【正文】 1010)()](),(m i n [),(LkQLkDQkHkHkHDQd (710) 第七章 圖像分割與邊緣檢測 2. 為減少計算量 ， 可采用直方圖的均值來粗略地表達顏色信息 ， 對圖像的 R、 G、 B三個分量 ， 匹配的特征矢量 f是 TBGRf ][ ????(711) 式中 , μR、 μG、 μB分別是 R、 G、 B三個分量直方圖的 0階距 。 pNewTemp= pNewBits + nWidthBytes * (n+nMaxHeight) + (m+nMaxWidth)。 //與最大相關性比較 第七章 圖像分割與邊緣檢測 if (R MaxR) { MaxR = R。 m nTempWidth。 j nHeight nTempHeight + 1。 n nTempHeight。 // double dSigmaST。 對任何一個 f(x,y)中的 (x,y)， 根據式 （ 79） 都可以算得一個 R(x,y)值 。 第七章 圖像分割與邊緣檢測 圖 像 匹 配 模板匹配是指用一個較小的圖像 ， 即模板與源圖像進行比較 ， 以確定在源圖像中是否存在與該模板相同或相似的區(qū)域 ， 若該區(qū)域存在 ， 還可確定其位置并提取該區(qū)域 。 定義一個掃描方向變量 dir,該變量用于記錄上一步中沿著前一個邊界點到當前邊界點的移動方向 ， 其初始 (1) 對 4連通區(qū)域取 dir = 3， 如圖 712(a)所示； (2) 對 8連通區(qū)域取 dir = 7， 如圖 712(b)所示。 第七章 圖像分割與邊緣檢測 圖 78 不同的邊緣信號 A B C A B C A B C( b ) ( c ) ( d )第七章 圖像分割與邊緣檢測 圖 79 （ a） 邊界； （ b） 線； （ c） 折線變化； （ d） 緩慢的平滑變化 (a) (b) (d) (c) 第七章 圖像分割與邊緣檢測 圖 710 用 Prewitt算子進行邊緣檢測的結果 第七章 圖像分割與邊緣檢測 高斯 拉普拉斯 (LOG) 噪聲點對邊緣檢測有較大的影響 ， 效果更好的邊緣檢測器是高斯 拉普拉斯 (LOG)算子 。 圖中標以 C′的邊緣 ， 即是物體與背景的交界處 ， 也是物體上表面法線的不連續(xù)處 ， 但引起它兩側灰度躍變的原因是前者 。 （ 2） B類邊緣線 。 第七章 圖像分割與邊緣檢測 圖 75 區(qū)域生長示例 第七章 圖像分割與邊緣檢測 當生成任意物體時 ， 接收準則可以 結構 為基礎 ， 而不是以灰度級或對比度為基礎 。 方法是從滿足檢測準則的點開始 ， 在各個方向上生長區(qū)域 ， 當其鄰近點滿足檢測準則就并入小塊區(qū)域中 。 若取 M為 2， 即分割成 2類 ，則可用上述方法求出二值化的閾值 。 第七章 圖像分割與邊緣檢測 圖 74 圖 73(a)所示圖像的直方圖 第七章 圖像分割與邊緣檢測 1. 判別分析法確定最佳閾值的準則 ， 是使進行閾值處理后分離的像素類之間的類間方差最大 。 在圖像分割技術中 ， 最常用的是利用閾值化處理進行的圖像分割 。 如不同目標物體所占的圖像區(qū)域 、 前景所占的圖像區(qū)域等 。 圖像閾值化處理的變換函數表達式為 ????????TyxfTyxfyxg),(255),(0),((71) 第七章 圖像分割與邊緣檢測 圖 72 閾值變換曲線 2 5 50 T 2 5 5gf第七章 圖像分割與邊緣檢測 在圖像的閾值化處理過程中 ， 選用不同的閾值其處理結果差異很大 。 設有 M1個閾值： 0≤k1＜ k2＜ …＜ KM1≤L1。 