【正文】 中文 4440 字 畢業(yè)設計 /論文 外 文 文 獻 翻 譯 系 別 計算機與電子系 專 業(yè) 班 級 計算機科學與技術(shù) 姓 名 原 文 出 處 Digital Image Processing 2/E 評 分 指 導 教 師 2020 年 3 月 1 圖像分割 前一章的資料使我們所研究的圖像處理方法開始發(fā)生了轉(zhuǎn)變。從輸人輸出均為圖像的處理方法轉(zhuǎn)變?yōu)檩斎藶閳D像而輸出為從這些圖像中提取出來的屬性的處理方法〔這方面在 節(jié)中定義過 )。圖像分割是這一方向的另一主要步驟。 分割將圖像細分為構(gòu)成它的子區(qū)域或?qū)ο?。分割的程度取決于要解決的問題。就是說當感興趣的對象已經(jīng)被分離出來時就停止分割。例如，在電子元件的自動檢測方面，我們關(guān)注的是分析產(chǎn)品的圖像，檢測是否存在特定的異常狀態(tài)，比如，缺失的元件或斷裂的連接線路。超過識別這此元件所需的 分割是沒有意義的。 異常圖像的分割是圖像處理中最困難的任務之一。精確的分割決定著計算分析過程的成敗。因此，應該特別的關(guān)注分割的穩(wěn)定性。在某些情況下，比如工業(yè)檢測應用，至少有可能對環(huán)境進行適度控制的檢測。有經(jīng)驗的圖像處理系統(tǒng)設計師總是將相當大的注意力放在這類可能性上。在其他應用方面，比如自動目標采集，系統(tǒng)設計者無法對環(huán)境進行控制。所以，通常的方法是將注意力集中于傳感器類型的選擇上，這樣可以增強獲取所關(guān)注對象的能力，從而減少圖像無關(guān)細節(jié)的影響。一個很好的例子就是，軍方利用紅外線圖像發(fā)現(xiàn)有很強熱信號的目標 ，比如移動中的裝備和部隊。 圖像分割算法一般是基于亮度值的不連續(xù)性和相似性兩個基本特性之一。第一類性質(zhì)的應用途徑是基于亮度的不連續(xù)變化分割圖像，比如圖像的邊緣。第二類的主要應用途徑是依據(jù)事先制定的準則將圖像分割為相似的區(qū)域，門限處理、區(qū)域生長、區(qū)域分離和聚合都是這類方法的實例。 本章中，我們將對剛剛提到的兩類特性各討論一些方法。我們先從適合于檢測灰度級的不連續(xù)性的方法展開，如點、線和邊緣。特別是邊緣檢測近年來已經(jīng)成為分割算法的主題。除了邊緣檢測本身，我們還會討論一些連接邊緣線段和把邊緣“組裝 ”為邊界的方法。關(guān)于邊緣檢測的討論將在介紹了各種門限處理技術(shù)之后進行。門限處理也是一種人們普遍關(guān)注的用于分割處理的基礎性方法，特別是在速度因素占重要地位的應用中。關(guān)于門限處理的討論將在幾種面向區(qū)域的分割方法展開的討論之后進行。之后，我們將討論一種稱為分水嶺分割法的形態(tài)學 2 圖像分割方法。這種方法特別具有吸引力，因為它將本章第一部分提到的幾種分割屬性技術(shù)結(jié)合起來了。我們將以圖像分割的應用方面進行討論來結(jié)束本章。 間斷檢測 在本節(jié)中，我們介紹幾種用于檢測數(shù)字圖像中三種基本的灰度級間斷技術(shù) :點、線和邊緣。尋找 間斷最一般的方法是以 一個模板進行檢測。圖 101所示的 3x3 模板，這一過程包括計算模板所包圍區(qū)域內(nèi)灰度級與模板系數(shù)的乘積之和。就是說，關(guān)于式 ()，在圖像中任意點的模板響應由下列公式給出： ???????9199.. .2211iw iz izwzwzwR（ ） 1W 2W 3W 4W 5W 6W 7W 8W 9W 圖 101 一個一般的 3*3 模板 這里 Zi 是與模板系數(shù) Wi相聯(lián)系的像素的灰度級。