【正文】 中文 4440 字 畢業(yè)設(shè)計(jì) /論文 外 文 文 獻(xiàn) 翻 譯 系 別 計(jì)算機(jī)與電子系 專(zhuān) 業(yè) 班 級(jí) 計(jì)算機(jī)科學(xué)與技術(shù) 姓 名 原 文 出 處 Digital Image Processing 2/E 評(píng) 分 指 導(dǎo) 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(kāi)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(lái)的屬性的處理方法〔這方面在 節(jié)中定義過(guò) )。圖像分割是這一方向的另一主要步驟。 分割將圖像細(xì)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(wèn)題。就是說(shuō)當(dāng)感興趣的對(duì)象已經(jīng)被分離出來(lái)時(shí)就停止分割。例如，在電子元件的自動(dòng)檢測(cè)方面，我們關(guān)注的是分析產(chǎn)品的圖像，檢測(cè)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(xiàn)路。超過(guò)識(shí)別這此元件所需的 分割是沒(méi)有意義的。 異常圖像的分割是圖像處理中最困難的任務(wù)之一。精確的分割決定著計(jì)算分析過(guò)程的成敗。因此，應(yīng)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(cè)應(yīng)用，至少有可能對(duì)環(huán)境進(jìn)行適度控制的檢測(cè)。有經(jīng)驗(yàn)的圖像處理系統(tǒng)設(shè)計(jì)師總是將相當(dāng)大的注意力放在這類(lèi)可能性上。在其他應(yīng)用方面，比如自動(dòng)目標(biāo)采集，系統(tǒng)設(shè)計(jì)者無(wú)法對(duì)環(huán)境進(jìn)行控制。所以，通常的方法是將注意力集中于傳感器類(lèi)型的選擇上，這樣可以增強(qiáng)獲取所關(guān)注對(duì)象的能力，從而減少圖像無(wú)關(guān)細(xì)節(jié)的影響。一個(gè)很好的例子就是，軍方利用紅外線(xiàn)圖像發(fā)現(xiàn)有很強(qiáng)熱信號(hào)的目標(biāo) ，比如移動(dòng)中的裝備和部隊(duì)。 圖像分割算法一般是基于亮度值的不連續(xù)性和相似性?xún)蓚€(gè)基本特性之一。第一類(lèi)性質(zhì)的應(yīng)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(lèi)的主要應(yīng)用途徑是依據(jù)事先制定的準(zhǔn)則將圖像分割為相似的區(qū)域，門(mén)限處理、區(qū)域生長(zhǎng)、區(qū)域分離和聚合都是這類(lèi)方法的實(shí)例。 本章中，我們將對(duì)剛剛提到的兩類(lèi)特性各討論一些方法。我們先從適合于檢測(cè)灰度級(jí)的不連續(xù)性的方法展開(kāi)，如點(diǎn)、線(xiàn)和邊緣。特別是邊緣檢測(cè)近年來(lái)已經(jīng)成為分割算法的主題。除了邊緣檢測(cè)本身，我們還會(huì)討論一些連接邊緣線(xiàn)段和把邊緣“組裝 ”為邊界的方法。關(guān)于邊緣檢測(cè)的討論將在介紹了各種門(mén)限處理技術(shù)之后進(jìn)行。門(mén)限處理也是一種人們普遍關(guān)注的用于分割處理的基礎(chǔ)性方法，特別是在速度因素占重要地位的應(yīng)用中。關(guān)于門(mén)限處理的討論將在幾種面向區(qū)域的分割方法展開(kāi)的討論之后進(jìn)行。之后，我們將討論一種稱(chēng)為分水嶺分割法的形態(tài)學(xué) 2 圖像分割方法。這種方法特別具有吸引力，因?yàn)樗鼘⒈菊碌谝徊糠痔岬降膸追N分割屬性技術(shù)結(jié)合起來(lái)了。我們將以圖像分割的應(yīng)用方面進(jìn)行討論來(lái)結(jié)束本章。 間斷檢測(cè) 在本節(jié)中，我們介紹幾種用于檢測(cè)數(shù)字圖像中三種基本的灰度級(jí)間斷技術(shù) :點(diǎn)、線(xiàn)和邊緣。尋找 間斷最一般的方法是以 一個(gè)模板進(jìn)行檢測(cè)。圖 101所示的 3x3 模板，這一過(guò)程包括計(jì)算模板所包圍區(qū)域內(nèi)灰度級(jí)與模板系數(shù)的乘積之和。就是說(shuō)，關(guān)于式 ()，在圖像中任意點(diǎn)的模板響應(yīng)由下列公式給出： ???????9199.. .2211iw iz izwzwzwR（ ） 1W 2W 3W 4W 5W 6W 7W 8W 9W 圖 101 一個(gè)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(jí)。照例，模板響應(yīng)是它的中心位置。