图象分割技术幻灯片.ppt
《图象分割技术幻灯片.ppt》由会员分享,可在线阅读,更多相关《图象分割技术幻灯片.ppt(99页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、图象分割技术第1页,共99页,编辑于2022年,星期五2022/9/212第6章 图象分割技术n 主要介绍图像分析的问题,即着眼于找出图主要介绍图像分析的问题,即着眼于找出图像中哪些事物,也即是模式识别问题,主要从像中哪些事物,也即是模式识别问题,主要从统计模式识别来讲统计模式识别来讲n 认为图像可能包含一个或多个物体,并且每认为图像可能包含一个或多个物体,并且每个物体属于若干事先定义的类型、范畴或模式个物体属于若干事先定义的类型、范畴或模式类别之一类别之一第2页,共99页,编辑于2022年,星期五n对于给定的一幅含有多个物体的数字图像,对于给定的一幅含有多个物体的数字图像,模式识别的过程由三
2、个阶段组成,如图所示模式识别的过程由三个阶段组成,如图所示输入图像输入图像物体图像物体图像特征矢量特征矢量物体类型物体类型“Bar”检测出各种物检测出各种物体,并把他们体,并把他们的图像和其余的图像和其余景物分离景物分离对物体进行度对物体进行度量,即对物体量,即对物体进行定量分析进行定量分析估计估计输出仅仅是一种输出仅仅是一种决策,确定每个决策,确定每个物体应该归属的物体应该归属的类别类别第3页,共99页,编辑于2022年,星期五2022/9/214第6章 6.1 图象分割定义和方法分类n 图象分割目标,背景分离区域,提取目标研究热点严格定义第4页,共99页,编辑于2022年,星期五2022/
3、9/2151.图像分割图像分割 图像分割就是依据图像的图像分割就是依据图像的灰度、颜色、纹理、边缘灰度、颜色、纹理、边缘等特征,把图像分成各自满足某种等特征,把图像分成各自满足某种相似性相似性准则或具有某种同准则或具有某种同质特征的质特征的连通连通区域的集合的过程。区域的集合的过程。借助集合概念进行正式的定义:借助集合概念进行正式的定义:令令R代表整个图像区域,对代表整个图像区域,对R的分割可看做将的分割可看做将R分成若干个满分成若干个满足以下条件的非空子集足以下条件的非空子集(子区域子区域)R1,R2,R3Rn第5页,共99页,编辑于2022年,星期五(1)i=1nRi=R分割所得到的全部子
4、区域的总和分割所得到的全部子区域的总和(并集并集)应能包括图像中所有象素,或者说分割应能包括图像中所有象素,或者说分割应将图像中的每个象素都分进某应将图像中的每个象素都分进某1个子区个子区域中域中(2)对所有的对所有的i和和j,ij,有有RiRj=各个子区域是互不重叠的,或者说各个子区域是互不重叠的,或者说1个个象素不能同时属于象素不能同时属于2各区域各区域(3)i=1,2n,有有P(Ri)=TRUE在分割后得到的属于同在分割后得到的属于同1个区个区域中的象素应该具有某些相同域中的象素应该具有某些相同特性特性(4)对对ij,有有P(RiRj)=FALSE在分割后得到的属于不同区域中在分割后得到
5、的属于不同区域中的象素应该具有一些不同的特性的象素应该具有一些不同的特性(5)对对i=1,2n,Ri是连是连通的区域通的区域要求同要求同1个子区域内的象个子区域内的象素应当是连通的素应当是连通的分割准则应分割准则应可适用于所可适用于所有区域和象有区域和象素素分割准则分割准则应能帮助应能帮助确定确定各区各区域象素有代域象素有代表性的特性表性的特性第6页,共99页,编辑于2022年,星期五2022/9/217图像分割的依据是各区域具有图像分割的依据是各区域具有不同不同的特性,这些特性可以的特性,这些特性可以是灰度、颜色、纹理等。而灰度图像分割的是灰度、颜色、纹理等。而灰度图像分割的依据是依据是基于
