资源描述
,Digital Image,Processing,4/2/2019,#,6,.1,6,.2,6,.3,阈值分割,边缘检测,区域分割,第,6,章,HALCON,图像分割,HALCON,编程基础与工程应用,6,.1,阈值分割,定义:,阈值分割是一种按图像像素灰度幅度进行分割的方法,它是把图像的灰度分成不同的等级,然后用设置灰度门限(阈值)的方法,确定有意义的区域或要分割物体的边界。,步骤:,(,1,)确定阈值;,(,2,)将阈值与像素灰度值进行比较;,(,3,)把像素分类。,HALCON,编程基础与工程应用,实验法通过人眼的观察,对已知某些特征的图像试验不同的阈值,观察是否满足要,求。,实验法的问题是适用范围窄,使用前必须事先知道图像的某些特征,比如平均灰度等,而且分割后的图像质量的好坏受主观局限性的影响很大。,1,、实验法,(,a,)原图 (,b,)分割后,HALCON,编程基础与工程应用,如果图像的前景物体内部和背景区域的灰度值分布都比较均匀,那么这个图像的灰度直方图具有明显双峰,此时可以选择两峰之间的谷底对应的灰度值,T,作为阈值进行图像分割。,此种单阈值分割方法简单易操作,但是当两个峰值相差很远时不适用,而且,此种方法容易受到噪声的影响,进而导致阈值选取的误差。,2,、根据直方图谷底确定阈值法,(,a,)原图 (,b,)分割后,HALCON,编程基础与工程应用,迭代式阈值选择方法的基本思路是:开始选择一个阈值作为初始估计值,然后按照某种规则不断的更新这一估计值,直到满足给定的条件为止。,这个过程的关键是选择什么样迭代规则。一个好的迭代规则必须既能够快速收敛,又能够在每一个迭代过程中产生优于上一次迭代的结果。,3,、迭代选择阈值法,(,a,)原图 (,b,)分割后,HALCON,编程基础与工程应用,最大类间方差法选定的分割阈值应该使前景区域的平均灰度、背景区域的平均灰度与整幅图像的平均灰度之间差别最大,这种差异用方差来表示。,该算法是在判别分析最小二乘法原理的基础上推导得出,计算简单,是一种稳定、常用的算法。,4,、最大类间方差法,(,a,)原图 (,b,)分割后,HALCON,编程基础与工程应用,6,.,2,边缘检测,图像的边缘是图像的基本特征,边缘上的点是指图像周围像素灰度产生变化的那些像素点,即灰度值导数较大的地方。,基于一阶导数的边缘检测算子包括,Robert,算子、,Sobel,算子、,Prewitt,算子等,它们都是梯度算子。,基于二阶导数的边缘检测算子主要是高斯,-,拉普拉斯边缘检测算子。,HALCON,编程基础与工程应用,一阶算子,典型算子,Roberts,算子利用局部差分算子寻找边缘,边缘定位较准,但容易丢失一部分边缘,同时由于图像没有经过平滑处理,因此不具有抑制噪声的能力。该算子对具有陡峭边缘且含噪声少的图像处理效果较好。,Sobel,算子很容易在空间上实现。,Sobel,算子边缘检测器不但产生较好的边缘检测效果,同时因为,Sobel,算子引入了局部平均,使其受噪声的影响也比较小。当使用较大的模板时,抗噪声特性会更好,但是这样会增大计算量,并且得到的边缘比较粗。,Prewitt,和,Sobel,算子的方程完全一样,只是常量,c=1,。由于常量,c,的不同,这一算子与,Sobel,算子不同的地方在于没有把重点放在接近模板中心的像素点。当用两个掩膜板(卷积算子)组成边缘检测器时,通常取较大的幅度作为输出值。,Kirsch,算法由,K0K7,八个方向的模板决定的,将,K0K7,的模板元素分别与当前像素点的,33,模板区域的像素点作乘求和,然后选八个值中最大的值作为中央像素的边缘强度。