數(shù)字圖像處理之圖像分割(已修改)
2025-05-31 05:47 本頁(yè)面
【正文】 第六章 圖像分割 主要內(nèi)容 ? 圖像分割概述 ? 閾值分割 ? 邊緣檢測(cè) ? 區(qū)域分割 ? Hough變換檢測(cè)法 圖像分割概述 ? 圖像分割是指通過(guò)某種方法，使得畫 ? 面場(chǎng)景中的目標(biāo)物被分為不同的類別。 ? 通常圖像分割的實(shí)現(xiàn)方法是，將圖像 ? 分為“黑”、“白”兩類，這兩類分別代 ? 表了兩個(gè)不同的對(duì)象。 ? 因?yàn)榻Y(jié)果圖像為二值圖像，所以通常 ? 又稱圖像分割為圖像的二值化處理 。 ? 圖像分割是比較困難的事情，原因是畫面中的場(chǎng)景通常是復(fù)雜的，要找出兩個(gè)模式特征的差異，并且可以對(duì)該差異進(jìn)行數(shù)學(xué)描述都是比較難的。 圖像分割概述 圖像分析系統(tǒng)的基本構(gòu)成如下圖 ： 知識(shí)庫(kù) 表示與描述 預(yù)處理 分割 低級(jí)處理 高級(jí)處理 中級(jí)處理 識(shí)別 與 解釋 結(jié)果 圖像獲取 問(wèn)題 在該系統(tǒng)中，圖像的增強(qiáng)和恢復(fù)可以看作預(yù)處理，其輸入、輸出均是圖像，它是傳統(tǒng)的圖像處理的內(nèi)容。而圖像分割、特征提取及結(jié)構(gòu)分析等稱為圖像識(shí)別，其輸入是圖像，輸出是描述或解釋。 ?圖像分割的目的 ? 把圖像分解成構(gòu)成它的部件和對(duì)象； ? 有選擇性地定位感興趣對(duì)象在圖像中的位置和范圍 。 圖像分割 — 引言 ? 從簡(jiǎn)到難，逐級(jí)分割 ? 控制背景環(huán)境，降低分割難度 ? 注意力集中在感興趣的對(duì)象，縮小不相干圖像成分的干擾。 圖像分割 — 引言 圖像分割的基本思路 提取輪廓 車牌定位 車牌識(shí)別 令集合 R代表整個(gè)圖像區(qū)域，對(duì) R的分割可看作將 R分成 N個(gè)滿足以下五個(gè)條件 的非空子集（子區(qū)域） R1， R2， … ， RN： ? ； ? 對(duì)所有的 i和 j， i≠j，有 Ri∩Rj =φ； ? 對(duì) i = 1,2,…,N ，有 P(Ri) = TRUE； ? 對(duì) i≠j,有 P(Ri∪ Rj) = FALSE； ? 對(duì) i =1,2,…,N ， Ri是連通的區(qū)域。 ? 其中 P(Ri)是對(duì)所有在集合 Ri中元素的邏輯謂詞 ,φ代表空集。 RRNii ???1 圖像分割 — 引言 圖像分割的基本策略： ? 把像素按灰度劃分到各個(gè)物體對(duì)應(yīng)的 區(qū)域中去； ? 確定存在于區(qū)域間的邊界； ? 先確定邊緣像素點(diǎn)，然后將它們連接起來(lái) 構(gòu)成所需的邊界； 區(qū)域：像素的連通集 連通準(zhǔn)則： 4連通 8連通 1) 基于邊緣的分割方法 :先提取區(qū)域邊界，再確定邊界限定的區(qū)域。 2) 區(qū)域分割 :確定每個(gè)像素的歸屬區(qū)域，從而形成一個(gè)區(qū)域圖。 3) 區(qū)域生長(zhǎng) :將屬性接近的連通像素聚集成區(qū)域。 4) 分裂－合并分割 :綜合利用前兩種方法，既存在圖像的劃分，又有圖像的合并。 分割對(duì)象 分割對(duì)象 ? 圖像分割 將圖像中有意義的特征或需要應(yīng)用的特征提取出來(lái) 1）按幅度不同來(lái)分割各個(gè)區(qū)域：幅度分割 2）按邊緣不同來(lái)劃分各個(gè)區(qū)域：邊緣檢測(cè) 3）按形狀不同來(lái)分割各個(gè)區(qū)域：區(qū)域分割 總結(jié) 圖像閾值分割是一種廣泛應(yīng)用的分割技術(shù)，利用圖像中要提取的 目標(biāo) 物與其背景在灰度特性上的差異 ，把圖像視為具有不同 灰度級(jí) 的兩類區(qū)域 (目標(biāo)和背景 )的組合，選取一個(gè)合適的閾值，以確定圖像中每個(gè)象素點(diǎn)應(yīng) 該屬于目標(biāo)還是背景區(qū)域，從而產(chǎn)生相應(yīng)的二值圖像。 