第6章-HALCON图像分割.pptx

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,