圖像分割基礎(chǔ)

《圖像分割基礎(chǔ)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、圖像分割基礎(chǔ)圖像分割分割將圖像細(xì)分為互不重疊的區(qū)域并提取感興趣目標(biāo)的技術(shù)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。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圖像分割圖像分割算法一般基于亮度值的兩個(gè)基本特性：不連續(xù)性和相似性檢測(cè)圖像像素灰度級(jí)的不連續(xù)性，找到點(diǎn)、線（寬度為1）、邊（不定寬度）。先找邊，后確定區(qū)

2、域檢測(cè)圖像像素的灰度值的相似性，通過(guò)選擇閾值，找到灰度值相似的區(qū)域，區(qū)域的外輪廓就是對(duì)象的邊常用的方法基于邊緣檢測(cè)、基于閾值分割、基于區(qū)域3圖像分割效果4圖像分割LoG霍夫變換分水嶺算法運(yùn)動(dòng)分割法Canny算子5點(diǎn)檢測(cè)計(jì)算某像素與周邊相鄰點(diǎn)之間的差值，并加權(quán)疊加（使用如下模板）得到R，如果

3、R

4、>=T，則稱該模板中心位置檢測(cè)到一個(gè)點(diǎn)，由于模板系數(shù)和為0，故對(duì)均勻區(qū)域（灰度級(jí)為常數(shù)）的響應(yīng)為06點(diǎn)檢測(cè)一個(gè)黑色像素，表示渦輪葉片上的孔洞7線檢測(cè)見(jiàn)如下模板，它們分別可對(duì)不同方向的線段進(jìn)行檢測(cè)，可使用其中之一檢測(cè)某特定方向的線段8線的檢測(cè)通過(guò)比較典型模板的計(jì)算值，確定一

5、條線是在哪個(gè)方向上-1-1-1222-1-1-1R1-1-12-12-12-1-1R2-12-1-12-1-12-1R32-1-1-12-1-1-12R49線的檢測(cè)111555111111555111111555111R1=-6+30=24R2=-14+14=0R3=-14+14=0R4=-14+14=010線檢測(cè)11邊緣檢測(cè)邊緣是一組相連的像素集合，這些像素位于兩個(gè)區(qū)域的邊界上邊緣的寬度取決于圖像中邊緣的模糊程度12邊緣檢測(cè)算子一階微分：用梯度算子來(lái)計(jì)算特點(diǎn)：對(duì)于亮邊，邊的變化起點(diǎn)是正的，結(jié)束是負(fù)的。對(duì)于暗邊，結(jié)論相反。常數(shù)部分為零用途：用于檢測(cè)圖像中邊的存在

6、13邊緣檢測(cè)算子二階微分：特點(diǎn)：二階微分在亮的一邊是正的，在暗的一邊是負(fù)的。常數(shù)部分為零用途：1）二次導(dǎo)數(shù)的符號(hào)，用于確定邊上的像素是在亮的一邊，還是暗的一邊;2）0跨越，確定邊的準(zhǔn)確位置14邊緣檢測(cè)15邊緣檢測(cè)16邊緣檢測(cè)算子基本思想：計(jì)算局部微分算子一階微分截面圖邊界圖像17邊緣檢測(cè)算子幾種常用的邊緣檢測(cè)算子梯度算子Roberts算子Prewitt算子Sobel算子Laplacian算子Marr算子18梯度算子函數(shù)f(x,y)在(x,y)處的梯度為一個(gè)向量：?f=[?f/?x,?f/?y]計(jì)算這個(gè)向量的大小為：G=[(?f/?x)2+(?f/?y)2]1/2

7、近似為:G?

8、?fx

9、+

10、?fy

11、或G?max(

12、?fx

13、,

14、?fy

15、)梯度的方向角為：φ(x,y)=tan-1(?fy/?fx)可用下圖所示的模板表示-111-119為了檢測(cè)邊緣點(diǎn)，選取適當(dāng)?shù)拈撝礣，對(duì)梯度圖像進(jìn)行二值化這樣形成了一幅邊緣二值圖像g(x,y)特點(diǎn)：僅計(jì)算相鄰像素的灰度差，對(duì)噪聲比較敏感，無(wú)法抑止噪聲的影響20Roberts算子公式：模板：特點(diǎn)：與梯度算子檢測(cè)邊緣的方法類似，對(duì)噪聲敏感，但效果較梯度算子略好-11fx’1-1fy’21Prewitt算子公式模板：特點(diǎn)：在檢測(cè)邊緣的同時(shí)，能抑止噪聲的影響0-110-110-11-1-1-100011

16、122Sobel算子公式模板特點(diǎn)：對(duì)4鄰域采用帶權(quán)方法計(jì)算差分能進(jìn)一步抑止噪聲但檢測(cè)的邊緣較寬-220-110-110000-1-1-211223Sobel梯度算子的使用與分析1.直接計(jì)算?y、?x可以檢測(cè)到邊的存在，以及從暗到亮，從亮到暗的變化2.僅計(jì)算

17、?x

18、，產(chǎn)生最強(qiáng)的響應(yīng)是正交于x軸的邊；

19、?y

20、則是正交于y軸的邊。3.由于微分增強(qiáng)了噪音，平滑效果是Sobel算子特別引人注意的特性2425262728拉普拉斯算子定義：二維函數(shù)f(x,y)的拉普拉斯是一個(gè)二階的微分定義為：離散形式：模板：可以用多種方式被表示為數(shù)字形式。對(duì)于一個(gè)3x3的區(qū)域，經(jīng)驗(yàn)上被推薦最

21、多的形式是：29拉普拉斯算子定義數(shù)字形式的拉普拉斯的基本要求是，作用于中心像素的系數(shù)是一個(gè)負(fù)數(shù)，而且其周圍像素的系數(shù)為正數(shù)，系數(shù)之和必為0。11-400100130拉普拉斯算子31拉普拉斯算子拉普拉斯算子的分析：優(yōu)點(diǎn)：各向同性、線性和位移不變的；對(duì)細(xì)線和孤立點(diǎn)檢測(cè)效果較好。缺點(diǎn)：對(duì)噪音的敏感，對(duì)噪聲有雙倍加強(qiáng)作用；不能檢測(cè)出邊的方向；常產(chǎn)生雙像素的邊緣由于梯度算子和Laplace算子都對(duì)噪聲敏感，因此一般在用它們檢測(cè)邊緣前要先對(duì)圖像進(jìn)行平滑。32Marr算子Marr算子是在Laplacian算子的基礎(chǔ)上實(shí)現(xiàn)的，它得益于對(duì)人的視覺(jué)機(jī)理的研究，有一定的生物學(xué)和生理學(xué)

22、意義。由于Laplaci