照例，模板響應是它的中心位置。有關(guān)執(zhí)行模板操作的細節(jié)在 。 點檢測 在一幅圖像中，孤立點的檢測在理論上是簡單的。使用如圖 102(a)所示的模板，如果 |R| ≥ T () 我們說在模板中心的位置上已經(jīng)檢測到一個點。這里 T是一個非負門限， R由式()給出。基本上，這個公式是測量中心點和它的相鄰點之間加權(quán)的差值。基本思想就是 :如果一個孤立的點 (此點的灰度級與其背景的差異相當大并且它所在的位置是一個均勻的或近似均勻的區(qū)域 )與它周圍的點很不相同，則很容易被這類模板檢測到。注意，圖 102(a)中的模板同圖 (d)中給出的模板在拉 3 普拉斯操作方而是相同的。嚴格地講，這里強調(diào)的是點的檢測。即我們著重考慮的差別是那些足以識別為孤立點的差異 (由 T 決定 )。注意， 模板系數(shù)之和為零表示在灰度級為常數(shù)的區(qū)域，模板響應為零。 1 1 1 1 8 1 1 1 1 （ a） （ b） （ c） （ d） 圖 102 （ a）點檢測模板，（ b）帶有通孔的渦輪葉片的 X 射線，（ c）點檢測的 結(jié)果，（ d）使用式（ ）得到的結(jié)果（原圖由 XTEK 系統(tǒng)公司提供） 例 圖像中孤立點的檢瀏 我們以圖 102(b)功為輔助說 明如何從一幅圖中將孤立點分割出來 .這幅 X射線圖顯示了一個帶有通孔的噴氣發(fā)動抓渦槍葉片，通孔位于圈像的右上象限。在孔中只嵌有一個黑色像素。圖 102(c)是將點檢測模板應用于 X射線圖像后得到的結(jié)果 .圖 102(d)顯示了當 T取圖 102(c)中像素最高絕襯值的 90%時，應用式 ()所得的結(jié)果 (門限選擇將在 節(jié)中詳細討論 )。圖中的這個單一的像素清晰可見 (這個像素被人為放大以便印刷后可以看到 )。由于這類檢測是基于單像素間斷，并且檢測器模板的區(qū)域有一個均勻的背景，所以這個檢測過程是相當有專用性的當這 一條件不能滿足時，本章中計論的其他方法會更適合檢測灰度級間斷 線檢測 復雜程度更高一級的檢測是線檢測，考慮圖 103 中顯示的模板。如果第 l個模板在圖像中移動，這個模板將對水平方向的線條 (一個像素寬度 )有更強的響 4 應。在一個不變的背景上，當線條經(jīng)過模板的中間一行時會產(chǎn)生響應的最大值。畫一個元素為 1的簡單陣列，并且使具有不同灰度級 (如 5)的一行水平穿過陣列，可以很容易驗證這一點。同樣的實驗可以顯示出圖 103 中的第 2個模板對于 45176。方向線有最佳響應 。第 3個模板對于垂直線有最佳響應 。第 4個模板對于 45176。方向線有最佳響應 。這些方向也可以通過注釋每個模板的優(yōu)選方向來設置，即在這些方向上用比別的方向更大的系數(shù) (為 2)設置權(quán)值。注意每個模板系數(shù)相加的總和為零，表示在灰度級恒定的區(qū)域來自模板的響應為零。 Horizontal +45176。 Vertical 45176。 圖 103 線模板 令 R1， R2， R3 和 R4。從左到右代表圖 103中模板的響應，這里 R 的值由式()給出。 假設 4 個模板分別應用于一幅圖像，在圖像中心的點，如果 |Ri||Rj| , j≠ i，則此點被認為與在模板 i 方向上的線更相關(guān)。例如，如果在圖中的一點有|Ri||Rj| ,j=2,3,4，我們說此特定點與水平線有更大的聯(lián)系。 換句話說，我們可能對檢測特定方向上的線感興趣。在這種情況下，我們應使用與這一方向有關(guān)的模板，并設置該模板的輸出門限，如式 ()所示。換句話說，如果我們對檢測圖像中由給定模板定義的方向上的所有線感興趣 .