生物电子与影像技术第七章-图像分割课件.ppt

单击此处编辑母版文本样式,第二级,第三级,*,单击此处编辑母版标题样式,第七章 图像分割,7.1,边界分割法,7.2,边缘连接分割法,7.3,阈值分割法,7.4,区域分割法,7.5,彩色图像分割,第七章 图像分割,7.1,边界分割法,7.2,边缘连接分割法,7.3,阈值分割法,7.4,区域分割法,7.5,彩色图像分割,7.1 边界分割法,1,图像分割,Image Segmentation,图像分割基本概念,输入图像，输出是分析,分割的目的是把图像空间分成一些有意义的区域,分割建立在相似性和非连续性上,例子：,确定航空照片中的森林、耕地、城市区域,辨认文件中的个别文字,识别和标定细胞显微照片中的染色体,7.1 边界分割法,1,图像分割,Image Segmentation,图像分割基本概念,分割基本思路,从简到难，逐级分割,控制背景环境，降低分割难度,把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上,7.1 边界分割法,1,图像分割,Image Segmentation,图像分割分类,基于边缘检测的方法,找出图像的边缘信息，首先检出局部特性的不连续性，再将它们连成边界，这些边界把图像分成不同的区域，从而分割出各个区域,基于边缘检测的图像分割、基于阈值选取的图像分割,基于区域生成的方法,像素分成不同的区域，根据相应的区域特性在图像中找出与其相似的部分并进行处理,区域生长、分裂,-,合并法,7.1 边界分割法,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：,不连续性区域之间,先找到点、线（宽度为,1,）、边（不定宽度），再确定区域,相似性区域内部,通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边,7.1 边界分割法,2,点的检测,用空域的高通滤波器来检测孤立点,8,8,8,8,128,8,8,8,8,图像,-1,-1,-1,-1,8,-1,-1,-1,-1,模板,R=(-1*8*8+128*8)/9 =(120*8)/9 =960/9=106,设：阈值：,T=64 R T,7.1 边界分割法,2,点的检测,算法,设定阈值,T,，如,T=32,、,64,、,128,等,并计算高通滤波值,R,如果,R,值等于,0,，说明当前检测点与的灰度值与周围点的相同,当,R,的值足够大时，说明该点的值与周围的点非常不同，是孤立点。通过阈值,T,来判断,|R|T,检测到一个孤立点,7.1 边界分割法,2,线的检测,通过典型模板的计值，确定一个点是否在某个方向的线上,7.1 边界分割法,2,线的检测,用,4,种模板分别计算,R,水平,=-6+30=24,R,45,度,=-14+14=0,R,垂直,=-14+14=0,R,135,度,=-14+14=0,1,1,1,5,5,5,1,1,1,1,1,1,5,5,5,1,1,1,1,1,1,5,5,5,1,1,1,例：,图像,7.1 边界分割法,2,线的检测,算法,依次计算,4,个方向的典型检测模板，得到,R,i,i=1,2,3,4,如,|R,i,|R,j,|,对于所有的,j=i,，那么这个点被称为在方向上更接近模板,i,所代表的线,设计任意方向的检测模板,可能大于,3*3,模板系数和为,0,感兴趣方向的系数大,7.1 边界分割法,3,边缘的检测,边界的定义,两个具有相对不同灰度值特性的区域的边界线,适用于：,假定问题中的区域是非常类似的，两个区域之间的过渡，仅仅根据灰度的不连续性便可确定,不适用于：,当假定不成立时，阈值分割技术一般来说比边缘检测更加实用,7.1 边界分割法,3,边缘的检测,计算局部微分算子,截面图,边界图像,7.1 边界分割法,3,边缘的检测,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,7.1 边界分割法,3,边缘的检测,二阶微分：用拉普拉斯算子来计算,特点：二阶微分在亮的一边是正的，在暗的一边是负的。常数部分为零。,用途：,1,）二次导数的符号，用于确定边上的像素是在亮的一边，还是暗的一边。