有關(guān)執(zhí)行模板操作的細(xì)節(jié)在 。 點(diǎn)檢測(cè) 在一幅圖像中，孤立點(diǎn)的檢測(cè)在理論上是簡(jiǎn)單的。使用如圖 102(a)所示的模板，如果 |R| ≥ T () 我們說(shuō)在模板中心的位置上已經(jīng)檢測(cè)到一個(gè)點(diǎn)。這里 T是一個(gè)非負(fù)門(mén)限， R由式()給出。基本上，這個(gè)公式是測(cè)量中心點(diǎn)和它的相鄰點(diǎn)之間加權(quán)的差值?；舅枷刖褪?:如果一個(gè)孤立的點(diǎn) (此點(diǎn)的灰度級(jí)與其背景的差異相當(dāng)大并且它所在的位置是一個(gè)均勻的或近似均勻的區(qū)域 )與它周?chē)狞c(diǎn)很不相同，則很容易被這類(lèi)模板檢測(cè)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(yán)格地講，這里強(qiáng)調(diào)的是點(diǎn)的檢測(cè)。即我們著重考慮的差別是那些足以識(shí)別為孤立點(diǎn)的差異 (由 T 決定 )。注意， 模板系數(shù)之和為零表示在灰度級(jí)為常數(shù)的區(qū)域，模板響應(yīng)為零。 1 1 1 1 8 1 1 1 1 （ a） （ b） （ c） （ d） 圖 102 （ a）點(diǎn)檢測(cè)模板，（ b）帶有通孔的渦輪葉片的 X 射線(xiàn)，（ c）點(diǎn)檢測(cè)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(diǎn)的檢瀏 我們以圖 102(b)功為輔助說(shuō) 明如何從一幅圖中將孤立點(diǎn)分割出來(lái) .這幅 X射線(xiàn)圖顯示了一個(gè)帶有通孔的噴氣發(fā)動(dòng)抓渦槍葉片，通孔位于圈像的右上象限。在孔中只嵌有一個(gè)黑色像素。圖 102(c)是將點(diǎn)檢測(cè)模板應(yīng)用于 X射線(xiàn)圖像后得到的結(jié)果 .圖 102(d)顯示了當(dāng) T取圖 102(c)中像素最高絕襯值的 90%時(shí)，應(yīng)用式 ()所得的結(jié)果 (門(mén)限選擇將在 節(jié)中詳細(xì)討論 )。圖中的這個(gè)單一的像素清晰可見(jiàn) (這個(gè)像素被人為放大以便印刷后可以看到 )。由于這類(lèi)檢測(cè)是基于單像素間斷，并且檢測(cè)器模板的區(qū)域有一個(gè)均勻的背景，所以這個(gè)檢測(cè)過(guò)程是相當(dāng)有專(zhuān)用性的當(dāng)這 一條件不能滿(mǎn)足時(shí)，本章中計(jì)論的其他方法會(huì)更適合檢測(cè)灰度級(jí)間斷 線(xiàn)檢測(cè) 復(fù)雜程度更高一級(jí)的檢測(cè)是線(xiàn)檢測(cè)，考慮圖 103 中顯示的模板。如果第 l個(gè)模板在圖像中移動(dòng)，這個(gè)模板將對(duì)水平方向的線(xiàn)條 (一個(gè)像素寬度 )有更強(qiáng)的響 4 應(yīng)。在一個(gè)不變的背景上，當(dāng)線(xiàn)條經(jīng)過(guò)模板的中間一行時(shí)會(huì)產(chǎn)生響應(yīng)的最大值。畫(huà)一個(gè)元素為 1的簡(jiǎn)單陣列，并且使具有不同灰度級(jí) (如 5)的一行水平穿過(guò)陣列，可以很容易驗(yàn)證這一點(diǎn)。同樣的實(shí)驗(yàn)可以顯示出圖 103 中的第 2個(gè)模板對(duì)于 45176。方向線(xiàn)有最佳響應(yīng) 。第 3個(gè)模板對(duì)于垂直線(xiàn)有最佳響應(yīng) 。第 4個(gè)模板對(duì)于 45176。方向線(xiàn)有最佳響應(yīng) 。這些方向也可以通過(guò)注釋每個(gè)模板的優(yōu)選方向來(lái)設(shè)置，即在這些方向上用比別的方向更大的系數(shù) (為 2)設(shè)置權(quán)值。注意每個(gè)模板系數(shù)相加的總和為零，表示在灰度級(jí)恒定的區(qū)域來(lái)自模板的響應(yīng)為零。 Horizontal +45176。 Vertical 45176。 圖 103 線(xiàn)模板 令 R1， R2， R3 和 R4。從左到右代表圖 103中模板的響應(yīng)，這里 R 的值由式()給出。 假設(shè) 4 個(gè)模板分別應(yīng)用于一幅圖像，在圖像中心的點(diǎn)，如果 |Ri||Rj| , j≠ i，則此點(diǎn)被認(rèn)為與在模板 i 方向上的線(xiàn)更相關(guān)。例如，如果在圖中的一點(diǎn)有|Ri||Rj| ,j=2,3,4，我們說(shuō)此特定點(diǎn)與水平線(xiàn)有更大的聯(lián)系。 換句話(huà)說(shuō)，我們可能對(duì)檢測(cè)特定方向上的線(xiàn)感興趣。在這種情況下，我們應(yīng)使用與這一方向有關(guān)的模板，并設(shè)置該模板的輸出門(mén)限，如式 ()所示。