只需要簡單地通過整幅圖像運行模板，并對 得到的結(jié)果的絕對值設置門限即可。留下的點是有最強響應的點。對于一個像素寬度的線，這些響應最靠近模板定義的對應方向。下列例子說明了這一過程。 例 特定方向上的線檢測 圖 104(a)顯示了一幅電路接線模板的數(shù)字化 (二值的 )圖像。假設我們要找到一個像素寬度的并且方向為 45176。的線條?；谶@個假設，使用圖 103中最后一個模板。圖 104(b)顯示了得到的結(jié)果的絕對值。注意，圖像中所有水平和垂直的部分都被除去了。并且在圖 104(b)中所有原圖中接近 45176。方向的部分產(chǎn)生了最強響應。 1 2 1 2 2 1 1 1 1 1 2 1 2 1 2 1 2 1 1 2 1 1 1 1 2 1 1 1 2 1 2 1 1 2 1 1 2 （ a） （ b） （ c） 圖 104 線檢測的說明。（ a）二進制電路接線模板，（ b）使用 45176。線檢測器 處理后得到的絕對值，（ c）對圖像（ b）設置門限得到的結(jié)果 為了決定哪一條線擬合模板最好，只需要簡單地對圖像設置門限。圖 104(c)顯示了使門限等于圖像中最大值后得到的結(jié)果。對于與這個例子類似的應用，讓門限等于最大值是一個好的選擇，因為輸入圖像是二值的，并且我們要尋找的是最強響應。圖 104(c)顯示了在白色區(qū)所有通 過門限檢測的點。此時，這一過程只提取了一個像素寬且方向為 45176。的線段 (圖像中在左上象限中也有此方向上的圖像部分，但寬度不是一個像素 )。圖 104(c)中顯示的孤立點是對于模板也有相同強度響應的點。在原圖中，這些點和與它們緊接著的相鄰點，是用模板在這些孤立位置上生成最大響應的方法來定向的。這些孤立點也可以使用圖102(a)中的模板進行檢測，然后刪除，或者使用下一章中討論的形態(tài)學腐蝕法刪除。 邊緣檢側(cè) 盡管在任何關(guān)于分割的討論中，點和線檢測都是很重要的，但是邊緣檢測對 3 于灰度級間斷的檢測是 最為普遍的檢測方法。本節(jié)中，我們討論實現(xiàn)一階和二階數(shù)字導數(shù)檢測一幅圖像中邊緣的方法。在 節(jié)介紹圖像增強的內(nèi)容中介紹過這些導數(shù)。本節(jié)的重點將放在邊緣檢測的特性上。某些前面介紹的概念在這里為了敘述的連續(xù)性將進行簡要的重述。 基本說明 在 節(jié)中我們非正式地介紹過邊緣。本節(jié)中我們更進一步地了解數(shù)字化邊緣的概念。直觀上，一條邊緣是一組相連的像素集合。這些像素位于兩個區(qū)域的邊界上。然而，我們已經(jīng)在 節(jié)中用一定的篇幅解釋了一條邊緣和一條邊界的區(qū)別。從根本上講，如我們將要看到的，一條邊緣是一個“ 局部”概念，而由于其定義的方式，一個區(qū)域的邊界是一個更具有整體性的概念。給邊緣下一個更合理的定義需要具有以某種有意義的方式測量灰度級躍變的能力。 我們先從直觀上對邊緣建模開始。這樣做可以將我們引領(lǐng)至一個能測量灰度級有意義的躍變的形式體系中。從感覺上說，一條理想的邊緣具有如圖 105(a)所示模型的特性。依據(jù)這個模型生成的完美邊緣是一組相連的像素的集合 (此處為在垂直方向上 )，每個像素都處在灰度級躍變的一個垂直的臺階上 (如圖形中所示的水平剖面圖 )。 實際上，光學系統(tǒng)、取樣和其他圖像采集的不完善性使得到的 邊緣是模糊的，模糊的程度取決于諸如圖像采集系統(tǒng)的性能、取樣率和獲得圖像的照明條件等因素。結(jié)果，邊緣被更精確地模擬成具有“類斜面”的剖面，如圖 105(b)所示。斜坡部分與邊緣的模糊程度成比例。在這個模型中，不再有細線 (一個像素寬的線條 )。相反，現(xiàn)在邊緣