6、相邻基于相邻像素灰度值的像素灰度值的不连续性不连续性和和相似性相似性。也即,子区域内部的像。也即,子区域内部的像素一般具有灰度相似性,而在区域之间的边界上一般具有素一般具有灰度相似性,而在区域之间的边界上一般具有灰度不连续性。灰度不连续性。灰度图像分割是图像分割研究中最主要的内容,其本灰度图像分割是图像分割研究中最主要的内容,其本质是按照图像中不同区域的特性,将图像划分成不同的区质是按照图像中不同区域的特性,将图像划分成不同的区域。域。2.图像分割的依据和方法图像分割的依据和方法 第7页,共99页,编辑于2022年,星期五2022/9/218第8页,共99页,编辑于2022年,星期五2022/
7、9/219n 图象分割算法分类不连续性和相似性并行策略处理和串行策略处理 并行边界类 串行边界类 并行区域类 串行区域类第9页,共99页,编辑于2022年,星期五2022/9/2110n两个具有不同灰度值的相邻区域之间总存在两个具有不同灰度值的相邻区域之间总存在边缘边缘边缘是灰度值不连续的结果,这种不连续常可利用求导数方便的检边缘是灰度值不连续的结果,这种不连续常可利用求导数方便的检测到,一般常用一阶和二阶导数来检测边缘测到,一般常用一阶和二阶导数来检测边缘常见的边缘剖面图有三种,如图所示常见的边缘剖面图有三种,如图所示第6章 6.2 边缘检测第10页,共99页,编辑于2022年,星期五202
8、2/9/2111图像中不同类型的边界(a)边界;(b)线;(c)折线变化;(d)缓慢的平滑变化(a)(b)(d)(c)第11页,共99页,编辑于2022年,星期五2022/9/2112图像图像水平方水平方向剖面向剖面一阶一阶导数导数二阶导二阶导数数阶梯状处于图像中阶梯状处于图像中2个具个具有不同灰度值的相邻区域之有不同灰度值的相邻区域之间间脉冲状对应细脉冲状对应细条状的灰度值突条状的灰度值突变区域变区域屋顶状上升屋顶状上升下降沿都比较下降沿都比较缓慢缓慢第12页,共99页,编辑于2022年,星期五2022/9/2113一阶导数一阶导数在图像由在图像由暗变明暗变明的位的位置处有置处有1个个向上向
9、上的阶跃,而其的阶跃,而其它位置都为它位置都为0,这表明可用一,这表明可用一阶导数的阶导数的幅度值来检测边缘幅度值来检测边缘的的存在,幅度峰值一般存在,幅度峰值一般对应边缘对应边缘位置位置二阶导数二阶导数在一阶导数的在一阶导数的阶跃上升阶跃上升区有区有1个个向上的脉冲向上的脉冲,而在一阶导,而在一阶导数的阶跃数的阶跃下降区下降区有有1个个向下向下的脉冲,的脉冲,在这两个脉冲在这两个脉冲之间有之间有1个过个过0点点,它的位置正对应原图像中它的位置正对应原图像中边缘的边缘的位置位置,所以可用二阶导数的,所以可用二阶导数的过过0点点检测边缘检测边缘位置,而用二阶导数在位置,而用二阶导数在过过0点附近
10、的符号确定边缘象素在点附近的符号确定边缘象素在图像边缘的暗区或明区图像边缘的暗区或明区对对(a、b)而言而言第13页,共99页,编辑于2022年,星期五2022/9/2114对对(c)而言,脉冲状的剖面边缘而言,脉冲状的剖面边缘与与(a)的一阶导数形状的一阶导数形状相同,所相同,所以以(c)的的一阶导数形状与一阶导数形状与(a)的的二阶导数形状相同二阶导数形状相同,而它的,而它的2个个二二阶导数过阶导数过0点正好点正好分别对应脉分别对应脉冲的冲的上升沿和下降上升沿和下降沿,通过检沿,通过检测脉冲剖面的测脉冲剖面的2个二阶导数过个二阶导数过0点就可确定脉冲的范围点就可确定脉冲的范围对对(d)而言