,2,）,0,跨越，确定边的准确位置,7.1 边界分割法,3,边缘的检测,Sobel梯度算子,具有平滑效果，由于微分增强了噪声,拉普拉斯,算子,缺点：对噪声敏感；会产生双边效果；不能检测出边的方向,应用：拉普拉斯算子不直接用于边的检测，通常只起辅助的角色；,第七章 图像分割,7.1,边界分割法,7.2,边缘连接分割法,7.3,阈值分割法,7.4,区域分割法,7.5,彩色图像分割,7.2 边缘连接分割法,1,边缘连接,边检测的后处理,由于噪声的原因，边界的特征很少能够被完整地描述，在亮度不一致的地方会中断,典型的边检测算法后面总要跟随着连接过程和其它边界检测过程，用来归整边像素，成为有意义的边,连接处理的时机和目的,时机：对做过边界检测的图像进行,目的：连接间断的边,7.2 边缘连接分割法,1,边缘连接,连接处理的原理,对做过边检测的图像的每个点,(x,y),的特性进行分析,分析在一个小的邻域（,3x3,或,5x5,）中进行,所有相似的点被连接，形成一个享有共同特性像素的边界,用比较梯度算子的,响应强度,和,梯度方向,确定两个点是否同属一条边,7.2 边缘连接分割法,1,边缘连接,比较梯度,对于点,(x,y),，判断其是否与邻域内的点相似，,T,是一个非负的阈值,|,f,(x,y),f,(x,y)|,T,比较梯度,向量的方向角,对于点,(x,y),，判断其是否与邻域内点的方向角相似，,A,是一个角度阈值,|,(x,y),(x,y)|A,当梯度值和方向角都相似，则点,(x,y),与边点界,(x,y),是连接的,7.2 边缘连接分割法,1,边缘连接,局部连接算法,设定A、T的阈值大小，确定邻域的大小,对图像上每一个像素的邻域点进行分析，判断是否需要连接,记录像素连接的情况，,给不同的边以不同的标记,最后，删除孤立线段，,连接断开的线段,7.2 边缘连接分割法,2,边缘拟合,思想：,若边缘点很稀疏，则需要用某个解析函数如分段线性或高阶样条曲线来拟合边缘,方法：,常根据图像一小块区域来建立拟合模型,常用方法有：,（,1,）迭代端点拟合的分段线性方法,（,2,）灰度阶跃边缘模型,（,3,）灰度渐变边缘模型,7.2 边缘连接分割法,2,边缘拟合,边缘提取方法原图,7.2 边缘连接分割法,2,边缘拟合,迭代端点拟合,（,iterative endpoint fitting,）,7.2 边缘连接分割法,边缘拟合,灰度阶跃边缘模型,7.2 边缘连接分割法,2 边缘拟合,灰度渐变边缘模型,7.2 边缘连接分割法,3 Hough,变换,目的：检测图像中某些给定形状的曲线并用参数方程描绘，较少受曲线中断点的影响,思想：对图像进行坐标变换，使之在另一个坐标空间的特定位置出现峰值,原理：点-线的对偶性（duality）,7.2 边缘连接分割法,3 Hough,变换,方法,对于边界上的n个点的点集，找出共线的点集和直线方程,对于任意两点的直线方程：y=ax+b，构造一个参数a，b的平面,xy,平面上的任意一条直线,y=ax+b,，对应在参数,ab,平面上都有一个点,过,xy,平面一个点,(x,y),的所有直线，构成参数,ab,平面上的一条直线,7.2 边缘连接分割法,3 Hough,变换,方法,如果点(x1,y1)与点(x2,y2)共线，,则,这两点在参数ab平面上的直线将有一个交点,在参数ab平面上相交直线最多的点，对应的xy平面上的直线就是我们的解,7.2 边缘连接分割法,3 Hough,变换,算法实现,用极坐标形式：xcos,+ysin,=,参数平面为,对应不是直线而是正弦曲线,使用交点累加器，或交点统计直方图，找出相交线段最多的参数空间的点,最后找出该点对应的,xy,平面的直线线段,7.2 边缘连接分割法,3 Hough,变换,算法实现,RGB =imread(gantrycrane.png);,I =rgb2gray(RGB);%convert to intensity,BW=edge(I,canny);,figure,subplot(2,2,1),imshow(RGB),subplot(2,2,2),imshow(BW),H,T,R=hough(BW);,subplot(2,2,3),imshow(H,XData,T,YData,R,InitialMagnification,fit),xlabel(theta),ylabel(rho);,axis