1、18.6 基于區域生長的圖像分割方法基于區域生長的圖像分割方法 學學 校：南京郵電大學校：南京郵電大學 專專 業：業：1212級信號與信息處理級信號與信息處理 姓姓 名名: : 車少帥車少帥 例如：例如： （1 1）要確定航空照片中的森林、耕地、城市區域等，首先需）要確定航空照片中的森林、耕地、城市區域等，首先需要將這些部分在圖像上分割出來。要將這些部分在圖像上分割出來。 （2 2）要辨認文件中的個別文字，需先將這些文字分割出來。）要辨認文件中的個別文字，需先將這些文字分割出來。 把圖像空間按照一定的要求分成若干個把圖像空間按照一定的要求分成若干個“有意義有意義”的區域的的區域的技術。其從本質

2、上說是將各像素進行分類的過程。技術。其從本質上說是將各像素進行分類的過程。（3 3）要識別和標定細胞的顯微照片中的染色體，需要用圖像）要識別和標定細胞的顯微照片中的染色體，需要用圖像分割技術。分割技術。 圖像分割的概念：圖像分割的概念：基于基于邊緣檢測邊緣檢測的方法：的方法： 找出圖像的找出圖像的邊緣邊緣信息，再將它們信息，再將它們連成邊界連成邊界，這些邊界把，這些邊界把圖像分成不同的區域，從而分割出各個區域。圖像分成不同的區域，從而分割出各個區域。圖像分割方法分類：圖像分割方法分類：基于基于區域生成區域生成的方法：的方法： 根據相應的區域特性在圖像中找出與其相似的部分。根據相應的區域特性在圖

3、像中找出與其相似的部分。常用的方法有：常用的方法有：區域生長、分裂區域生長、分裂- -合并分割合并分割方法。方法。基于基于閾值選取閾值選取的方法：的方法： 通過選取一定的灰度閾值將圖像中通過選取一定的灰度閾值將圖像中目標目標從從背景背景中中分割出來分割出來。常用的方法有：常用的方法有：直方圖閾值分割、最大熵閾值分割直方圖閾值分割、最大熵閾值分割等。等。區域生長法區域生長法 區域生長（區域生長（region growing）是指將成組的像素或區域）是指將成組的像素或區域發展成更大區域的過程。從種子點的集合開始，從這些點的發展成更大區域的過程。從種子點的集合開始，從這些點的區域增長是通過將與每個種

4、子點有相似屬性像強度、灰度級、區域增長是通過將與每個種子點有相似屬性像強度、灰度級、紋理顏色等的相鄰像素合并到此區域。它是一個迭代的過程，紋理顏色等的相鄰像素合并到此區域。它是一個迭代的過程，這里每個種子像素點都迭代生長，直到處理過每個像素，因這里每個種子像素點都迭代生長，直到處理過每個像素，因此形成了不同的區域，這些區域它們的邊界通過閉合的多邊此形成了不同的區域，這些區域它們的邊界通過閉合的多邊形定義。形定義。 圖像區域分割的圖像區域分割的過程（基本單元：像素或微區域）過程（基本單元：像素或微區域）（1 1）選擇區域內某一像素點作為）選擇區域內某一像素點作為生長種子生長種子；（2 2）判斷其

5、）判斷其相鄰像素相鄰像素（沒有區域標記沒有區域標記）是否滿足）是否滿足相似性準則相似性準則；（3 3）如果是，將其合并到當前區域，給該像素添加）如果是，將其合并到當前區域，給該像素添加區域標記區域標記；（4 4）對于）對于新合并的區域新合并的區域，重復（，重復（2 2）、（）、（3 3）（5 5）不斷重復，區域將在各個方向上不斷增長，直至沒有相鄰）不斷重復，區域將在各個方向上不斷增長，直至沒有相鄰像素滿足相似性性準則為止，或者是滿足停止準則為止。像素滿足相似性性準則為止，或者是滿足停止準則為止。圖像中圖像中各個區域分割各個區域分割，都是從其，都是從其種子點種子點開始，在各個方向上開始，在各個方