11、,屋顶状边缘的剖面可看作是而言,屋顶状边缘的剖面可看作是将将脉冲边缘底部脉冲边缘底部展开得到,所以它的展开得到,所以它的一一阶导数阶导数是将是将(c)脉冲剖面的一阶导数的脉冲剖面的一阶导数的上上升沿和下降沿展开升沿和下降沿展开得到的,而它的得到的,而它的二阶二阶导数导数是将脉冲剖面二阶导数的上升沿和是将脉冲剖面二阶导数的上升沿和下降沿下降沿拉开拉开得到的,通过检测屋顶状边得到的,通过检测屋顶状边缘剖面的缘剖面的一阶导数过一阶导数过0点,可以确定屋顶点,可以确定屋顶位置位置第14页,共99页,编辑于2022年,星期五2022/9/2115第6章 6.2 边缘检测n 边缘检测算子(1)梯度算子(一
12、阶)(2)拉普拉斯算子(二阶)第15页,共99页,编辑于2022年,星期五2022/9/2116梯度算子梯度算子n梯度对应梯度对应一阶导数一阶导数,梯度算子是一阶导,梯度算子是一阶导数算子,在边缘灰度值数算子,在边缘灰度值过渡比较尖锐过渡比较尖锐且且图像中图像中噪声比较小时噪声比较小时,梯度算子效果好。,梯度算子效果好。对对1个连续图像函数个连续图像函数f(x,y),它在位置它在位置(x,y)的梯度的梯度可表示为可表示为1个矢量:个矢量:第16页,共99页,编辑于2022年,星期五2022/9/2117这个矢量的幅度这个矢量的幅度(也常直接简称为梯度也常直接简称为梯度)和方向角分别为:和方向角
13、分别为:有时用其它方式计算幅度,如:有时用其它方式计算幅度,如:上面各式中的偏导数都需对一个象素位置计算,在上面各式中的偏导数都需对一个象素位置计算,在实际中,常用小区域模板进行卷积近似计算实际中,常用小区域模板进行卷积近似计算第17页,共99页,编辑于2022年,星期五2022/9/2118梯度运算比较复杂一点,在数字图像梯度运算过程中,可以按图像内梯度运算比较复杂一点,在数字图像梯度运算过程中,可以按图像内容试用一些近似运算,以获得既能满足要求又能使运算简单的方法。容试用一些近似运算,以获得既能满足要求又能使运算简单的方法。对于数字图像,可用一阶差分代替一阶微分对于数字图像,可用一阶差分代
14、替一阶微分第18页,共99页,编辑于2022年,星期五2022/9/2119在数字图像中,还经常使用在数字图像中,还经常使用Robert(罗伯特罗伯特)和和Sobel(索贝尔索贝尔)等算子等算子检测边缘检测边缘Robert梯度采用的是对角方向相邻两象素之差,即梯度采用的是对角方向相邻两象素之差,即1-111Roberts模板模板第19页,共99页,编辑于2022年,星期五2022/9/2120Sobel梯度算子先做加权平均,然后再微分,即梯度算子先做加权平均,然后再微分,即第20页,共99页,编辑于2022年,星期五-1121-1-2121-1-2-1Sobel模板模板水平水平垂直垂直Sobe
15、l算子是常用的,而且效果较其它两种算子好算子是常用的,而且效果较其它两种算子好第21页,共99页,编辑于2022年,星期五2022/9/2122普瑞维特边缘算子普瑞维特边缘算子n普瑞维特(Prewitt)边缘检测算子是一种利用局部差分平均方法寻找边缘的算子,它体现了3对像素点像素值之差的平均概念,算子形式如下:第22页,共99页,编辑于2022年,星期五2022/9/2123-1111-1-1111-1-1-1Prewitt模板模板水平水平垂直垂直第23页,共99页,编辑于2022年,星期五2022/9/2124实例实例原图原图水平方向水平方向垂直方向垂直方向梯度梯度 f|Gx|+|Gy|第2