on,axis normal,hold on;,P =houghpeaks(H,5,threshold,ceil(0.3*max(H(:);,x=T(P(:,2);y=R(P(:,1);,plot(x,y,s,color,white);,%Find lines and plot them,lines=houghlines(BW,T,R,P,FillGap,20,MinLength,7);,subplot(2,2,4),imshow(I),hold on,max_len=0;,for k=1:length(lines),xy=lines(k).point1;lines(k).point2;,plot(xy(:,1),xy(:,2),LineWidth,2,Color,yellow);,end,第七章 图像分割,7.1,边界分割法,7.2,边缘连接分割法,7.3,阈值分割法,7.4,区域分割法,7.5,彩色图像分割,7.3 阈值分割法,1,基础,思想：,确定一个合适的阈值,T,（阈值选定的好坏是此方法成败的关键）,将大于等于阈值的像素作为物体或背景，生成一个二值图像,If f(x,y)T set 1,else set 0,在四邻域中有背景的像素，是边界像素,7.3 阈值分割法,1,基础,全局阈值与局部阈值,可看做一种涉及测试下列形式函数,T,的操作,T=T x,y,p(x,y),f(x,y),如果,T,取决于,f(x,y),时，就称为全局阈值,如果,T,取决于,f(x,y),和,p(x,y,），就称为局部阈值,7.3 阈值分割法,1,基础,特点,适用于物体与背景有较强对比的情况，重要的是背景或物体的灰度比较单一,这种方法总可以得到封闭且连通区域的边界,7.3 阈值分割法,2,直方图阈值法,7.3 阈值分割法,2,直方图阈值法,基本思想,边界上的点的灰度值出现次数较少,7.3 阈值分割法,2,直方图阈值法,取值的方法,取直方图谷底,(,最小值,),的灰度值为阈值,T,缺点,会受到噪声的干扰，最小值不是预期的阈值，而偏离期望的值,7.3 阈值分割法,2,直方图阈值法,改进,取两个峰值之间某个固定位置，如中间位置上。由于峰值代表的是区域内外的典型值，一般情况下，比选谷底更可靠，可排除噪声的干扰,7.3 阈值分割法,3,亮度的作用,图像是由反射率分量和亮度分量的乘积组成,7.3 阈值分割法,3,亮度的作用,解决非均匀照明问题,把照明投射至一固定的白色反射面，产生,1,幅影像,得到正则化影像,(,此影像为剩余反射分量,),决定,r(x,y),所需的单一临界值,k,则对于,h(x,y),的临界值为,T/k,7.3 阈值分割法,4,全局阈值分割,用前述方法获得阈值T，并产生一个二值图，区分出前景对象和背景,规定一个阈值,T,，逐行扫描图像,凡灰度级大于,T,的，置为,1,；凡灰度级小于,T,的，置为,0,适用场合：图像亮度是可以控制的情况，例如用于工业检测系统中,7.3 阈值分割法,4,自适应阈值,问题,不均匀亮度的成像导致用直方图得到单一全局阈值分割法无效,解决：,将图像进一步细分为子图像，并对不同的子图像使用不同的阈值进行分割,7.3 阈值分割法,5,最佳全局和,自适应阈值,一种产生最小平均分割误差的估计方法,假设一幅图像仅包含两个主要的灰度级区域,7.3 阈值分割法,二值图像,7.3 阈值分割法,6,阈值选择,最佳阈值,假设一幅图像是由背景和物体组成。其中，物体像素的灰度级具有正态概率密度 ，其均值为 ，方差为 ；而背景像素的灰度级也具有正态概率密度 ，其均值为 ，方 差为,物体占图像总面积的比为 ，背景占,总面积的比为,7.3 阈值分割法,6,阈值选择,最佳阈值,图像总的灰度级概率密度为,假设对图像设置一阈值,T,把小于,T,的全部点称为目标物体点，而把大于等于,T,的所有点称为背景点,7.3 阈值分割法,6,阈值选择,最佳阈值,把背景错归为物体点的概率为 ，,把物体点错归为背景点的概率为 ，,则有,7.3 阈值分割法,6,阈值选择,最佳阈值,总的错分概率为,要求最小阈值，可将上式求微分，并令其结果为,0,，则得到,7.3 阈值分割法,6,阈值选择,最佳阈值,7.3 阈值分割法,6,阈值选择,最佳阈值,如果 ，那么,即为最佳阈值,7.3 阈值分割法,6,阈值选择,最佳阈值,对于复杂图像，在许多情况下对整幅图像用单一阈值不能给出良好的分割结果；,如果已知在图像上的位置函数描述不均匀照射，就可以设法利用灰度级校正技术进行校正，然后采用单一阈值来分割；,把图像分成小块，并对每一块设置局部阈值。