图像分割与特征提取

《图像分割与特征提取》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第八章图像分割、特征提取与描述主要内容8.1引言8.2图像分割8.3图像的特征8.4图像的描述8.1引言图像分割是将图像划分为若干互不相交的小区域的过程。小区域是某种意义下具有共同属性的象素的连通集合，如物体所占的图像区域、天空区域等。连通的概念是指集合中任意两个点之间都存在着完全属于该集合的连通路径。对于离散图像而言，连通有4连通和8连通之分4连通8连通8.1引言图像分割是图像理解的基础，而在理论上图像分割又依赖图像理解，彼此是紧密关联的。图像分割在一般意义下是十分困难的问题，目前的图像分割一般作为图像的前期处理阶段，是针对分割

2、对象的技术，是与问题相关的，如最常用到的利用阈值化处理进行的图像分割。8.1引言图像分割有二种不同的途径：区域法：将各象素划归到相应物体或区域的象素聚类方法边界方法：通过直接确定区域间的边界来实现分割8.2图像的分割8.2.1、并行区域技术－基于阈值的图像分割技术8.2.2、串行区域技术8.2.3、并行边界技术－基于边界的图像分割8.2图像的分割8.2.1、并行区域技术－基于阈值的图像分割技术8.2.2、串行区域技术8.2.3、并行边界技术－基于边界的图像分割8.2.1并行区域技术－基于阈值取阈值是最常见的并行的直接检测区域的分割

3、方法。阈值是在分割时作为区分物体与背景象素的门限，大于或等于阈值的象素属于物体，而其它属于背景。这种方法对于在物体与背景之间存在明显差别（对比）的景物分割十分有效。实际上，在任何实际应用的图像处理系统中，都要用到阈值化技术。为了有效地分割物体与背景，人们发展了各种各样的阈值处理技术，包括全局阈值、自适应阈值、最佳阈值、局部阈值等。8.2.1并行区域技术－基于阈值单阈值分割只用一个阈值分割。多阈值分割用多个阈值分割。在一般的多阈值情况下，多阈值分割取为：8.2.1并行区域技术－基于阈值（1）极小值点阈值对于双峰直方图，选取两个峰之间

4、的谷对应的灰度值作为阈值。将直方图的包络看作一条曲线，求直方图包络线的极小值点对应的灰度值作为阈值。8.2.1并行区域技术－基于阈值在阈值化处理之后，可以通过直接跟踪物体边界的方法将物体区域分割出来，得到其轮廓并进一步分析其几何形状特征。8.2.1并行区域技术－基于阈值8.2.1并行区域技术－基于阈值（2）最佳阈值有时目标和背景的灰度值有部分交错，用1个全局阈值不能将它们绝然分开。希望减小误分割的概率，选取一个最佳阈值。阈值的选择需要根据具体问题来确定，一般通过实验来确定。8.2.1并行区域技术－基于阈值（3）直方图变换利用象素邻

5、域的局部性质变换原来的直方图得到一个新的直方图。新的直方图或者谷更深或者谷变成峰，更容易检测。常用的方法是用象素的梯度值。8.2.1并行区域技术－基于阈值（4）灰度和灰度平均图物体与背景各自的灰度都较均匀二者相差不大时，分割时可以这样处理：横轴取象素的灰度r，纵轴取r的邻域的平均。直方图为坐标点上的象素数目。边界上的点将远离对角线，因此选远离对角线的点的灰度作为分割的灰度门限将获得较好的分割效果。8.2.1并行区域技术－基于阈值（5）灰度值和梯度值散射图做直方图（r，g）横轴取象素的灰度r，纵轴取r的梯度g。直方图（r，g）为具有

6、某个灰度和梯度值的象素数目。8.2图像的分割8.2.1、并行区域技术－基于阈值的图像分割技术8.2.2、串行区域技术8.2.3、并行边界技术－基于边界的图像分割8.2.2串行区域技术一、区域生长二、分裂合并一、区域生长区域生长方法是根据同一物体区域内象素的相似性质来聚集象素点的方法，从初始区域（如小邻域或甚至于每个象素）开始，将相邻的具有同样性质的象素或其它区域归并到目前的区域中从而逐步增长区域，直至没有可以归并的点或其它小区域为止。区域内象素的相似性度量可以包括平均灰度值、纹理、颜色等信息。关键是相似性度量准则以及初始区域或象素

7、的确定。8.2.2串行区域技术8.2.2串行区域技术图像：5586取跟踪门限T＝25586489748972283228333333333生长准则：区域任一象素与其邻点灰度差

8、把图像分成任意大小且不重叠的区域，然后再合并或分裂这些区域以满足要求。8.2.2串行区域技术确定均匀性准则。例如以一个区对某种特征（如灰度、彩色或纹理）的均匀性为准则，通常用门限T来约束。对满足均匀性准则的小区则合并，不满足均匀性准则的小区则采用四