換句話(huà)說(shuō)，如果我們對(duì)檢測(cè)圖像中由給定模板定義的方向上的所有線(xiàn)感興趣 .只需要簡(jiǎn)單地通過(guò)整幅圖像運(yùn)行模板，并對(duì) 得到的結(jié)果的絕對(duì)值設(shè)置門(mén)限即可。留下的點(diǎn)是有最強(qiáng)響應(yīng)的點(diǎn)。對(duì)于一個(gè)像素寬度的線(xiàn)，這些響應(yīng)最靠近模板定義的對(duì)應(yīng)方向。下列例子說(shuō)明了這一過(guò)程。 例 特定方向上的線(xiàn)檢測(cè) 圖 104(a)顯示了一幅電路接線(xiàn)模板的數(shù)字化 (二值的 )圖像。假設(shè)我們要找到一個(gè)像素寬度的并且方向?yàn)?45176。的線(xiàn)條。基于這個(gè)假設(shè)，使用圖 103中最后一個(gè)模板。圖 104(b)顯示了得到的結(jié)果的絕對(duì)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(qiáng)響應(yīng)。 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(xiàn)檢測(cè)的說(shuō)明。（ a）二進(jìn)制電路接線(xiàn)模板，（ b）使用 45176。線(xiàn)檢測(cè)器 處理后得到的絕對(duì)值，（ c）對(duì)圖像（ b）設(shè)置門(mén)限得到的結(jié)果 為了決定哪一條線(xiàn)擬合模板最好，只需要簡(jiǎn)單地對(duì)圖像設(shè)置門(mén)限。圖 104(c)顯示了使門(mén)限等于圖像中最大值后得到的結(jié)果。對(duì)于與這個(gè)例子類(lèi)似的應(yīng)用，讓門(mén)限等于最大值是一個(gè)好的選擇，因?yàn)檩斎雸D像是二值的，并且我們要尋找的是最強(qiáng)響應(yīng)。圖 104(c)顯示了在白色區(qū)所有通 過(guò)門(mén)限檢測(cè)的點(diǎn)。此時(shí)，這一過(guò)程只提取了一個(gè)像素寬且方向?yàn)?45176。的線(xiàn)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(gè)像素 )。圖 104(c)中顯示的孤立點(diǎn)是對(duì)于模板也有相同強(qiáng)度響應(yīng)的點(diǎn)。在原圖中，這些點(diǎn)和與它們緊接著的相鄰點(diǎn)，是用模板在這些孤立位置上生成最大響應(yīng)的方法來(lái)定向的。這些孤立點(diǎn)也可以使用圖102(a)中的模板進(jìn)行檢測(cè)，然后刪除，或者使用下一章中討論的形態(tài)學(xué)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(diǎn)和線(xiàn)檢測(cè)都是很重要的，但是邊緣檢測(cè)對(duì) 3 于灰度級(jí)間斷的檢測(cè)是 最為普遍的檢測(cè)方法。本節(jié)中，我們討論實(shí)現(xiàn)一階和二階數(shù)字導(dǎo)數(shù)檢測(cè)一幅圖像中邊緣的方法。在 節(jié)介紹圖像增強(qiáng)的內(nèi)容中介紹過(guò)這些導(dǎo)數(shù)。本節(jié)的重點(diǎn)將放在邊緣檢測(cè)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(jìn)行簡(jiǎn)要的重述。 基本說(shuō)明 在 節(jié)中我們非正式地介紹過(guò)邊緣。本節(jié)中我們更進(jìn)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(gè)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(gè)“ 局部”概念，而由于其定義的方式，一個(gè)區(qū)域的邊界是一個(gè)更具有整體性的概念。給邊緣下一個(gè)更合理的定義需要具有以某種有意義的方式測(cè)量灰度級(jí)躍變的能力。 我們先從直觀上對(duì)邊緣建模開(kāi)始。這樣做可以將我們引領(lǐng)至一個(gè)能測(cè)量灰度級(jí)有意義的躍變的形式體系中。從感覺(jué)上說(shuō)，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(gè)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(gè)像素都處在灰度級(jí)躍變的一個(gè)垂直的臺(tái)階上 (如圖形中所示的水平剖面圖 )。 實(shí)際上，光學(xué)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(lèi)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(gè)模型中，不再有細(xì)線(xiàn) (一個(gè)像素寬的線(xiàn)條 )。相反，現(xiàn)在邊緣