16、4页,共99页,编辑于2022年,星期五2022/9/2125Sobel算子算子Roberts算子算子Prewitt算算子子原图原图第25页,共99页,编辑于2022年,星期五2022/9/2126拉普拉斯算子拉普拉斯算子n一阶微分是一种矢量,不但有其大小,还有方向,和一阶微分是一种矢量,不但有其大小,还有方向,和标量相比较,它标量相比较,它数据存储量大数据存储量大,在具有相等斜率的宽,在具有相等斜率的宽区域上,有区域上,有可能将全部区域都当作边缘提取出来可能将全部区域都当作边缘提取出来nLapplacian 算子是一种二阶导数算子,是不依赖于边算子是一种二阶导数算子,是不依赖于边缘方向的二阶
17、微分算子,是一个标量而不是矢量,具有缘方向的二阶微分算子,是一个标量而不是矢量,具有旋转不变即各向同性的性质,对一个连续函数旋转不变即各向同性的性质,对一个连续函数f(x,y),它在图像中位置它在图像中位置(x,y)的拉普拉斯值定义为:的拉普拉斯值定义为:第26页,共99页,编辑于2022年,星期五2022/9/2127拉普拉斯算子是拉普拉斯算子是无方向性无方向性的算子,它比前述计算多个方向导数算子的的算子,它比前述计算多个方向导数算子的计计算量要小算量要小,因为只需,因为只需用一个模板用一个模板,且不必综合各模板的值。,且不必综合各模板的值。在数字图像中,计算函数的拉普拉斯也可以借助各种模板
18、卷积在数字图像中,计算函数的拉普拉斯也可以借助各种模板卷积实现。这里对实现。这里对模板的基本要求模板的基本要求是对应是对应中心象素的系数应是正的,中心象素的系数应是正的,而对应中心象素邻近象素的系数应是负而对应中心象素邻近象素的系数应是负的,且所有的,且所有系数的和应为系数的和应为0,这样就不会产生,这样就不会产生灰度偏移灰度偏移-1-1-1-14-1-1-1-14-1-1-1-1-1-1-1-18在数字图像情况下的近似为:在数字图像情况下的近似为:第27页,共99页,编辑于2022年,星期五拉普拉斯是一种二阶导数算子,所以对图像中的拉普拉斯是一种二阶导数算子,所以对图像中的噪声相当敏感噪声相
19、当敏感。在实际中,常常在。在实际中,常常在进行平滑操作地同时进行二阶微分,如图所示是具有平滑效果的二阶微分算子操进行平滑操作地同时进行二阶微分,如图所示是具有平滑效果的二阶微分算子操作。作。另外它常产生另外它常产生双象素宽的边缘双象素宽的边缘,且也,且也不能提供边缘方向不能提供边缘方向的信息。的信息。由于以上原因,拉普拉斯算子很少直接用于边缘检测,而主要用于由于以上原因,拉普拉斯算子很少直接用于边缘检测,而主要用于已知边缘象素已知边缘象素后,后,确定确定该象素是在图像的暗区或明区一边该象素是在图像的暗区或明区一边。另一方面,一阶差分算子会在另一方面,一阶差分算子会在较宽范围较宽范围形成较大的梯
20、度值,因此形成较大的梯度值,因此不适合于精确定位不适合于精确定位,而利用二阶差分算子而利用二阶差分算子过过0点可以点可以精确定位边缘精确定位边缘111111111-4-4-4-4-4-4-4-4-4111111111111111111111111111第28页,共99页,编辑于2022年,星期五2022/9/2129马尔算子马尔算子n马尔马尔(Marr-Hildreth)算子是在拉普拉斯算子的基算子是在拉普拉斯算子的基础上实现的。础上实现的。n主要得益于对人的视觉机理的研究,具有一定的生物学主要得益于对人的视觉机理的研究,具有一定的生物学和生理学意义和生理学意义n在较大噪声场合,由于微分算子会
