图像处理图像分割.pptx

《图像处理图像分割.pptx》由会员分享，可在线阅读，更多相关《图像处理图像分割.pptx（98页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、图像分割图像分割 图像分割的目的是理解图像的内容，提取出感兴趣的对象。分割是将图像细分为一个个子区域或对象。分割的成度取决于要解决的问题。精确的分割决定着图像分析的成败。第1页/共98页图像分割图像分割图像分割算法基于亮度值的两个特性：不连续性（边缘）相似性（区域）第2页/共98页图像分割图像分割间断检测边缘连接和边界检测门限处理基于区域的分割基于形态学分水岭的分割分割中运动的应用第3页/共98页一、间断检测一、间断检测点检测线检测边缘检测方法：利用模板进行检测第4页/共98页、点检测、点检测当在模板中心的位置上已经检测到一个点。基本思想：如果一个孤立的点与它周围的点很不相同，则很容易被这类模

2、板检测到。-1-1-1-18-1-1-1-1第5页/共98页、点检测、点检测涡轮叶片的X射线图第6页/共98页、线检测、线检测第7页/共98页例：线检测例：线检测找一个像素宽，且方向为-45度的线条。第8页/共98页、边缘检测、边缘检测一条边缘是一组相连的像素集合。这些像素位于两个区域的边界上。边缘：灰度级跃变。模糊边缘：取决于图像采集系统的性能、取样率和照明条件等。第9页/共98页、边缘检测、边缘检测理想边缘模型斜坡边缘模型第10页/共98页、边缘检测、边缘检测一阶导数判断一个点是否是边缘上的点。二阶导数判断一个边缘像素在亮的一边还是在暗的一边。第11页/共98页高斯噪声标准差为0.1标准差

3、为10.0标准差为1.0噪声边缘附近的一阶和二阶导数性质。第12页/共98页梯度算子检测对角边缘第13页/共98页例：利用梯度进行边缘检测例：利用梯度进行边缘检测第14页/共98页、边缘检测、边缘检测梯度算子第15页/共98页、边缘检测、边缘检测梯度算子对角边缘检测第16页/共98页、边缘检测、边缘检测拉普拉斯算子n拉普拉斯算子是对二维函数进行运算的二阶导数标量算子。它定义为：n可以用下面的模板来实现。0-10-14-10-10-1-1-1-18-1-1-1-1第17页/共98页、边缘检测、边缘检测拉普拉斯算子边缘检测的缺点：对噪声具有强敏感性产生双边缘不能检测边缘的方向拉普拉斯算子在分割中所

4、起的作用：利用它的零交叉的性质进行边缘定位；确定一个像素在一条边缘暗的一边还是亮的一边。拉普拉斯高斯算子第18页/共98页、边缘检测、边缘检测拉普拉斯高斯算子拉普拉斯算子与平滑过程一起利用零交叉性质进行边缘定位:h(r)高斯平滑滤波器：高斯型的拉普拉斯算子LoG第19页/共98页、边缘检测、边缘检测高斯型的拉普拉斯算子LoG小模板仅对基本无噪声的图像有用第20页/共98页、边缘检测、边缘检测高斯型函数的目的：对图像进行平滑。拉普拉斯算子的目的：提供一幅零交叉确定边缘位置的图像。第21页/共98页例：利用零交叉性质进行边缘定位例：利用零交叉性质进行边缘定位27*27高斯型平滑模板第22页/共98

5、页二、边缘连接和边界检测二、边缘连接和边界检测局部处理通过霍夫变换进行整体处理 由于噪声、不均匀照明或其他因素而产生边缘间断，使得一组像素不能描绘一条边缘，则应通过边缘连接将边缘像素组合成有意义的边缘。第23页/共98页、局部处理、局部处理分析图像中每个点的一个小邻域内像素的特点，依据事先规定的准则，将相似的点连接起来，形成由共同满足这些准则的像素组成的一条边缘。第24页/共98页、局部处理、局部处理确定边缘像素相似性的两个主要性质：在幅度上相似性在梯度向量方向上的相似性第25页/共98页例：基于局部处理的边缘点连接例：基于局部处理的边缘点连接连接：梯度值大于25；方向差不超过15度找到适合车

