《数字图像处理》课程教学资源（PPT课件讲稿）第7章 图像分割

第7章图像分割(上) 前面主要讲述的是图像预处理方面的知识 >在本章以及第8章主要介绍图像分析的问 题,即着眼于找出图像中哪些事物,也即 是模式识别问题,主要从统计模式识别来 讲

第7章 图像分割（上） ►前面主要讲述的是图像预处理方面的知识 ►在本章以及第8章主要介绍图像分析的问 题，即着眼于找出图像中哪些事物，也即 是模式识别问题，主要从统计模式识别来 讲

统计模式识别 >统计模式识别,应用最广 认为图像可能包含一个或多个物体,并且 每个物体属于若干事先定义的类型、范畴 或模式类别之

统计模式识别 ►统计模式识别，应用最广 ►认为图像可能包含一个或多个物体，并且 每个物体属于若干事先定义的类型、范畴 或模式类别之一

>对于给定的一幅含有多个物体的数字图像, 模式识别的过程由三个阶段组成,如图所示 检测出各种 对物体进行 输出仅仅是 物体,并把 度量,即对 种决策, 他们的图像 物体进行定 确定每个物 和其余景物 体应该归属 分离 量分析估计x1的类别 2 N B ar 图像分割 特征抽取 分类 输入图像 物体图像 特征矢量物体类型

►对于给定的一幅含有多个物体的数字图像， 模式识别的过程由三个阶段组成，如图所示 图像分割 特征抽取 输入图像 物体图像             N x x x  2 1 特征矢量 分类 物体类型 “Bar” 检测出各种 物体，并把 他们的图像 和其余景物 分离 对物体进行 度量，即对 物体进行定 量分析估计 输出仅仅是 一种决策， 确定每个物 体应该归属 的类别

图像分割介绍 对应单个 定义 灰度、颜 色、纹理 区域和多 个区域 将图像分成各具特性的区域,并提取出感兴趣目标的技术和过程 图像处理过渡到图像分析的关键步骤,也是 种基本的计算机视觉技术 借助集合概念进行正式的定义: 令R代表整个图像区域,对R的分割可看做将R分成若 干个满足以下条件的非空子集(子区域)R1,R2,R3.Rn

图像分割介绍 ►定义 将图像分成各具特性的区域，并提取出感兴趣目标的技术和过程 灰度、颜 色、纹理 对应单个 区域和多 个区域 图像处理过渡到图像分析的关键步骤，也是一 种基本的计算机视觉技术 借助集合概念进行正式的定义： 令R代表整个图像区域，对R的分割可看做将R分成若 干个满足以下条件的非空子集(子区域)R1,R2,R3…Rn

分割所得到的全部子区域的总和 分割准 (1)U=1R=R(并集应能包括图像中所有象素, 则应可 或者说分割应将图像中的每个象 适用于 所有区 素都分进某1个子区域中 域和象 素 (2)对所有的和j, 各个子区域是互不重叠的,或者 ij,有R∩R=9 说1个象素不能同时属于2各区域 3)i=1,2…n,有 在分割后得到的属于同1个分割准 P(R=TRUE 区域中的象素应该具有某些帮助确 相同特性 定各区 域象素 (4)对i有 在分割后得到的属于不同区有代表 P(R, UR=FALSE 域中的象素应该具有一些不性 同的特性 (5)对=1,2…,n,R是 连通的区域 要求同1个子区域内的 象素应当是连通的

(1) ∪i=1 nRi=R 分割所得到的全部子区域的总和 (并集)应能包括图像中所有象素， 或者说分割应将图像中的每个象 素都分进某1个子区域中 (2) 对所有的i和j， i≠j，有Ri∩Rj=φ 各个子区域是互不重叠的，或者 说1个象素不能同时属于2各区域 (3) i=1,2…n,有 P(Ri )=TRUE 在分割后得到的属于同1个 区域中的象素应该具有某些 相同特性 (4) 对i≠j,有 P(Ri∪Rj )=FALSE 在分割后得到的属于不同区 域中的象素应该具有一些不 同的特性 (5) 对i=1,2…n,Ri是 连通的区域 要求同1个子区域内的 象素应当是连通的 分割准 则应可 适用于 所有区 域和象 素 分割准 则应能 帮助确 定各区 域象素 有代表 性的特 性

图像分割方法分类 >基于阈值的分割一通过阈值对不同物体进行分割 基于边缘的分割一先确定边缘象素,并把它们连接在 起,以构成所需的边界 >基于区域的分割一把各象素划归到各个物体或区域中 基于运动的分割一通过视频物体运动进行分割