21、起到放大噪声在较大噪声场合,由于微分算子会起到放大噪声的作用,因此梯度算子和拉普拉斯算子对噪声较的作用,因此梯度算子和拉普拉斯算子对噪声较敏感敏感n一种改进的方法是对图像先进行适当的平滑,以一种改进的方法是对图像先进行适当的平滑,以抑制噪声,然后再进行求微分;抑制噪声,然后再进行求微分;第29页,共99页,编辑于2022年,星期五2022/9/2130n基本原理基本原理虽然边缘检测的基本思想很简单,但在实际实现时却遇到很大虽然边缘检测的基本思想很简单,但在实际实现时却遇到很大困难,其根本原因是实际信号都是有噪声的,如图所示困难,其根本原因是实际信号都是有噪声的,如图所示理想边理想边缘信号缘信号
22、有噪声边缘有噪声边缘信号信号如果用前面所说的一阶导数最大值或二阶导数过如果用前面所说的一阶导数最大值或二阶导数过0点的方法检测边点的方法检测边缘点,检测出的都是噪声引起的假的边缘点。缘点,检测出的都是噪声引起的假的边缘点。噪声一般是噪声一般是高频信号高频信号,在噪声前沿或后沿,噪声信号的导,在噪声前沿或后沿,噪声信号的导数一般要数一般要高于边缘点处信号高于边缘点处信号的导数的导数解决方法先对信号进行解决方法先对信号进行平滑滤波平滑滤波,以滤去噪声,以滤去噪声第30页,共99页,编辑于2022年,星期五2022/9/2131如平滑滤波器的冲激响应函数用如平滑滤波器的冲激响应函数用h(x)表示,可
23、对信号先滤表示,可对信号先滤波,滤波后的信号为:波,滤波后的信号为:g(x)=f(x)h(x)然后再对然后再对g(x)求一求一 阶或二阶导数,以检测边缘点阶或二阶导数,以检测边缘点可以将先平滑、后可以将先平滑、后微分的两部分运算微分的两部分运算合并合并将平滑滤波器的导数将平滑滤波器的导数h(x)称为称为一阶微分滤波器,一阶微分滤波器,h(x)称为二称为二阶微分滤波器阶微分滤波器边缘检测的基边缘检测的基本方法为:本方法为:设计平滑滤波器设计平滑滤波器h(x),检测检测f(x)h(x)的局部最的局部最大值或大值或f(x)h(x)的过的过0点点第31页,共99页,编辑于2022年,星期五2022/9
24、/2132平滑滤波器平滑滤波器h(x)应满足下列条件:应满足下列条件:(1)当)当|x|,h(x)0,h(x)为偶函数为偶函数(2)-+h(x)dx=1(3)h(x)一阶和二阶可微一阶和二阶可微保证了信号经平滑滤波保证了信号经平滑滤波器器h(x)滤波后,其均值滤波后,其均值不变不变常用的平滑滤波器为高斯常用的平滑滤波器为高斯(Gauss)函数:函数:为高斯函数的方差,称为高斯分布的为高斯函数的方差,称为高斯分布的空间空间尺度因子尺度因子。小,则函数小,则函数“集中集中”,即仅在一,即仅在一个很小的局部范围内平滑,随个很小的局部范围内平滑,随的增大,平滑的增大,平滑范围也相应增大,但范围也相应增
25、大,但太大太大,噪声虽然平滑,噪声虽然平滑了,但信号的突变部分了,但信号的突变部分(即边缘点处的信号即边缘点处的信号)也被平滑了。也被平滑了。第32页,共99页,编辑于2022年,星期五2022/9/2133Marr边缘检测算法边缘检测算法:h(x)h(x)h(x)对于二维图像信号,对于二维图像信号,Marr提出先用提出先用下述高斯函数进行平滑:下述高斯函数进行平滑:h(x,y)=exp-(x2+y2)/2s s2对待检测图像对待检测图像f(x,y)的平滑结果为:的平滑结果为:g(x,y)=h(x,y)f(x,y)由于边缘点是图像中灰度值变化剧烈的地方,这种图像强度的突变将在一阶导数由于边缘点
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 图象 分割 技术 幻灯片
限制150内