6、牌照大小的矩形。Sobel算子第26页/共98页、通过霍夫变换进行整体处理、通过霍夫变换进行整体处理特点：考虑像素之间的整体关系例：在图像中有n个点，假设我们希望找到 这些点中位于直线上的点组成的子集。第27页/共98页、通过霍夫变换进行整体处理、通过霍夫变换进行整体处理xy平面参数空间第28页/共98页算法：算法：1.1.在参数空间在参数空间(u,v)u,v)内建立两维数组内建立两维数组 A(u,v)A(u,v);2.2.在开始时将数组置零在开始时将数组置零3.3.对图像空间的每一个待检测点对图像空间的每一个待检测点(x xi,i,y yi i)，令，令 u u 取遍所有可能的取值，并计算对

7、应取遍所有可能的取值，并计算对应的的 v v。4.4.对计算得到的对计算得到的(u,v)(u,v)，对，对A(u,v)A(u,v)中相应单元进行累加中相应单元进行累加:A(u,v)=A(u,v)+1A(u,v)=A(u,v)+15.5.根据根据 A(u,v)A(u,v)的值，确定有多少点是共线的，的值，确定有多少点是共线的，同时可以知道线条的参数同时可以知道线条的参数 (u,v)(u,v)。u uv vv=-xv=-xi i u u+y yi i y=u x y=u x+v v第29页/共98页、通过霍夫变换进行整体处理、通过霍夫变换进行整体处理表示一条直线，当直线接近垂直时，斜率接近无限大。

8、问题：第30页/共98页例：霍夫变换说明例：霍夫变换说明第31页/共98页、通过霍夫变换进行整体处理、通过霍夫变换进行整体处理霍夫变换适用于任何形式为 的函数。v是坐标向量，c是系数向量例：位于圆上的点霍夫变换的复杂性是与给定函数表达式的坐标和系数的数目成比例的。第32页/共98页、通过霍夫变换进行整体处理、通过霍夫变换进行整体处理一种基于霍夫变换的连接方式：计算图像的梯度并对其设置门限得到一幅二值图像；在平面内确定细分；对像素高度集中的地方检验其累加器单元中的数目；检验选择的单元中像素之间的关系（主要针对连续性）；第33页/共98页例：通过霍夫变换进行边缘连接例：通过霍夫变换进行边缘连接判断

9、相连像素准则：这些像素属于3个最高计数的累加器单元之一。像素之间的间隔小于5个像素。第34页/共98页三、门限处理三、门限处理优势：直观性易于实现在图像分割中处中心地位第35页/共98页基础基础全局局部自适应门限第36页/共98页、亮度的作用、亮度的作用目的：讨论亮度对门限处理的影响，特别是对全局门限处理的影响。第37页/共98页、亮度的作用、亮度的作用对象和背景的反射性质使他们易于分离。然而，亮度条件不好，图像难分割。第38页/共98页、亮度的作用、亮度的作用的直方图由直方图卷积给出。为什么反射函数直方图中可区分的波谷被亮度抹去？第39页/共98页、亮度的作用、亮度的作用补偿光源不均匀性的解

10、决方法：将亮度图投影到一个不变的、白色反射面上。则：分割门限为第40页/共98页、基本全局门限、基本全局门限第41页/共98页、基本全局门限、基本全局门限自动获取阈值：1.选择一个T的初始估计值；2.用T分割图像。这样做会分成两组像素：G1由所有灰度值大于T的像素组成，而G2由所有灰度值小于或等于T的像素组成。3.对区域G1和G2中的所有像素计算平均灰度值 和4.计算新的门限值：5.重复步骤2到4，直到逐次迭代所得的T值之差小于事先定义的参数T0.第42页/共98页例：使用全局门限进行图像分割例：使用全局门限进行图像分割初始值：平均灰度值T0=03次迭代，T=125.4T=125第43页/共9

11、8页、基本自适应门限、基本自适应门限将图像进一步细分为子图像，并对不同的子图像使用不同的门限进行分割。关键问题：如何细分？如何为子图像估计门限值？第44页/共98页例：基本自适应门限处理例：基本自适应门限处理包含边界的子图像方差大于100，否则小于75第45页/共98页例：基本自适应门限处理例：基本自适应门限处理第46页/共98页、最佳全局和自适应门限、最佳全局和自适应门限最小平均分割误差的估计门限的方法假设一幅图像仅包含两个主要的灰度级区域。为灰度值；直方图看作概率密度函数的估计总密度函数是两个密度函数的和或混合。一个是图像中亮区域的密度一个是图像中暗区域的密度第47页/共98页、最佳全局和