第七章 圖像分割與邊緣檢測 區(qū)域生長 分割的目的是把一幅圖像劃分成一些區(qū)域 ， 最直接的方法 就是把一幅圖像分成滿足某種判據的區(qū)域 ， 也就是說 ， 把點組成區(qū)域 。 此例的相似性準則是鄰近點的灰度級與物體的平均灰度級的差小于 2。 這些特征所組成的圖稱為 基元圖 。 第七章 圖像分割與邊緣檢測 （ 3） C類邊緣線 。 由于物體表面某一部分被另一物體遮擋 ， 使它得不到光源的照射 ， 從而引起邊緣點兩側灰度值有較大的差異 。 在圖像邊緣檢測中 ， 還有 Wallis算子 、 過零點檢測 （ MarrHildreth算子 ） 、 Canny邊緣檢測方法 、 SUSAN （ Smallest Univalue Segment Assimilating Nucleus） 邊緣檢測等 。 步驟 3：如果 An等于第二個邊界點 A1且前一個邊界點 An1等于第一個邊界點 A0， 則停止搜索 ， 結束跟蹤 ， 否則重復步驟 2繼續(xù)搜索 。 DST(x, y)稱為 模板與原圖像對應區(qū)域的互相關 ， 它隨像素位置 (x, y)的變化而變化 ， 當模板 t(j, k)和原圖像中對應區(qū)域相匹配時取得最大值 。 第七章 圖像分割與邊緣檢測 圖 715 模板匹配示意圖 Oyiyi＋ kixi＋ jixijikikJKjNMyx第七章 圖像分割與邊緣檢測 用歸一化互相關求匹配的計算工作量非常大 ， 因為模板要在(M－ J＋ 1) (N－ K＋ 1)個參考位置上做相關計算 ， 其中 ， 除最佳匹配點外 ， 其余做的都是無效運算 ， 所以有必要對其進行改進 ， 以提高運算速度 。 // double R。 m++) { pTemplateTemp = pTempBits + nTempWidthBytes * n + m。 i++) { dSigmaST = 0。 pixel = *pOldTemp。 } } } // for (n = 0。 } … 第七章 圖像分割與邊緣檢測 顏色是描述圖像內容的一個重要特征 。 第七章 圖像分割與邊緣檢測 4. 參考顏色法 歐幾里得距離法太粗糙 ， 直方圖相交法計算量太大 ， 一種折衷的方法是將圖像顏色用一組參考色表示 ， 這組參考色應能覆蓋視覺上可感受到的各種顏色 。 1991年 ， 一種將視頻幀或圖像分割成 4 4相同大小的子塊并比較相應子塊的方法 。 第七章 圖像分割與邊緣檢測 要獲得有關目標的形狀參數 ， 首先 對圖像進行分割 ， 所以形狀特征會受圖像分割效果的影響 。 小波變換和分析作為一種多尺度 、 多通道分析工具 ， 比較適合對圖像進行多尺度的邊界檢測 ， 可參考有關文獻 。 如果記輸入圖像為 A(x, y)和 B(x, y)， 輸出圖像為 C(x, y)， 則四種圖像代數運算的表達式如下： C(x, y)＝ A(x, y)＋ B(x, y) C(x, y)＝ A(x, y)－ B(x, y) C(x, y)＝ A(x, y) B(x, y) C(x, y)＝ A(x, y)／ B(x, y) 第七章 圖像分割與邊緣檢測 2. 差影法 所謂差影法 ， 實際上就是圖像的相減運算 (又稱減影技術 )， 是指把同一景物在不同時間拍攝的圖像或同一景物在不同波段的圖像相減 。 例如 ， 在血管造影技術中 ， 腎動脈造影術對診斷腎臟疾病就有獨特效果 。 當將一個場景中系列圖像相減用來檢測運動或其他變化時 ， 難以保證準確對準 。 for(i = 0。 i++) Sigma［ i］ = 。 for(i = 0。 } else { Sum2 ++。 int Thres