6、向上生長生長得到的。得到的。區域生長分割示意圖：區域生長分割示意圖：相鄰像素表示：相鄰像素表示：區域生長法關鍵：區域生長法關鍵：（1 1）確定每個區域的生長起始點）確定每個區域的生長起始點種子像素種子像素。（2 2）確定在生長過程中將相鄰像素包括進來的相似性判別準）確定在生長過程中將相鄰像素包括進來的相似性判別準則（則（生長準則生長準則）。）。（3 3）確定區域生長過程）確定區域生長過程停止的條件或規則停止的條件或規則。相似性準則相似性準則可以用可以用灰度級灰度級、彩色值、結構、梯度或其它特、彩色值、結構、梯度或其它特征來表示。征來表示。一個區域生長的示例一個區域生長的示例 給出已知矩陣給出已

7、知矩陣A： 大寫的大寫的5 為種子為種子, 從種子開始向周圍每個象素的值與種子值從種子開始向周圍每個象素的值與種子值取灰度差的絕對值取灰度差的絕對值, 當絕對值少于某個門限當絕對值少于某個門限T 時時, 該象素便該象素便生長成為新的種子生長成為新的種子, 而且向周圍每個象素進行生長而且向周圍每個象素進行生長; 如果取門限如果取門限T=1, 則區域生長的結果為則區域生長的結果為: n可見種子周圍的灰度值為可見種子周圍的灰度值為4、5、6 的象素都被很好地包進的象素都被很好地包進了生長區域之中了生長區域之中, 而到了邊界處灰度值為而到了邊界處灰度值為0、1、2、7 的象的象素都成為了邊界素都成為了

8、邊界, 右上角的右上角的5 雖然也可以成為種子雖然也可以成為種子, 但由于但由于它周圍的象素不含有一個種子它周圍的象素不含有一個種子, 因此它也位于生長區域之因此它也位于生長區域之外外; n現在取門限現在取門限T=3, 新的區域生長結果為新的區域生長結果為:整個矩陣都被分到一個區域中了。由此可見門限選取是很重要的整個矩陣都被分到一個區域中了。由此可見門限選取是很重要的 n利用迭代的方法從大到小收縮是一種典型的方法利用迭代的方法從大到小收縮是一種典型的方法, 它不僅對它不僅對2- D圖像而且對圖像而且對3-D 圖像也適用。一般圖像也適用。一般情況下可以選取圖像中亮度最大的象素作為種子情況下可以選

9、取圖像中亮度最大的象素作為種子, 或者借助生長所用準責對每個象素進行相應的計或者借助生長所用準責對每個象素進行相應的計算算, 如果計算結果呈現聚類的情況則接近聚類重如果計算結果呈現聚類的情況則接近聚類重心的象素可以作為種子象素。上面的例子心的象素可以作為種子象素。上面的例子, 分析分析它的直方圖可知灰度值為它的直方圖可知灰度值為1 和和5 的象素最多且處的象素最多且處于聚類的中心于聚類的中心, 所以可各選一個具有聚類中心灰所以可各選一個具有聚類中心灰度值的象素作為種子。度值的象素作為種子。 灰度圖灰度圖lena 直方圖直方圖 區域生長結果區域生長結果 三次均方值計算三次均方值計算 直方圖直方圖

10、 區域生長結果區域生長結果 n由于由于lena 細節性較強細節性較強( 比如姑娘的發絲比如姑娘的發絲) , 對它進行區域生長的結果還會有一些區域對它進行區域生長的結果還會有一些區域無法連在一起無法連在一起, 所以對它進行了三次均值運所以對它進行了三次均值運算算( 取象素及周圍共九個點的平均灰度作為取象素及周圍共九個點的平均灰度作為新的灰度值新的灰度值) 。區域生長以后小的區域就較。區域生長以后小的區域就較好地連成了一片。好地連成了一片。n生長準則的選取不僅依賴于具體問題本身生長準則的選取不僅依賴于具體問題本身, 也和所用圖像也和所用圖像數據種類有關數據種類有關, 如彩色圖和灰度圖。一般的生長過

11、程在進如彩色圖和灰度圖。一般的生長過程在進行到再沒有滿足生長條件的象素時停止行到再沒有滿足生長條件的象素時停止, 為增加區域生長為增加區域生長的能力常需考慮一些與尺寸、形狀等圖像和目標的全局性的能力常需考慮一些與尺寸、形狀等圖像和目標的全局性質有關的準則。質有關的準則。n區域生長的關鍵是選擇合適的生長或相似準則區域生長的關鍵是選擇合適的生長或相似準則, 大部分區大部分區域生長準則會使用圖像的局部性質生長準則可以根據不同域生長準則會使用圖像的局部性質生長準則可以根據不同原理制定原理制定, 而使用不同的生長準則會影響區域生長的過程。而使用不同的生長準則會影響區域生長的過程。常用的生長準則和方法有兩

