光照不均匀：
ａ先修正光照不均匀，再取门限。
b分区分割
目的：减少光照不均匀而影响的分割效果。多波段：
R、G、B多幅直方图同时出现谷值。
取局部特征：如纹理——粗糙度
此结构特征优于灰度特征，因为与结构有关，若取局部特征，并对局部特征图平滑之后，再取阈值，则效果更好。b灰度与灰度梯度图6.3边缘检测法1边缘检测原理：
梯度对应一阶导数，对于一个连续图像函数f(x,y):求导取阈值——抽取边界，实质是在图像梯度图上取阈值来找出边缘。
算子：Robot、Sobel等。

曲面拟合法
以某一点的邻域的灰度拟合成某一曲面，将拟合后曲面梯度作为该象素点的梯度。
如最简单用z=f(x,y)=ax+by+c函数与f(x,y),f(x+1,y),f(x,y+1),f(x+1,y+1)拟合

拟合误差：
E(a,b,c)=[ax+by+c-f(x,y)]2+[a(x+1)+by+c-f(x+1,y)]2+
[ax+b(y+1)+c-f(x,y+1)]2+[a(x+1)+b(y+1)+c-f(x+1,y+1)]2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.区域生长法---关键问题
a)选择或确定一组能正确代表所需区域的种子像素
人机交互、通过直方图峰值
b)确定在生长过程中能将相邻像素包括进来的准则，即生长准则
基于区域灰度差方法、基于区域内灰度分布统计性质方法、自适应阈值结节检测法区域生长法生长准则——基于区域灰度差方法讨论：
生长准则与欠分割或过分割现象区域生长法生长准则——基于区域内灰度分布统计性质灰度直方图h(x)的累积灰度直方图被定义为：区域生长法生长准则——自适应阈值结节检测法
先从目标（结节）上一个小种子点的象素开始生长，当所谓孤立对照（IsolationContrastIntegral）值达到最大时停止生长。
说明：
种子点选取：3×3或5×5等区中间灰值最大点。
人工干预指定点。
ICI值:灰度值区域生长法生长准则——自适应阈值结节检测法
讨论：
实质上由灰值最大点一圈圈向周围扩大（灰值逐渐降低）遇平原灰值增加停止生长。
可进一步扩充，ICI稍降低些也可不停止生长，可抗噪声干扰。
可用别的特征代替ICI特征，在其它条件下获得更加好结果。2分裂合并法
区域生长法是先从单个种子像素开始通过不断接纳新像素最后得到整个区域。分裂合并法是先从整幅图像开始通过不断分裂得到各个区域。实际中常先把图像分成任意大小且不重叠的区域，然后再合并或分裂这些区域以满足分割的要求R1
[以前讨论仅涉及单个点或单个点的固定小邻域——局部处理性质，有局限性，但便于并行处理——与处理顺序无关。
讨论全局性——通过邻点相互影响而扩大影响范围，顺序先后有关，用较简单方法，选出开始点后，