12、自适应门限、最佳全局和自适应门限混合概率密度函数：目的：选择一个T值，使得在决定一个像素是属于对象还是背景时的平均出错率降至最小。第48页/共98页、最佳全局和自适应门限、最佳全局和自适应门限错误概率：平均出错率：第49页/共98页、最佳全局和自适应门限、最佳全局和自适应门限高斯密度函数（两个参数）：均值和方差v混合概率密度：v门限：第50页/共98页、最佳全局和自适应门限、最佳全局和自适应门限如果两个密度函数的方差相等：则混合密度函数的估计：第51页/共98页例：使用最佳门限对图像进行分割例：使用最佳门限对图像进行分割心血管造影照片，目的自动描绘心脏的左心室边界预处理：1、对数变换，减少辐射

13、吸收引起的指数变换。2、图像减法，去除图像中的脊柱。3、图像加法，减少随机噪声。第52页/共98页、最佳全局和自适应门限、最佳全局和自适应门限区域A的直方图检测双峰直方图，去除单峰直方图利用双峰的高斯密度曲线拟合区域B的直方图第53页/共98页、最佳全局和自适应门限、最佳全局和自适应门限上述处理，获得了双峰直方图区域的门限。其它区域的门限，逐点运用内插法确定门限，保证每个点有一个门限。第54页/共98页5 5、利用边界特性改进直方图和局部、利用边界特性改进直方图和局部门限处理门限处理一种改进直方图形状的方法是只考虑那些位于对象和背景之间边缘上或在边缘附近的像素。改进的直方图具有对称性边缘已知？

14、根据梯度和拉普拉斯算子准则选择像素，构成直方图的波谷。第55页/共98页5 5、利用边界特性改进直方图和局部、利用边界特性改进直方图和局部门限处理门限处理由梯度和拉普拉斯算子得到三级图像：不在边缘上的像素在暗的一边像素在亮的一边像素第56页/共98页亮背景下所写的下划线的暗图像打印标记包含对象部分的一条水平或垂直扫描线具有如下结构：()(-,+)(0或+)(+,-)()第57页/共98页例：用局部门限的图像分割例：用局部门限的图像分割梯度值大于5的像素的直方图银行支票第58页/共98页6 6、基于不同变量的门限、基于不同变量的门限多谱段门限处理如彩色图像，生成三维直方图：若每个像素有16种可能

15、的灰度级，就构成了161616的网格。门限处理的概念变成在三维空间内寻找点的聚簇的过程。接近一个簇的像素赋于一个值其它的像素赋于其它的值第59页/共98页6 6、基于不同变量的门限、基于不同变量的门限围巾是鲜红色，头发和脸部的颜色很浅且与背景的颜色不同。肤色红色第60页/共98页四、基于区域的分割四、基于区域的分割目的：将图像划分为不同区域。基本公式区域生长区域分离与合并第61页/共98页1 1、基本公式、基本公式R表示整幅图像区域，基于区域的分割是将R划分为n个子区域R1,R2,Rn的过程：第62页/共98页、区域生长、区域生长区域生长：是一种根据事先定义的相似性准则将像素或子区域聚合成更大

16、区域的过程。基本方法：以一组种子点开始，将与种子点性质相似的相邻像素附加到生长区域的每个种子上。第63页/共98页、区域生长、区域生长1.根据所解决问题的性质而选择一个或多个起点；2.相似性准则的选择；3.连通性和相邻性信息的使用；4.区域生长的终止规则。第64页/共98页例：区域生长在焊缝检测中的应用例：区域生长在焊缝检测中的应用1.任何像素和种子之间的灰度级绝对差必须小于65。2.添入某一个区域的像素必须与此区域中至少一个像素是8连通的。第65页/共98页、区域分离与合并、区域分离与合并对R进行分割的一种方法是反复将分割得到的结果图像再次分为四个区域，直到对任何区域都有然后进行区域聚合：仅

17、对相邻的区域进行聚合，但聚合的区域必须满足谓词P。第66页/共98页、区域分离与合并、区域分离与合并1.对于任何区域 ，如果 ，就将每个区域都拆分成4个相邻的区域。2.将 的任意两个相邻区域 和 进行聚合。3.当再无法进行聚合和拆分时操作停止。第67页/共98页例：拆分和聚合例：拆分和聚合相似性准则：区域 内至少有80的像素具有 的性质，就定义原图拆分和聚合门限处理第68页/共98页五、基于形态学分水岭的分割五、基于形态学分水岭的分割基本概念水坝构造分水岭分割算法应用标记第69页/共98页、基本概念、基本概念分水岭概念是以图像进行三维可视化处理为基础的：其中两个是坐标，另一个是灰度级。考虑三类

