ch图像分析基础实用实用教案.ppt

图像分割的目的是理解图像的内容，提取(tíqǔ)出我们感兴趣的对象。
图像分割按照具体应用的要求和具体图像的内容将图像分割成一块块区域。
图像分割是模式识别和图像分析的预处理阶段。
通常图像分割采用聚类方法，假设图像中组成我们所感兴趣对象的像素具有一些相似的特征，如相同的灰度值、相同的颜色等。
(tú xiànɡ)分割
(1)概论(gàilùn)
第1页/共68页
第一页，共69页。
分割对象
灰度图像、彩色图像
遥感图像、红外图像、X光成像、超声图像以 　　及核磁共振成像等。

分割与识别的关系
没有对物体或其局部的认识，分割就无法进行。没有分割，物体识别也是不可能的?
分割可视为一种(yī zhǒnɡ)特殊的识别问题。
第2页/共68页
第二页，共69页。
传统的图像分割(fēngē)技术：
基于像素灰度值的分割(fēngē)技术
基于区域的分割(fēngē)技术
基于边界的分割(fēngē)技术
图像的描述，包括边界和区域的描述
对图像区域的操作(cāozuò)―数学形态学
(1)概论(gàilùn)

第3页/共68页
第三页，共69页。
特征空间聚类方法（clustering）
阈值化、尺度空间聚类、均值(jūn zhí)迁移….
对含噪图像以及纹理图像分割的鲁棒性较好
但特征选取依赖一定的先验和统计知识
基于边缘的方法
梯度法、Snake模型……
方法直观，分割结果比较美观简单，但边缘检测受噪声影响大，不能保证边缘的封闭性
(tú xiànɡ)分割（最近新方法）
第4页/共68页
第四页，共69页。
3. 基于(jīyú)区域的方法
区域生长法、分裂合并法……
保证得到边缘封闭的区域，缺点是边缘复
杂，没有统一标准描述区域
4. 全局优化方法（global optimization）
Bayes方法、最小描述长度（MDL）、最小割算法…….
计算量大，技巧性强
（最近(zuìjìn)新方法）
5. 混合方法
形态学方法、表面拟合法(héfǎ)、边缘-区域法……
6. 基于识别的方法
通过识别结果的反馈实现分割
第5页/共68页
第五页，共69页。
灰度阈值分割法是最古老的分割技术
只能应用于图像中组成感兴趣对象的灰度值是均匀的，并且和背景的灰度值不一样。
事先决定(juédìng)一个阈值，当一个像素的灰度值超过这个阈值，我们就说这个像素属于我们所感兴趣的对象；反之则属于背景部分。
这种方法的关键是怎样选择阈值，一种简便的方法是检查图像的直方图，然后选择一个合适的阈值。
(2)灰度阈值(yù zhí)分割法
(tú xiànɡ)分割
第6页/共68页
第六页，共69页。
单一阈值方法(fāngfǎ)也不适合于由许多不同纹理组成一
块块区域的图像。
如果图像适合这种分割法，那么图像的直方图在表示对象和背景的小范围灰度值附近出现一个高峰值。适合这种分割法的图像的直方图应是双极模式，我们(wǒ men)可以在两个峰值之间的低谷处找到一个合适的阈值。
(2)灰度阈值(yù zhí)分割法

第7页/共68页
第七页，共69页。
若T为图像的一个阈值，它应具备的条件：
(1)T应介于(jiè yú)目标/背景灰度之间
(2)近似于T的象素应是少数。 T位于直方图谷点
(3)若T为阈值，则分割出的背景和目标都应均匀，
错分率低，类内方差小
(4)若T为阈值, 则分割出的背景和目标之间的类间
方差大
(tú xiànɡ)分割
(2)灰度阈值(yù zhí)分割法
第8页/共68页
第八页，共69页。
用如下所示的循环迭代策略(cèlüè)得到阈值
假设图像中处于四个角的像素是属于背景部分，其它像素属于感兴趣对象，然后定义一个背景灰度和对象灰度的初始值。
通过下面的公式循环迭代直至(zhízhì)前后两次循环得到的阈值Ti+1和Ti相差非常小，循环过程停止。
(tú xiànɡ)分割
(2)灰度阈值分割法
uibackground和uiobject分别是循环第i次得到的背景灰度值和对象灰度值。
第9页/共68页
第九页，共69页。
这种单一阈值分割方法一种拓展就是将图像分成(fēn chénɡ)一个个子区域，不同的子区域采用不同的阈值。
将图像分成64×64重叠的子区域，并在每个子区域中检测区域的直方图是不是双极模