【正文】 的相關(guān)性，不易分割； ?為了降低顏色空間特征向量之間的相關(guān)性，將RGB投影到其他的顏色空間中； 例如： RGB投影到 HSI空間； ?H表示色調(diào)， S表示飽和度， I表示明暗程度； ?HIS非常適合基于人的視覺系統(tǒng)對彩色感知特性的圖像處理。 Image amp。 Vision Lab 彩色圖像的分割 —— 顏色空間的選擇 ? RGB轉(zhuǎn)化到 HSI公式： ? ?2( ) ( )a r c c os ( , 2 )2 ( ) ( ) ( )31 m in( , , )3R G R BH R G R B B G H HR G R B G BS R G BR G BR B GI?? ??? ? ???? ? ? ? ? ? ???? ? ? ? ????????????????????或 若Image amp。 Vision Lab RGB與 HSI分量表示顏色 Image amp。 Vision Lab 彩色圖像的分割 —— 分割策略 ?由于 HSI三個顏色分量是獨立的，那么就可以分別在三個顏色分量依次上進行分割； 原始圖像 RGBHSI 用 S分割 低 S區(qū)域 高 S區(qū)域 用 I分割 用 H分割 合并結(jié)果 后處理 H分割圖 I分割圖 分割圖像 流程圖 Image amp。 Vision Lab 詳解流程圖 ?利用 S分高飽和、低飽和區(qū)； ?利用 H對高飽和區(qū)進行分割 ?由于在高飽和彩色區(qū) S值大， H值量化細(xì)，可采用色調(diào)H的閾值來進行分割； ?利用 I對低飽和區(qū)進行分割 ?在低飽和彩色區(qū) H值量化粗無法直接用來分割，但由于比較接近灰度區(qū)域，因而可采用 I來進行分割。 ?以上三個分割步驟中可以采用不同的分割技術(shù)。 彩色圖像和接下來介紹的彩色紋理圖像可以通用分割方法，因此將兩者的 實例放在彩色紋理圖像之后來介紹。 Image amp。 Vision Lab 彩色紋理圖像簡介 ?紋理圖像指在普通的彩色 RGB圖像 (或者其他格式 )上，疊加紋理起伏變化的圖像（以紡織布料圖像為例）。 ?特點： ?圖片中的顏色種類較少，圖片的復(fù)雜度較低。 ?整張圖片的紋理成規(guī)則變化。 ?不同顏色的交界處，容易出現(xiàn)混疊顏色，這是分割中錯誤最容易出現(xiàn)的地方。 Image amp。 Vision Lab 彩色紋理圖像簡介 紋理 彩色圖像 彩色紋理圖像 Image amp。 Vision Lab 彩色圖像和彩色紋理圖像分割方法 ?種子生長 ?色差距離 ?貝葉斯概率距離 ?多維直方圖分割 ?各個顏色分量上逐步投影分割 Image amp。 Vision Lab 貝葉斯概率模型分割紋理圖像 ?貝葉斯概率模型是數(shù)理統(tǒng)計里十分重要的數(shù)學(xué)模型，將其應(yīng)用到圖像分割中也有很強的適應(yīng)能力。 ?貝葉斯概率首先需要先驗概率，在圖像分割中，可以人為的在原始圖像上劃分一些?種子區(qū)域?作為先驗概率的基礎(chǔ)。 ??種子區(qū)域?即對圖像上的若干顏色區(qū)域，人為的做上標(biāo)記，每個標(biāo)記對應(yīng)一個顏色區(qū)域。這些被標(biāo)記的像素點是肉眼看起來十分符合這個顏色區(qū)域的整體顏色值的，沒有歧義的。 Image amp。 Vision Lab 種子分割 ?人為的選取種子區(qū)域； ?種子區(qū)域擴大； ?計算非種子像素點與種子區(qū)域的?距離?，標(biāo)記區(qū)域。 Image amp。 Vision Lab 種子圖像 原始圖像 種子圖像 (每個黑色區(qū)域標(biāo)值不同 ) *貝葉斯概率主要是用來對非種子像素點進行標(biāo)記 Image amp。 Vision Lab 距離公式 ?種子區(qū)域的擴大和非種子像素點的標(biāo)記都需要運用距離公式來判斷該像素點屬于哪個區(qū)域。 ?常用的距離公式有： ?歐幾里德距離公式 x,y,z代表三個顏色分量， 表示三個分量的均值。 x,y,z三個分量可以是 RGB， Lab， HSI或者其他色域。 ?貝葉斯概率公式 2 2 2( ) ( ) ( )x y zD e x y z? ? ?? ? ? ? ? ?,x y z? ? ?Image amp。 Vision Lab 貝葉斯概率的基本原理 ?先驗概率： ?多維正態(tài)分布概率： ?后驗概率： ?? ? 13 / 2 1 / 2()1( | ) e xp( 2 ) | | 2Tixxp x A ??????? ? ??? ?????i()ipA ?已 擴 大 種 子 圖 片 中 區(qū) 域 像 素 個 數(shù)種 子 圖 片 中 所 有 標(biāo) 記 像 素 個 數(shù)是指區(qū)域的協(xié)方差矩陣， 指區(qū)域 RGB向量均值， x是當(dāng)前像素點的 RGB向量值。 ?1( ) ( | )()( ) ( | )iii niiiP A p x APxp A p x A???Image amp。 Vision Lab 歐幾里德距離擴大種子區(qū)域 ?計算每個種子區(qū)域的三個顏色分量的均值； ?