【正文】 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。 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(lèi)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。 3) 區(qū)域生長(zhǎng) :將屬性接近的連通像素聚集成區(qū)域。 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。 圖像分割 — 引言 圖像分割的基本思路 提取輪廓 車(chē)牌定位 車(chē)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。 ?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。 ? 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 。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(huà) ? 面場(chǎng)景中的目標(biāo)物被分為不同的類(lèi)別。 ? 通常圖像分割的實(shí)現(xiàn)方法是，將圖像 ? 分為“黑”、“白”兩類(lèi)，這兩類(lèi)分別代 ? 表了兩個(gè)不同的對(duì)象。 ? 圖像分割是比較困難的事情，原因是畫(huà)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。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 — 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。 ? 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。 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。 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。 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。 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 ?；谝欢ǖ膱D像模型的。 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。 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。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。 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（ RGB ,level)。 ? Figure。 最佳閾值 所謂 最佳閾值 是指圖像中目標(biāo)物與背景的分割錯(cuò)誤最小的閾值。 ? 一般的圖像很難獲得灰度的概率密度函數(shù)以及先驗(yàn)概率，在一些特殊的應(yīng)用場(chǎng)合，如文字、樂(lè)譜等圖像，可以從大量圖像得到一個(gè)統(tǒng)計(jì)規(guī)律，獲得符號(hào)部分在全圖像中的百分比，以此為基礎(chǔ)，結(jié)合直方圖谷點(diǎn)分析，可以得到近似最優(yōu) ? 的結(jié)果 若選為 Zt分割門(mén)限，則將背景象素錯(cuò)認(rèn)為是目標(biāo)象素的概率是： ? 將目標(biāo)物象素錯(cuò)認(rèn)為是背景象素的概率是： ? 因此，總的錯(cuò)誤概率 E(Zt)為 E(Zt)= (1－ ?)E2(Zt)+?E1(Zt) ? 最佳門(mén)限就是使 E(Zt)為最小值時(shí)的 Zt，將 E(Zt)對(duì) Zt求導(dǎo)，并令其等于零，得 : (1－ ?)P2(Zt)＝ ?P1(Zt)（滿足此等式的 Zt為最優(yōu)閾值） ? ? ? ?22 dtZtE Z P Z Z??? ?? ? ? ?11 dtt ZE Z P Z Z?? ? 自適應(yīng)閾值 自適應(yīng)閾值是由 Chow和 Kaneko提出，它是一種基于區(qū)域統(tǒng)計(jì)特征的分塊域值方法。 1 1 1 1 1 1 1 1 1 4 4 4 4 4 3 1 1 4 6 7 7 7 6 1 1 6 7 8 8 7 5 1 1 5 7 8