第05章图像分割与边缘检测ppt课件.ppt

《第05章图像分割与边缘检测ppt课件.ppt》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、5.1阈值分割5.1.1概述阈值化是最常用一种图像分割技术，其特点是操作简单，分割结果是一系列连续区域。灰度图像的阈值分割一般基于如下假设：图像目标或背景内部的相邻像素间的灰度值是高度相关的，目标与背景之间的边界两侧像素的灰度值差别很大，图像目标与背景的灰度分布都是单峰的。如要图像目标与背景对应的两个单峰大小接近、方差较小且均值相差较大，则该图像的直方图具有双峰性质。阈值化常可以有效分割具有双峰性质的图像。阈值分割过程如下：首先确定一个阈值T，对于图像中的每个像素，若其灰度值大于T，则将其置为目标点(值为1)，否则置为背

2、景点(值为0)，或者相反，从而将图像分为目标区域与背景区域。用公式可表示为(5-1)在编程实现时，也可以将目标像素置为255，背景像素置为0，或者相反。当图像中含有多个目标且灰度差别较大时，可以设置多个阈值实现多阈值分割。多阈值分割可表示为(5-2)式中：Tk为一系列分割阈值；k为赋予每个目标区域的标号；m为分割后的目标区域数减1。阈值分割的关键是如何确定适合的阈值，不同的阈值其处理结果差异很大，会影响特征测量与分析等后续过程。如图5-1所示，阈值过大，会过多地把背景像素错分为目标；而阈值过小，又会过多地把目标像素错分为

3、背景。确定阈值的方法有多种，可分为不同类型。如果选取的阈值仅与各个像素的灰度有关，则称其为全局阈值。如果选取的阈值与像素本身及其局部性质(如邻域的平均灰度值)有关，则称其为局部阈值。如果选取的阈值不仅与局部性质有关，还与像素的位置有关，则称其为动态阈值或自适应阈值。阈值一般可用下式表示：T=T［x,y,f(x,y),p(x,y)］(5-3)式中：f(x，y)是点(x，y)处的像素灰度值：p(x，y)是该像素邻域的某种局部性质。图5-1不同阈值对图像分割的影响当图像目标和背景之间灰度对比较强时，阈值选取较为容易。实际上，由

4、于不良的光照条件或过多的图像噪声的影响，目标与背景之间的对比往往不够明显，此时阈值选取并不容易。一般需要对图像进行预处理，如图像平滑去噪，再确定阈值进行分割。5.1.2全局阈值当图像目标与背景之间具有高对比度时，利用全局阈值可以成功地分割图像。如图5-2(a)所示，点状目标与背景之间具有鲜明的对比，如图5-2(b)所示的直方图表现出双峰性质，左侧峰对应较暗的目标，右侧峰对应较亮的背景，双峰之间的波谷对应目标与背景之间的边界。当选择双峰之间的谷底点对应的灰度值作为阈值时，便可以很好地将目标从背景中分离出来。图5-2(c)是

5、用阈值124分割的结果。图5-2直方图具有双峰性质的阈值分割确定全局阈值的方法很多，如极小点阈值法、迭代阈值法、最优阈值法、Otsu阈值法、最大熵法、p参数法等。当具有明显的双峰性质时，可直接从直方图的波谷处选取一个阈值，也可以根据某个准则自动计算出阈值。实际使用时，可根据图像特点确定合适的阈值方法，一般需要用几种方法进行对比试验，以确定分割效果最好的阈值。1．极小点阈值法　　如果将直方图的包络线看做一条曲线，则通过求取曲线极小值的方法可以找到直方图的谷底点，并将其作为分割阈值。设p(z)代表直方图，那么极小点应满足

6、：p′(z)=0且p″(z)>0(5-4)若在求极小值点之前对直方图进行平滑处理，则效果会更好。例如3点平滑，平滑后的灰度级i的相对频数用灰度级i-1，i，i+1的相对频数的平均值代替。2．迭代阈值法　　迭代阈值算法如下：(1)选择一个初始阈值T1。(2)根据阈值T1将图像分割为G1和G2两部分。G1包含所有小于等于T1的像素，G2包含所有大于T1的像素。分别求出G1和G2的平均灰度值μ1和μ2。(3)计算新的阈值T2=(μ1+μ2)/2。(4)如果

7、T2-T1

8、≤T0(T0为预先指定的很小的正数)，即迭代过程中前后两

9、次阈值很接近时，终止迭代，否则T1=T2，重复(2)和(3)。最后的T2就是所求的阈值。设定常数T0的目的是为了加快迭代速度，如果不关心迭代速度，则可以设置为0。当目标与背景的面积相当时，可以将初始阈值T1置为整幅图像的平均灰度。当目标与背景的面积相差较大时，更好的选择是将初始阈值T1置为最大灰度值与最小灰度值的中间值。3．最优阈值法　　由于目标与背景的灰度值往往有部分相同，因而用一个全局阈值并不能准确地把它们绝然分开，总会出现分割误差。一部分目标像素被错分为背景，一部分背景像素被错分为目标。最优阈值法的基本思想就是选

10、择一个阈值，使得总的分类误差概率最小。假定图像中仅包含两类主要的灰度区域(目标和背景)，z代表灰度值，则z可看做一个随机变量，直方图看做是对灰度概率密度函数p(z)的估计。p(z)实际上是目标和背景两个概率密度函数之和。设p1(z)和p2(z)分别表示背景与目标的概率密度函数，P1和P2分别表示背景像素与目标像素出现