18、点：n属于局部性最小值的点；n汇水盆地或分水岭；n分割线或分水线。第70页/共98页、基本概念、基本概念分水岭分割算法主要目的：是找出分水线。基本思想：假设在每个区域最小值的位置上打一个洞，并且让水以均匀的上升速率从洞中涌出，从低到高淹没整个地形。当处在不同的汇聚盆地中的水将要聚合在一起时，修建的大坝将阻止聚合。大坝的边界对应于分水岭的分水线。第71页/共98页、基本概念、基本概念第72页/共98页、基本概念、基本概念分水岭分割算法的主要应用：从背景中提取灰度值近似均匀的对象。第73页/共98页、水坝构造（分水线）、水坝构造（分水线）几个符号：表示在两个区域极小值中包含的点的坐标集合。表示第n

19、-1阶段汇水盆地中的点的坐标集合。表示汇水盆地集合的联合。n构造水坝：以二值图像为基础。n方法：形态学膨胀算法。第74页/共98页、水坝构造、水坝构造膨胀受到q的约束在引起集合聚合的那些点上不能执行膨胀淹没步骤的第n-1步图像第n步，q表示此时的连通分量第75页/共98页3 3、分水岭分割算法、分水岭分割算法为梯度图像，min和max代表最小值和最大值第n阶段汇水盆地被水淹没的部分的集合所有汇水盆地的集合第n阶段汇水盆地中点的坐标的集合第76页/共98页与n同步增长结论：中每个连通分量都恰好是的一个连通分量。第77页/共98页假设在第n步时，已经构造了Q代表Tn中的连通分量，对于每个连通分量第

20、78页/共98页例：分水岭分割算法说明例：分水岭分割算法说明带有斑点图像梯度图像分水线叠加于原图的分水线第79页/共98页、应用标记、应用标记噪声和梯度的局部不规则性将造成过渡分割电泳现象图像对梯度图像使用分水岭分割结果第80页/共98页、应用标记、应用标记一个标记是属于一个连通分量：重要对象相联系的内部标记；同背景相联系的为外部标记。选择标记的过程：预处理定义一个所有标记必须满足的准则集合。第81页/共98页、应用标记、应用标记显示标记分割图像第82页/共98页六、分割中运动的应用六、分割中运动的应用空间技术频域技术第83页/共98页、空间技术、空间技术基本方法检测两帧图像之间的变化的最简单

21、方法是将两幅图像逐个像素进行比较。第84页/共98页、空间技术、空间技术考虑几帧图像中同一个像素的变化。思想：忽略在序列帧上零星出现的变化，并将其归于随机噪声的影响。考虑一个图像帧序列一幅累计差异图像是由将基准图像和图像序列中后续图像进行对比得到的。差异积累第85页/共98页、空间技术、空间技术差异积累假设运动对象的灰度值大于背景的灰度值。第86页/共98页、空间技术、空间技术差异积累绝对ADI正ADI负ADI第87页/共98页、空间技术、空间技术设置基准帧第88页/共98页、频域技术、频域技术通过傅里变换确定对运动的估计。考虑一个序列由一个固定的照相机拍摄帧大小为的数字图像。个像素的对象，它

22、具有单位亮度并以恒定速度运动。第89页/共98页、频域技术、频域技术对一个有幅大小为的数字图像的序列，在任何值为整数的瞬时点上，图像加权投影于x轴上的和是：y轴上的投影之和是：第90页/共98页、频域技术、频域技术一维傅里叶变换分别为：频率和速度关系：第91页/共98页、频域技术、频域技术例：帧频是每秒两幅图像，像素之间的距离是0.5m，则在x轴方向上的真实的物理速度是：速度单位是用每总帧时间内的运动像素数来表示的。第92页/共98页、频域技术、频域技术速度的x分量的符号通过计算下式得到：符号相同，则速度分量 是正的；符号相反，则速度分量 是负的；第93页/共98页例：通过频率域检测小运动目标例：通过频率域检测小运动目标下图为序列图像中的一帧，图像中加入了白噪声，叠加了一个运动目标，这个目标以x轴方向上每帧0.5个像素的速度，y轴上每帧1个像素的速度运动。第94页/共98页例：通过频率域检测小运动目标例：通过频率域检测小运动目标圆圈内9个像素图像的亮度图第95页/共98页例：通过频率域检测小运动目标例：通过频率域检测小运动目标x轴第96页/共98页例：通过频率域检测小运动目标例：通过频率域检测小运动目标y轴第97页/共98页感谢您的观看！第98页/共98页