数字图像处理 第9章 图像检测与分割(1-3节).ppt

1DigitalImageProcessing数字图像处理

2第九章图像分割

39.1概述

4图像分析的概念对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息，从而建立对图像的描述图像分析系统的基本构成预处理图像分割特征提取对象识别

5图像输入光电变换数字化图像增强图像恢复图像编码预处理阈值分割边缘检测区域分割图像分割特征提取图像识别图像分析理解描述解释图像处理过程

8?分割出来的各区域对某种性质例如灰度，纹理而言具有相似性，区域内部是连通的的且没有过多小孔。?区域边界是明确的?相邻区域对分割所依据的性质有明显的差异图像分割特征

9图像分割图像分割的定义:令集合R代表整个图像区域，对R的分割可看作将R分成N个满足以下五个条件的非空子集（子区域）R1，R2，…，RN：∪Ri=R；对所有的i和j，i≠j，有Ri∩Rj=φ；对i=1,2,…,N，有P(Ri)=TRUE；对i≠j,有P(Ri∪Rj)=FALSE。其中P(Ri)是对所有在集合Ri中元素的逻辑谓词,φ代表空集。

10?边缘检测?边缘跟踪?阈值分割?区域分割?运动分割图像分割本章要点

119.2边缘检测

12边缘边缘的定义：图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合边缘的分类阶跃状屋顶状

13边缘阶跃状屋顶状

边缘

边缘边缘点的几种情况：(1)空间曲面上的不连续点。(两个不同曲面或平面的交线)(2)物体与背景的分界线。(3)不同材料组成的边缘线。(4)阴影引起的边缘。

边缘基本思想：计算局部微分算子一阶微分截面图边界图像

边缘一阶微分：用梯度算子来计算特点：对于亮的边，边的变化起点是正的，结束是负的。对于暗边，结论相反。常数部分为零。用途：用于检测图像中边的存在二阶微分：通过拉普拉斯来计算

18梯度算子梯度算子是一阶导数算子?幅值?方向角

19梯度算子?数字图像处理中用差分代替微分???近似计算

梯度算子几种常用的边缘检测算子梯度算子Roberts算子Prewitt算子Sobel算子Kirsch算子（方向算子）Laplacian算子Canny算子

21梯度算子Roberts算子

22梯度算子Sobel算子

23梯度算子Prewitt算子

24梯度算子原图Prewitt算子Sobel算子Roberts算子

25梯度算子为了检测边缘点，选取适当的阈值T，对梯度图像进行二值化，则有：这样形成了一幅边缘二值图像g(x,y)特点：仅计算相邻像素的灰度差，对噪声比较敏感，无法抑止噪声的影响。

26拉普拉斯算子差分微分二阶导数算子

27拉普拉斯算子??图9.5两种常用的拉普拉斯算子模板

28拉普拉斯算子?

29Canny算子??好的检测结果：对边缘的错误检测率要尽可能低，在检测出图像真实的边缘的同时要避免检测出现虚假的边缘。?好的边缘定位精度：标记出的边缘位置要和图像上真正边缘的位置尽量接近。?对同一边缘要有低的响应次数：有的算子会对一个边缘回产生多个响应。也就是说图像上本来只有一个边缘点的，可是检测出来就会出现多个边缘点。?克服噪声的影响基本思想

30Canny算子?算法步骤?用高斯滤波器平滑图像?计算滤波后图像梯度的幅值和方向?对梯度幅值应用非极大值抑制，其过程为找处图像梯度中的局部极大值点，把其它非局部极大值点置零以得到得到细化的边缘?用双阈值算法检测和连接边缘，使用两个阈值T1和T2(T1T2)，T1用来找到每条线段，T2用来在这些线段的两个方向上延伸寻找边缘的断裂处，并连接这些边缘。

31Canny算子?实例

32算子比较??Roberts算子：Roberts算子利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于图像没经过平滑处理，因此不具备能抑制噪声能力。该算子对具有陡峭边缘且含噪声少的图像效果较好。?Sobel算子和Prewitt算子：都是对图像先做加权平滑处理，然后再做微分运算，所不同的是平滑部分的权值有些差异，因此对噪声具有一定的抑制能力，但不能完全排除检测结果中出现的虚假边缘。虽然这两个算子边缘定位效果不错，但检测出的边缘容易出现多像素宽度。

33算子比较??Laplacian算子：是不依赖于边缘方向的二阶微分算子算子，对图像中的阶跃型边缘点定位准确，该算子对噪声非常敏感，它使噪声成分得到加强，这两个特性使得该算子容易丢失一部分边缘的方向信息，造成一些不连续的检测边缘，同时抗噪声能力比较差。

34算子比较??LOG算子：该算子