数字图像处理_6章.ppt

第六章 图像分割和分析;知识库;6.1 图像分割(Image Segmentation);图像分割基本策略：基于灰度值的两个基本特性 基于边界的算法：基于灰度的不连续性检测边界 间断分割（非连续性分割） 边缘连接法 基于区域的算法：基于灰度的相似性进行聚类 阈值分割法 基于区域的分割;1、间断分割（非连续性分割）;1） 点检测(Point Detection); 线检测比点检测稍微复杂，其基本思想一致。 使用模板（注意确定模板的条件或者基本假设） 对输出响应决策，需要合适的决策方法。;依次计算4个方向的典型检测模板，得到Ri i=1,2,3,4 如果 |Ri| |Rj| ，j≠i，则该点更接近模板i 所代表的线。 当只对某一检测方向上的线感兴趣时，使用特定模板给出输出响应，通过域值法将响应最强烈的点提取出来。 设计任意方向的检测模板 可能大于3?3 模板系数和为0 感兴趣的方向的系数大。 ;3） 边缘检测(Edge Detection);3） 边缘检测(Edge Detection);边缘检测基本思想：计算局部微分算子。;a）局部微分算子：一阶微分，用梯度算子计算 特点：常数部分为零；左图中左侧的边是正的（由暗到亮），右侧的边是负的（由亮到暗）；右图结论相反。 ? 用途：用于检测图像中边的存在。;梯度算子(Gradient operators) 函数f(x,y)在(x,y)处的梯度为一个向量： ?f = [?f / ?x , ?f / ?y]T 计算这个向量的大小为： |?f| = mag(?f ) = [(?f / ?x)2 +(?f / ?y)2]1/2 近似为: |?f| ? |Gx| + | Gy | 梯度的方向角为：?(x,y) = arctan(Gy / Gx);Roberts交叉梯度算子 | Gx | = |z5 - z9| | Gy |= |z6 - z8| 梯度值： | ?f | ?| Gx | + | Gy |;Prewitt梯度算子——3x3的梯度模板 Gx = |(z7 +z8 + z9) - (z1 + z2 + z3) | Gy = |(z3 +z6 + z9) - (z1 + z4 + z7) | 梯度值： |?f | ? | Gx | + | Gy |;Gx;b）局部微分算子：二阶微分，用拉普拉斯算子计算 特点：常数部分为零；拉普拉斯算子的结果在亮的一边是正的，在暗的一边是负的。 用途：二次导数的符号用于确定像素是在亮的一边，还是暗的一边；0跨越（零交叉），确定边的准确位置。; 马尔（Marr)算子▽2h ： 定义2-D高斯函数h(x,y):;是一个轴对称函数：; 如图是一个与▽2h近似的5?5模板。这种近似不是唯一的。 其目的是得到▽2h本质的形状： 一个正的中心项； 周围被一个相邻的负值区域围绕（这个负值区域从原点开始作为距离的函数在值上是增加的）； 并被一个零值的外部区域所包围； 系数的总和必须为零，以便在灰度级不变的区域中模板的响应为零。;2、边缘连接(Edge Linking);1） 局部连接处理（边界闭合）; 比较梯度：点(x′,y’)与邻域内的点 (x,y)相似，当||?f (x,y)| – |?f (x’,y’)|| ? T，其中T是一个非负的阈值。 比较梯度向量的方向角：点(x’,y’) 与邻域内的点 (x,y)的方向角相似，当|? (x,y) – ? (x’,y’)| A，其中A是一个角度阈值。 当梯度值和方向角都是相似的，则点(x’,y’)，与边点界(x,y)是连接的。;2） Hough变换;;点(xi,yi)在直线y=kx+b上； 过第i个点的一组线对应k,q坐标中直线q=b=-(xi) k+yi； 过n个点的直线对应k,q坐标中直线族 这些直线交于一点(k0,q0)，k0,q0值就是点(xi,yi)所在直线的参数，即这n个点在直线y= k0 x+q0 上。; 对分布在两条直线上的点，可以在参数空间中找到两个聚类点。;76年由Duda和Hart作了改进，基于斜率和截距的表示变成用法线和法线与X轴的夹角表示。即：? = xcos? + ysin?;而这条直线上的点在极坐标系中所对应的点（ρ、θ）构成图(c)中的一条正弦曲线（?取0?2?或-? ? ?）。反之，在极坐标系中位于这条正弦曲线上的点，对应直角坐标系中过点(x0,y0)的一条直线，如图 (d)所示。 ;;; 程序实现时，对?-?空间定义二维数组，计算得到?-?空间一条曲线，相应数组元素值加1，所有边缘点计算完成后，具有较大值的数组元素就是边缘。 即使图像中的边缘是不连续的， Hough变换也能有效地检测出直线，抗噪声性能较好。;3