► 基于阈值的分割－通过阈值对不同物体进行分割 ► 基于边缘的分割－先确定边缘象素，并把它们连接在 一起，以构成所需的边界 ► 基于区域的分割－把各象素划归到各个物体或区域中 ► 基于运动的分割－通过视频物体运动进行分割 图像分割方法分类

基于阈值的分割 >图像阈值分割是一种广泛应用的分割技术,利用 图像中要提取的目标物与其背景在灰度特性上的 差异,把图像视为具有不同灰度级的两类区域 (目标和背景)的组合,选取一个合适的阈值,以 确定图像中每个象素点应该属于目标还是背景区 域,从而产生相应的二值图像 可以大量压缩数据,减少存储容量,而且能 大大简化其后的分析和处理步骤

基于阈值的分割 ► 图像阈值分割是一种广泛应用的分割技术，利用 图像中要提取的目标物与其背景在灰度特性上的 差异，把图像视为具有不同灰度级的两类区域 (目标和背景)的组合，选取一个合适的阈值，以 确定图像中每个象素点应该属于目标还是背景区 域，从而产生相应的二值图像 可以大量压缩数据，减少存储容量，而且能 大大简化其后的分析和处理步骤

但是,它对物体与背景具有较强对比的景物的分割很有效, 而且总能用封闭连通的边界定义不交叠的区域 设原始图像f(x2y),以一定的准则在(x2y)中找出一个合适的灰 度值,作为阈值t,则分割后的图像g(xy),可由下式表示: 1 fx, y2t 1f(x,y)≤t g(x,y)= 或g(xy)= 0 f(x,ykt 另外,还可以将阈值设置为一个灰度范围[t1,t2,凡是灰 度在范围内的象素都变为1,否则皆变为0,即 ltl≤f(x,y)st2 gx, y) 0其它

但是，它对物体与背景具有较强对比的景物的分割很有效， 而且总能用封闭连通的边界定义不交叠的区域 设原始图像f(x,y)，以一定的准则在f(x,y)中找出一个合适的灰 度值，作为阈值t，则分割后的图像g(x,y)，可由下式表示： g(x,y)= 1 f(x,y)≥t 0 f(x,y)t 或 另外，还可以将阈值设置为一个灰度范围[t1,t2]，凡是灰 度在范围内的象素都变为1，否则皆变为0，即 g(x,y)= 1 t1≤f(x,y)≤t2 0 其它

某种特殊情况下,高于阈值t的象素保持原灰度级,其它 象素都变为0,称为半阈值法,分割后的图像可表示为 f(x, y f(x, y2t g(x,y)= 0其它 阈值分割图像的基本原理,可用下式表示: ZEf(x,y)∈z 阈值 gIX ZB其它 阈值的选取时阈值分割技术得关键,如果过高,则过 多的目标点被误归为背景;如果阈值过低,则会出现 相反的情况

某种特殊情况下，高于阈值t的象素保持原灰度级，其它 象素都变为0，称为半阈值法，分割后的图像可表示为： g(x,y)= f(x,y) f(x,y)≥t 0 其它 阈值分割图像的基本原理，可用下式表示： g(x,y)= ZE f(x,y)∈Z ZB 其它 阈值 阈值的选取时阈值分割技术得关键，如果过高，则过 多的目标点被误归为背景；如果阈值过低，则会出现 相反的情况

由此可见,阈值化分割算法主要有两个步骤: 1、确定需要的分割阈值 2、将分割阈值与象素值比较以划分象素 在利用阈值方法来分割灰度图像时一般都对图像有一定的 假设。基于一定的图像模型的。 最常用的模型: 假设图像由具有单峰灰度分布的目标和背景组成,处于目 标或背景内部相邻象素间的灰度值是高度相关的,但处于 目标和背景交界处两边的象素在灰度值上有很大的差别。 如果一幅图像满足这些条件,它的灰度直方图基本上可看 作是由分别对应目标和背景的两个单峰直方图混合构成的

由此可见，阈值化分割算法主要有两个步骤： 1、确定需要的分割阈值 2、将分割阈值与象素值比较以划分象素 在利用阈值方法来分割灰度图像时一般都对图像有一定的 假设。基于一定的图像模型的。 最常用的模型： 假设图像由具有单峰灰度分布的目标和背景组成，处于目 标或背景内部相邻象素间的灰度值是高度相关的，但处于 目标和背景交界处两边的象素在灰度值上有很大的差别。 如果一幅图像满足这些条件，它的灰度直方图基本上可看 作是由分别对应目标和背景的两个单峰直方图混合构成的