,HALCON,编程基础与工程应用,一阶算子,典型算子,原图,Roberts,滤波,Sobel,滤波,Prewitt,滤波,Kirsch,滤波,HALCON,编程基础与工程应用,高斯,-,拉普拉斯算子,典型算子,拉普拉斯算子,是一个二阶导数,对噪声具有很大的敏感度,而且其幅值会产生双边缘。另外,边缘方向的不可检测性也是拉普拉斯算子的缺点,因此,一般不以其原始形式用于边缘检测。为了弥补拉普拉斯算子的缺陷,美国学者,Marr,提出了一种算法,在使用拉普拉斯算子之前一般先进行高斯低通滤波。,(,a,)原图 (,b,)高斯,-,拉普拉斯边缘提取,(,c,)零交叉边缘检测效果图,HALCON,编程基础与工程应用,Canny,算子,典型算子,Canny,边缘检测算子是一种具有较好边缘检测性能的算子,利用高斯函数的一阶微分性质,把边缘检测问题转换为检测准则函数极大值的问题,能在噪声抑制和边缘检测之间取得较好的折中。,(,a,)原图 (,b,),Canny,边缘提取,HALCON,编程基础与工程应用,像素边缘提取和亚像素边缘提取,典型算子,例如某,CMOS,摄像机芯片,其像素间距为,5.2,微米。两个像素之间有,5.2,微米的距离,在宏观上可以看作是连在一起的。但是在微观上,它们之间还有更小的东西存在,这个更小的东西我们称它为“亚像素”。,(,a,)像素边缘提取 (,b,)亚像素边缘提取,HALCON,编程基础与工程应用,Hough,变换是一种检测、定位直线和解析曲线的有效方法。它是把二值图变换到,Hough,参数空间,在参数空间用极值点的检测来完成目标的检测。,在实际中由于噪声和光照不均等因素,使得在很多情况下所获得的边缘点是不连续的,必须通过边缘连接将它们转化为有意义的边缘,一般的做法是对经过边缘检测的图像进一步使用连接技术,从而将边缘像素组合成完整的边缘。,Hough,变换,HALCON,编程基础与工程应用,6,.,3,区域分割,区域分割利用的是图像的空间性质,认为分割出来的属于同一区域的像素应具有相似的性质。传统的区域分割方法有,区域生长,和,区域分裂与合并,,还有源于地形学的,分水岭分割,。,HALCON,编程基础与工程应用,1,、区域生长法,区域生长也称为区域生成,其基本思想是将一幅图像分成许多小的区域,并将具有相似性质的像素集合起来构成区域。,(,a,)原图,(,b,)区域生长分割 (,c,)最终结果,HALCON,编程基础与工程应用,2,、分裂合并法,从上面图像分割的方法中了解到,图像阈值分割法可以认为是从上到下(从整幅图像根据不同的阈值分成不同区域)对图像进行分开,而区域生长法相当于从下往上(从种子像素开始不断接纳新像素最后构成整幅图像)不断对像素进行合并。如果将这两种方法结合起来对图像进行划分,便是分裂合并算法。因此,其实质是先把图像分成任意大小而且不重叠的区域,然后再合并或分裂这些区域以满足分割的要求。,HALCON,编程基础与工程应用,3,、分水岭分割,现实中我们见到过有山有湖的景象,那么那一定是水绕山,山围水的情形。当然在需要的时候,要人工构筑分水岭,以防集水盆之间的互相穿透。而区分高山与水的界线,以及湖与湖之间的间隔,就是分水岭。,HALCON,编程基础与工程应用,3,、分水岭分割,HALCON,编程基础与工程应用,总结,图像分割问题是一个十分困难的问题。例如,物体及其组成部件的二维表现形式受到光照条件、透视畸变、观察点变化等情况的影响,有时图像前景和背景在视觉上无法进行简易的区分。因此,人们需要不断的进行学习,不断的探索使用新方法对图像进行处理,以得到预期的效果。,本章主要介绍了一些图像分割的基本概念、公式推导、适用情况及例程。具体介绍了阈值分割、边缘检测、区域分割等图像分割算法。对于选择何种图像分割方法进行处理,还要考虑实际问题的特殊性。本章讨论的方法都是实际应用中普遍使用的具有代表性的技术。,HALCON,编程基础与工程应用,
展开阅读全文