1、第六章 圖像分割 6.1 圖像分割引言 6.2 邊界分割法 6.3 邊緣連接分割法 6.4 閾值分割法 6.5 面向區域的分割 6.6 數學形態學圖像處理6.2 圖像分割:邊界分割法 點的檢測 用空域的高通濾波器來檢測孤立點例： R = (-1 * 8 * 8 + 128 * 8) / 9 = (120 * 8) / 9 = 960 / 9 = 106設 ：閾值：T = 64 R T8888128 8888圖像-1-1-1-18-1-1-1-1模板6.2 圖像分割:邊界分割法 點的檢測算法描述 設定閾值 T，如T = 32、64、128等,并計算高通濾波值R 如果R值等于0，說明當前檢測點的灰

2、度值與周圍點的相同 當R的值足夠大時，說明該點的值與周圍的點非常不同，是孤立點。通過閾值T來判斷 |R| T 檢測到一個孤立點6.2 圖像分割:邊界分割法 線的檢測 通過比較典型模板的計算值，確定一個點是否在某個方向的線上-1-1-1222-1-1-1水平模板-1-12-12-12-1-145度模板-12-1-12-1-12-1垂直模板2-1-1-12-1-1-12135度模板6.2 圖像分割:邊界分割法 線的檢測算法描述 依次計算4個方向的典型檢測模板，得到Ri i=1,2,3,4 如 |Ri| |Rj| 對于所有的j = i，那么這個點被稱為在方向上更接近模板i 所代表的線 設計任意方向的

3、檢測模板 可能大于3x3 模板系數和為0 趕興趣的方向的系數大。 6.2 圖像分割:邊界分割法 邊的檢測 一階微分：用梯度算子來計算 特點：對于亮的邊，邊的變化起點是正的，結束是負的。對于暗邊，結論相反。常數部分為零。 用途：用于檢測圖像中邊的存在6.2 圖像分割:邊界分割法 邊的檢測 二階微分：通過拉普拉斯來計算 用途：1）二次導數的符號，用于確定邊上的像素是在亮的一邊，還是暗的一邊。2）0跨越，確定邊的準確位置6.2 圖像分割:邊界分割法 邊的檢測梯度算子函數f(x,y)在(x,y)處的梯度為一個向量： f = f / x , f / y計算這個向量的大小為：f = mag(f ) = (

4、f / x)2 +(f / y)21/2近似為: f |x| + |y|z2z8z5z3z9z6z1z7z46.2 圖像分割:邊界分割法 邊的檢測梯度算子梯度的方向角為： (x,y) = tan(y / x)Sobel算子為： x = (z7 + 2z8 + z9) - (z1 + 2z2 + z3) y = (z3 + 2z6 + z9) - (z1 + 2z4 + z7)梯度值： f |x| + |y|-220-110-110000-1-1-2112 x y6.2 圖像分割:邊界分割法 邊的檢測拉普拉斯 二維函數f(x,y)的拉普拉斯是一個二階的微分定義為： 2f = 2f / x2 ,

5、2f / y2 可以用多種方式被表示為數字形式。對于一個3x3的區域，經驗上被推薦最多的形式是： 2f = 4z5 (z2 + z4 + z6 + z8)z2z8z5z3z9z6z1z7z46.2 圖像分割:邊界分割法 邊的檢測拉普拉斯算子的分析： 缺點：對噪音的敏感；會產生雙邊效果；不能檢測出邊的方向 應用：拉普拉斯算子不直接用于邊的檢測，通常只起輔助的角色； 檢測一個像素是在邊的亮的一邊還是暗的一邊 利用零跨越，確定邊的位置常用的邊緣檢測器 給定圖像中的一個3*3區域，使用下面的邊緣檢測濾波器進行檢測，它們都使用一階導數邊緣檢測問題 邊緣檢測中經常碰到的問題是： 圖像中存在太多的細節。比如，前面例子中的磚墻 圖像受到噪聲的干擾，不能準確的檢測邊緣 解決的一個方法是在邊緣檢測之前對圖像進行平滑6.3 圖像分割:邊緣連接法 邊緣連接法局部處理法Hough變換6.3 圖像分割:邊緣連接法 局部連接處理 連接處理的原理： 對做過邊檢測的圖象的每個點(x,y)的特性進行分析 分析在一