閾值分割法的特點(diǎn)是： 適用于物體與背景有較強(qiáng)對(duì)比的情況，重要的 是背景或物體的灰度比較單一；而且總可以得到封閉且連通區(qū)域的邊界。 圖像二值化 設(shè)原始圖像 f(x,y)，以一定的準(zhǔn)則在 f(x,y)中找出一個(gè)合適的灰度值，作為閾值 t，則分割后的圖像 g(x,y)，可由下式表示： g(x,y)= 1 f(x,y)≥t 0 f(x,y)t g(x,y)= 1 f(x,y)≤t 0 f(x,y)t 或 閾值分割 另外，還可以將閾值設(shè)置為一個(gè)灰度范圍 [t1,t2]，凡是灰度在范圍內(nèi)的象素都變?yōu)?1，否則皆變?yōu)?0，即 g(x,y)= 1 t1≤f(x,y)≤t2 0 其它 某種特殊情況下，高于閾值 t的象素保持原灰度級(jí)，其它象素都變?yōu)?0，稱為半閾值法，分割后的圖像可表示為： g(x,y)= f(x,y) f(x,y)≥t 0 其它 閾值分割圖像的基本原理，可用下式表示： g(x,y)= ZE f(x,y)∈ Z ZB 其它 閾值 閾值的選取時(shí)閾值分割技術(shù)得關(guān)鍵，如果過(guò)高，則過(guò)多的目標(biāo)點(diǎn)被誤歸為背景；如果閾值過(guò)低，則會(huì)出現(xiàn)相反的情況。 由此可見(jiàn)，閾值化分割算法主要有兩個(gè)步驟： 1) 確定需要的分割閾值； 2) 將分割閾值與象素值比較以劃分象素 。 在利用閾值方法來(lái)分割灰度圖像時(shí)一般都對(duì)圖像有一定的假設(shè)?；谝欢ǖ膱D像模型的。最常用的模型： 假設(shè)圖像由具有單峰灰度分布的目標(biāo)和背景組成，處于目標(biāo)或背景內(nèi)部相鄰象素間的灰度值是高度相關(guān)的，但處于目標(biāo)和背景交界處兩邊的象素在灰度值上有很大的差別。 如果一幅圖像滿足這些條件，它的灰度直方圖基本上可看作是由分別對(duì)應(yīng)目標(biāo)和背景的兩個(gè)單峰直方圖混合構(gòu)成的。 ?簡(jiǎn)單直方圖分割法 雙峰法閾值 (根據(jù)直方圖來(lái)確定閾值） 60年代中期， Prewitt提出了直方圖雙峰法，即如果灰度級(jí)直方圖呈明顯的雙峰狀，則選取兩峰之間的谷底所對(duì)應(yīng)的灰度級(jí)作為閾值。 Z1 Zi Zt Zj Zk 暗 亮 P 背景 目標(biāo) 圖像灰度直方圖 雙峰法選取閾值的缺點(diǎn)： 會(huì)受到噪音的干擾，最小值不是預(yù)期的閾值， 而偏離期望的值。 改進(jìn)辦法： 1）取兩個(gè)峰值之間某個(gè)固定位置，如中間位置上。由于峰 值代表的是區(qū)域內(nèi)外的典型值，一般情況下，比選谷底更可靠，可排除 噪音的干擾； 2）加強(qiáng)對(duì)噪音的處理。對(duì)直方圖進(jìn)行平滑處理，如最小 二乘法等補(bǔ)點(diǎn)插值。 直方圖閾值法 matlab實(shí)現(xiàn) ? 函數(shù)： im2bw，全局閾值函數(shù) ? BW=im2bw（ I ,level)。 ? BW=im2bw（ I ,map ,level)。 ? BW=im2bw（ RGB ,level)。 ? 分別將灰度圖像、索引圖像、彩色圖像轉(zhuǎn)化為二值圖像， ? level，為歸一化閾值 例子 ? Clear all ? I=imread(‘’) ? figure,imshow(I)。 ? Figure。imhist(I) ? I1=im2bw(I,110/255) ? figure,imshow(I1)。 最佳閾值 所謂 最佳閾值 是指圖像中目標(biāo)
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1