,如果某块图像只含物体或只含背景，那么对这块图像就找不到阈值，由附近的像块求得的局部阈值进行计算得到,7.3 阈值分割法,阈值求取方法的分类,（,1,）分割过程是否需要人工干预：交互,/,自动,（,2,）阈值的作用范围：全局,/,局部,（,3,）阈值与灰度分布的关系：,基于灰度分布的一阶统计,基于灰度分布的二阶统计,（,4,）算法的处理策略：迭代,/,非迭代,（,5,）算法是否需要分割估计：有监督,/,无监督,7.3 阈值分割法,7,分水岭算法,Watershed,算法是一种特殊的自适应阈值迭代算法,目的：将两个物体目标从背景中提取出来并互相分开,7.3 阈值分割法,7,分水岭算法,Step1:,在一个低灰度级阈值上进行二值化，将目标正确地分离出，但边界偏向内部,Step2:,每次将阈值增加一个灰度级，物体的边界随之向外扩展,Step3:,重复,Step2,，直至两个物体的边界相互接触。此时可确定物体的边界,7,分水岭算法,7.3 阈值分割法,第七章 图像分割,7.1,边界分割法,7.2,边缘连接分割法,7.3,阈值分割法,7.4,区域分割法,7.5,彩色图像分割,7.4 区域分割法,区域增长,基本思想,把一幅图像分成满足某种判据的区域，也就是说，把点组成区域,确定区域的数目,要确定一个区域与其他区域相区别的特征,确定一个产生有意义分割的相似性判据,从一个已知点开始，加上与已知点相似的邻近点形成一个区域,相似性准则可以是灰度级、彩色、组织、梯度或其他特性,7.4 区域分割法,区域增长,相似性测度方法,相似性的测度可以由所确定的阈值来判定,从满足检测准则的点开始，在各个方向上生长区域。当其邻近点满足检测准则就并入小块区域中，当新的点被合并后再用新的区域重复这一过程，直到没有可接受的邻近点时，生成过程终止,7.4 区域分割法,区域增长,相似性测度方法,相似性准则是邻近点的灰度级与物体的平均灰度级的差小于,T,T=2,7.4 区域分割法,区域增长,相似性测度方法,当生成任意物体时，接受准则可以结构为基础，而不是以灰度级或对比度为基础,为了把候选的小群点包含在物体中，可以检测这些小群点，而不是检测单个点，如果它们的结构与物体的结构充分并且足够相似时就接受它们,还可以使用界线检测对生成建立“势垒”，如果在“势垒”的近邻点和物体之间有界线，则不能把这邻近点接受为物体中的点,7.4 区域分割法,聚合,Cluster,聚合分割方法,定义一个等价关系,确定邻接性，连接性可以用邻点来定义,通过这样的连接关系可以定义一个属于,R,的子集，这个子集形成一个区域。在这个区域中，任何点都与,R,有关。利用等价模板可分成最大的连接区域,这些最大的连结区域又可以象搭积木一样形成有意义的分割,7.4 区域分割法,图像分割目前研究方向,（1）大量研究集中在对分割算法的研究,（2）根据分割评价方法，对各种分割算法的性能进行刻画和比较,（3）对分割评价方法的研究,第七章 图像分割,7.1,边界分割法,7.2,边缘连接分割法,7.3,阈值分割法,7.4,区域分割法,7.5,彩色图像分割,7.5 彩色图像分割,1 HIS,彩色空间分割,彩色图像仅在一个单独的平面上处理时应用,色调分量适合于描述彩色,饱和度分量适合作为模板图像,强度分量不含有彩色信息，应用较少,a),原,图像,b),色调,c),饱和度,d),强度,e),二值饱和度,(,黑,=0)T=0.1,f)b x e,g)f,的直方图,h)a,中红分量的分割结果,f,中取,T=0.9,7.5 彩色图像分割,2 RGB,彩色空间分割,方法直观,对特殊彩色区域的分割方法,获得感兴趣彩色的代表性彩色点样本集，得到彩色“平均,”,估计，用向量,a,表示,选择相似性度量,对于图像在,RGB,空间中的点,z,，,z,与,a,之间的相似度测量结果小于阈值,T,，则称,z,与,a,相似,7.5 彩色图像分割,2 RGB,彩色空间分割,相似性度量,欧氏距离,其他距离测度,其中，,C,为希望分割的彩色典型样本协方差矩阵,红分量均值,+/-,1.25,标准差,