图像边缘检测课件VIP免费

一、图像分割图像分割是将图像划分成若干个互不相交的小区域的过程，所谓小区域是某种意义下具有共同属性的像素的连通集合。从集合的观点看：它应该是具有如下性质的一种点集，集合R代表整个区域，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R1，R2，…，RN：图像分割1.在对一幅图像的分割结果中全部子区域的总合（并集）应能包括原图像中所有像素，或者说分割应将图像中的每个像素都分进某个子区域中。即：2.在分割结果中各个子区域是互不重叠的，或者说分割结果中一个像素不能同时属于两个区域。即：对所有的i和j，i≠j，有3.分割结果中每子区域都有独特的特性，或者说属于同一个区域中的像素应该具有某些相同的特性。即：对i=1，2，…，N，有RRNii1jiRRTURERPi)(图像分割5.分割结果中，不同的子区域有不同的特性，没有公共元素，或者说属于不同区域的像素应该具有一些不同的特性。即：对i≠j，有6.分割结果中同一个子区域内的像素应当是连通的，即同一个子区域内任何两个像素在该子区域内互相连通，或者说分割得到的区域是一个连通组元。即：对i=1，2，…N，Ri是连通的区域。FALSERRPji)(图像分割的方法图像分割有三种不同的方法：一、基于像素灰度值得分割方法：阈值（门限）方法二、基于区域的分割方法：通过直接确定区域间的边界来实现分割的边界方法；三、基于边缘的分割技术：首先检测边缘像素，再将边缘像素连接起来构成边界形成分割。在图像分割技术中，最常用的是利用化处理进行的图像分割。一、阈值法分割常用的图像分割方法是把图像灰度分成不同的等级，然后用设置灰度门限（阈值T）的方法把原图像中的像素分为奴目标和背景。图像的二值化处理就是常用的阈值化分割，即选择阈值T，将图像转换为黑白二值图像。图像阈值化处理的变换函数表达式为TyxfTyxfyxg),(255),(0),(在图像的阈值分割的时候，选用不同的阈值其处理结果差异很大。阈值过大，会提取多余的部分；而阈值过小，又会丢失所需的部分（当前背景为黑色，对象为白色时刚好相反）。因此，阈值的选取非常重要。阈值的选取可以依据灰度图像的直方图。1.判别分析法确定最佳阈值判别分析法确定最佳阈值的准则，是使进行阈值处理后分离的像素类之间的类间方差最大。判别分析法只需计算直方图的0阶矩和1阶矩，是图像阈值化处理中常用的自动确定阈值的方法。设图像总像素数为N，一共分作L类，灰度值为i的像素数为Ni，则至灰度级K的灰度分布的0阶矩及1阶矩分别定义为0阶矩：KiiNNk0)(1阶矩：KiiNNik0)(当K=L-1时，ω(L-1)=1；μ(L-1)＝μT，μT称为图像的平均灰度。设有M-1个阈值：0≤k1＜k2＜…＜KM-1≤L-1。将图像分割成M个灰度值的类Cj（Cj∈［kj-1+1,…,kj］;j=1,2,…,M;k0=0,kM=L），则各类Cj的发生概率ωj和平均值μj为)()()()()()(111jjjjjjjjkkkkkk式中,ω(0)=0，μ(0)=0。由此可得各类的类间方差为MjrjjMkkk121212)(),,,(将使上式的σ2值为最大值的阈值组(k1,k2，…,kM－1)，作为M值化的最佳阈值组。若取M为2，即分割成2类，则可用上述方法求出二值化的阈值。2.p尾法确定阈值p尾法仅适用于事先已知目标所占全图像百分比的场合。若一幅图像由亮背景和黑目标组成，已知目标占图像的(100－p)%面积，则使得至少(100－p)%的像素阈值化后匹配为目标的最高灰度，将选作用于二值化处理的阈值。二、区域生长区域生长的思路是从一些种子点开始，直到充满整个图像。在具体的实施中，需要确定：种子点的选取原则，即“检测准则”，一般是监督选取，每个目标区域中至少有一个点。生长的方法，即“跟踪准则”，把满足一致性准则（如灰度小于阈值）的点加入该区域。对图像进行扫描，寻找满足“检测准则”的点后，把它的满足“跟踪准则”的任何邻点合并从而产生一个小块的区域。然后再检查该区域的全部邻点，再以每个邻点为新种子点，把满足“跟踪准则”的新邻点并入这个区域。不断重复上述步骤，直到没有邻点满足“跟踪准则”为止，则此块区域生长结束。然后用“检测准则”继续寻...