圖像分割技術(shù)

《圖像分割技術(shù)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、題目圖像分割技術(shù)學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)班級計(jì)軟1401生蘭俊鋒學(xué)號20141214023在對圖像的研究和應(yīng)用中，人們往往僅對圖像中的某些部分感興趣，這些部分常稱為目標(biāo)或前景(其他部分稱為背景)，他們-?般對應(yīng)圖像屮特定的、具有獨(dú)特性質(zhì)的區(qū)域。為了辨識和分析目標(biāo)，需要將這些有關(guān)區(qū)域分離提取出來，在此基礎(chǔ)上才對目標(biāo)進(jìn)一步利用，如進(jìn)行特征提取和測量等。圖像分割就是指把圖像分成各具特性的區(qū)域并提取出感興趣冃標(biāo)的技術(shù)和過程。這里特性可以是灰度、顏色、紋理等。目標(biāo)可以對應(yīng)單個(gè)區(qū)域，也可以對應(yīng)多個(gè)區(qū)域。圖像分割是由圖像處理進(jìn)到圖像分析的關(guān)鍵步驟，也是一種基本的計(jì)算機(jī)視覺技術(shù)。這是因?yàn)閳D像的分割、口標(biāo)的分離

2、、特征的提取和參數(shù)的測量都是將原始圖像轉(zhuǎn)化為更抽象更緊湊的格式，使得更高層的分析和理解成為可能C圖像分割多年來一直得到人們的高度重視，至今己提出上千種類型的分割算法：根據(jù)區(qū)域間灰度不連續(xù)搜尋區(qū)域之間的邊界進(jìn)行圖像分割,邊緣檢測法也稱作基于梯度的圖像分割方法。它的基木思想是先檢測圖像中的邊緣點(diǎn)，再按照一定的策略連接成輪廓，從而構(gòu)成分割區(qū)域。由于邊界具有高梯度值的性質(zhì)，所以又稱作基于梯度的圖像分割方法。進(jìn)行邊緣檢測的最基本方法是圖像的微分(差分)、梯度和拉普拉斯算法等。邊緣檢測的結(jié)果并非圖像分割的結(jié)果，還必須把邊緣點(diǎn)連接成邊緣鏈，形成直線、曲線、各種輪廓線等，直到能表示圖像中物體的邊界。邊緣形

3、成線特征包括兩個(gè)過程：抽取可能的邊緣點(diǎn);將抽取的邊緣連接成直線、曲線、輪廓線?；蛴靡欢ǖ闹本€、曲線去擬合他們。(1)點(diǎn)檢測，如杲IRIMT，貝恠模版中心位置檢測到一個(gè)點(diǎn)，其中T是閾值，R是模版。計(jì)算值算法基本思想為:如果一個(gè)孤立點(diǎn)與他周圍的點(diǎn)不同，則可以使用上述模版進(jìn)行檢測。如果模版相應(yīng)為0,則表示在灰度級為常數(shù)的區(qū)域。⑵線檢測，第一個(gè)模板對水平線有最人響應(yīng);第二個(gè)模板對45。方向線有最人響應(yīng);第三個(gè)模板對垂直線冇最大響應(yīng);第四個(gè)模板對?45°方向線冇最大響應(yīng)。用Rl,R2,R3和R4分別代表水平、45°、垂直和?45°方向線的模板響應(yīng)，在圖像中心的點(diǎn)，被認(rèn)為與在模板i方向上的線更相關(guān)。例

4、：如果

5、R1

6、>

7、Rj

8、J=23,4則該點(diǎn)與水平線有更大的關(guān)聯(lián)。(3)邊緣檢測邊緣是圖像的重要特征之一，它包含了原始圖像屮的絕人部分有用的信息，往往僅憑一條粗略的輪廓線就能夠識別出--個(gè)物體。因此，圖像的邊緣輪廓特征提取在計(jì)算機(jī)視覺中具有重要的意義。圖像邊緣的特征主耍表現(xiàn)為圖像局部特征的不連續(xù)性，即圖像中灰度變化比較劇烈的地方。因此，把邊緣定義為圖像中灰度發(fā)生急劇變化的區(qū)域邊界?，F(xiàn)有的邊緣檢測的方法主要以各種微分算子作為基礎(chǔ)，結(jié)合用閾、平滑等手段提取邊緣。如Prewitt算了、Sobel算了、Kirsch算了和Robert算了，都是一階微分算了。二階微分算了冇拉普拉斯算子、Gauss2La

9、place算子、M2H算了、Canny算子等。邊緣檢測的要求：(1)能夠正確地檢測出有效的邊緣；(2)邊緣定位的精度要高；(3)檢測的響應(yīng)最好是單象素的；(4)對于不同尺度的邊緣都能冇較好的響應(yīng)并盡量減少漏檢；(5)對噪聲應(yīng)該不敏感；(6)檢測的靈敏度受邊緣方向影響應(yīng)該小。這些耍求往往都很矛盾，很難在一個(gè)邊緣檢測器中得到完全的統(tǒng)一。判斷邊緣檢測性能的方法是先看邊緣圖像，再評價(jià)其性能。邊緣檢測器的響應(yīng)屮主要有3種謀差:丟失的有效邊緣、邊緣定位誤差和將噪聲誤判斷為邊緣。邊緣檢測主要包括以下4個(gè)步驟:圖像濾波、圖形增強(qiáng)、圖像檢測和圖像定位。(1)圖像濾波邊緣檢測算法主要是基于圖像亮度的一階和二階

10、導(dǎo)數(shù)，但是導(dǎo)數(shù)的計(jì)算對噪聲很敏感，因此必須使川濾波器來改善與噪聲相關(guān)的邊緣檢測器的性能。(2)圖形增強(qiáng)增強(qiáng)邊緣的基礎(chǔ)是確定圖像各點(diǎn)鄰域強(qiáng)度的變化值。增強(qiáng)算法可以將鄰域強(qiáng)度值有顯著變化的點(diǎn)突出顯示。(1)圖像檢測在圖像中有許多點(diǎn)的梯度幅值比較大，而這些點(diǎn)在特定的應(yīng)用領(lǐng)域并不都是邊緣，應(yīng)該用某些方法確定那些是邊緣點(diǎn)。最簡單的邊緣檢測判斷依據(jù)是梯度幅值閾值判據(jù)。(2)圖像定位如果某一應(yīng)用場合要求確定邊緣位置，則邊緣的位置可以在子象素分辨率上來估計(jì)，邊緣的方位也可以被估計(jì)出來。常用的邊緣檢測算子：Roberts算子他根據(jù)任意一對互相垂直方向上的差分來計(jì)算梯度的原理，采用對角線方向相鄰兩象素之差。R

11、obert算子計(jì)算簡單，釆川對角線方向相鄰兩象素之差近似梯度幅值檢測邊緣，檢測水平和垂氏邊緣的效果好于斜向邊緣，定位精度高，對噪聲敏感。(3)Sobel算子對圖像｛f(ij)｝的每個(gè)象索，考察他上、下、左、右鄰點(diǎn)灰度的加權(quán)差，接近的鄰點(diǎn)的權(quán)值大。Sobel算子很容易在空間上實(shí)現(xiàn),Sobel邊緣檢測器不能產(chǎn)生較好的邊緣檢測效果，而H?受噪聲的影響也比較小。當(dāng)使川大的鄰域時(shí)，抗噪聲特性會(huì)更好，但這樣做會(huì)增加計(jì)算量，并且得出的