遍歷整幅圖像，計算非種子像素點與種子區(qū)域的距離，尋找最小距離，如果最小距離同時小于其他距離的幾倍 (認(rèn)為設(shè)臵的參數(shù) )，那么改像素點擴大為種子像素點； ?遍歷整幅圖像，計算非種子像素點與擴大后種子區(qū)域的均值向量之間的距離，尋找最小距離，標(biāo)記到該區(qū)域。 Image amp。 Vision Lab 貝葉斯概率種子區(qū)域擴大 ?統(tǒng)計每個種子區(qū)域的像素個數(shù)，以及全部種子像素點的個數(shù)，得到各個區(qū)域的先驗概率； ?計算每個非種子像素點相對于每個種子區(qū)域的多維正態(tài)分布概率； ?計算后驗概率； ?取后驗概率最大值，最大值對應(yīng)哪個區(qū)域，則當(dāng)前像素點屬于哪個區(qū)域； ?更新該區(qū)域的像素個數(shù)，以及區(qū)域顏色均值和協(xié)方差矩陣。 Image amp。 Vision Lab 原始圖像 色差分割 概率分割 由于概率分割考慮的是全局的信息，局部信息較少，所以會出現(xiàn)孤立的 分割的點。 Image amp。 Vision Lab 原始圖像 色差分割 概率分割 Image amp。 Vision Lab 原始圖像 色差分割 概率分割 Image amp。 Vision Lab 多維直方圖分割 ?首先選擇一個顏色空間，例如 Lab顏色域； ?現(xiàn)在 L分量上進行直方圖分割； ?將分割的各個區(qū)域依次在 a分量上分割，每個區(qū)域又有可能分為幾個新的區(qū)域； ?最后投影到 b分量上，完成分割。 Image amp。 Vision Lab 直方圖分割實例 原始圖像 分割圖像 Image amp。 Vision Lab 原始圖像 分割圖像 Image amp。 Vision Lab 原始圖像 分割圖像 Image amp。 Vision Lab 多光譜圖像簡介 多光譜圖像是樣本圖像在不同的光譜照射下，得到的一組圖片。 Image amp。 Vision Lab 多光譜圖像分割 ?將多光譜圖像轉(zhuǎn)換到 Lab色域圖像，直方圖分割； ?利用主元分量提取方法，降低原始多光譜圖像的維數(shù)，將多光譜反射率系數(shù)投影到特征向量上，形成直方圖，直方圖分割； ?Kmeans分割。 Image amp。 Vision Lab 主元分量提取 (Principal Component Analysis) ? 尋找大量樣本數(shù)據(jù)方差最大的方向； ? 提取少數(shù)特征向量的方向，減低樣本數(shù)據(jù)的維數(shù)。 ? 公式： ? 將采集的多光譜反射率系數(shù)投影到特征向量上，投影系數(shù)形成直方圖，進行直方圖分割。 協(xié)方差矩陣： ? ? ? ?? ?f f fC E f u f u?? ? ? ???1fufMN? ?? ?T fU U C? ?求得特征向量： Image amp。 Vision Lab 分割實例 原始圖像 Lab分割圖像 PCA特征向量分割圖像 Kmeans分割圖像 Image amp。 Vision Lab 原始圖像 Lab分割圖像 PCA特征向量分割圖像 Kmeans分割圖像 Image amp。 Vision Lab 車牌識別系統(tǒng) ?汽車牌照自動識別系統(tǒng)是公路交通自動控制和管理的一項重要內(nèi)容，有關(guān)該系統(tǒng)的研究具有很高的現(xiàn)實意義和實用價值。 ?車牌識別四個步驟： ?牌照分割 (用到了圖像分割技術(shù) ) ?二值化 ?字符切分 ?字符識別 Image amp。 Vision Lab 牌照分割 ? 所謂牌照分割是指從采集的汽車圖像上，分割出牌照部分圖像。 ? 根據(jù)車牌自身 特點 進行分割： 1. 圖像上字符和背景有一定的灰度差別，且其分布較緊密而有序； 2. 牌照文字周圍有一個類似于長方形的邊框，但其厚度不一，有斷裂處，且有時很不明顯； 3. 牌照顏色與其他區(qū)域有差別，但在日光下很容易出現(xiàn)顏色漂移； ? 2， 3具有不確定性， 1作為主要依據(jù)。 Image amp。 Vision Lab 根據(jù)邊框?qū)ε普站_定位 ?利用邊緣提取的算子，提取牌照的邊框： ?Sobel ?Prewitt ?Roberts 原始圖像 橫向 sobel 縱向 sobel Image amp。 Vision Lab 二值化 ?通過閾值分割的方法，將車牌圖像分為圖像和背景兩部分信息，例如：背景設(shè)為 0，那么圖像就設(shè)為 1。圖像上圖像用灰度值 0表示，圖像用 255表示。 車牌圖像 二值化圖像 Image amp。 Vision Lab 字符切割 —— 預(yù)處理 ?預(yù)處理： ?根據(jù)字符邊沿作直線擬合； ?濾除邊沿直線外部的邊框區(qū)域； ?根據(jù)擬合直線的斜率調(diào)整形變。 二值化車牌圖像 直線擬合圖像 消除邊框圖像 斜率調(diào)整圖像 Image amp。 Vision Lab 字符切割 ?二值化圖像垂直投影，尋找投影圖的斷裂點。 ?垂直投影 (原理請見參考文獻 ) ?字符切割后，根據(jù)模板匹配、神經(jīng)網(wǎng)絡(luò)識別、灰度法、小波分析等進行字符識別。 預(yù)處理后圖像 垂直投影圖像 Image amp。 Vision Lab The End