12、種常用的生長準則和方法有兩種, 即基于區域灰度差的、基即基于區域灰度差的、基于區域內灰度分布統計性質的。于區域內灰度分布統計性質的。 灰度差判別式：灰度差判別式： 采用相鄰像素與當前像素灰度值采用相鄰像素與當前像素灰度值 （或當前區域像素平均（或當前區域像素平均灰度）的灰度）的差差來判別其是否應當合并到當前區域。來判別其是否應當合并到當前區域。若若CT，說明，說明 (i,j)與與(m,n)相似，相似， (i,j)應與應與當前區域當前區域合并，合并，若若CT，說明兩者不相似，說明兩者不相似， (i,j) 仍為不屬于任何區域仍為不屬于任何區域| ),(),(|nmfjifC基于區域灰度差的生長準則

13、基于區域灰度差的生長準則 【例】【例】一個簡單的區域生長的例子一個簡單的區域生長的例子 生長準則：生長準則：鄰近點的灰度級鄰近點的灰度級與與當前區域當前區域平均灰度平均灰度的差小于的差小于2 2。種子像素種子像素平均灰度平均灰度8.25平均灰度平均灰度8基于區域內灰度分布統計性質的生長準則基于區域內灰度分布統計性質的生長準則 考慮以灰度分布相似性作為生長準則來決定區域的合并考慮以灰度分布相似性作為生長準則來決定區域的合并, 具具體步驟為體步驟為:1.把圖像分成互不重疊的小區域把圖像分成互不重疊的小區域;2.比較鄰接區域的累積灰度直方圖比較鄰接區域的累積灰度直方圖, 根據灰度分布的相似性根據灰度

14、分布的相似性進行區域合并進行區域合并;3.設定終止準則設定終止準則, 通過反復進行步驟通過反復進行步驟2中的操作將各個區域依中的操作將各個區域依次合并直到滿足終止準則次合并直到滿足終止準則, 生長過程結束。生長過程結束。 n設兩個相鄰區域的積累灰度直方圖分別為設兩個相鄰區域的積累灰度直方圖分別為h1(z)和和h2(z), 常用的兩種檢測方法為常用的兩種檢測方法為:nKolmogorov- Smirnov 檢測檢測:nSmoothed- Difference 檢測檢測:n如果檢測結果小于給定閾值如果檢測結果小于給定閾值T, 則兩個區域合并。使用此方則兩個區域合并。使用此方法法, 小區域的尺寸對結

15、果可能有較大影響小區域的尺寸對結果可能有較大影響, 尺寸太小時檢測尺寸太小時檢測可靠性降低可靠性降低, 尺寸太大時得到的區域形狀不理想尺寸太大時得到的區域形狀不理想, 小的目標小的目標會被漏掉會被漏掉, 用用Smoothed-Difference 方法檢測直方圖相似方法檢測直方圖相似性時效果性時效果Kolmogorov- Smirnov 要好要好, 因為它考慮了所因為它考慮了所有的灰度值。有的灰度值。 12max |( )( )|zh zh z12|( )(2) |zhnh區域生長算法區域生長算法n1. 1. 單一型鏈結的區域生長單一型鏈結的區域生長n2. 2. 混合型鏈結的區域生長混合型鏈結

16、的區域生長n3. 3. 登山算法登山算法n4. 4. 分水嶺算法分水嶺算法n1. 1. 單一型鏈結的區域生長單一型鏈結的區域生長 區域區域A A 區域區域B B 種子像素種子像素 種子像素種子像素n1. 1. 單一型鏈結的區域生長單一型鏈結的區域生長上圖給出一個簡單的例子。此例的相似性準則是鄰近點（上圖給出一個簡單的例子。此例的相似性準則是鄰近點（4 4鄰域）鄰域）的灰度級與物體的平均灰度級的差小于的灰度級與物體的平均灰度級的差小于2 2。圖中被接受的點和起。圖中被接受的點和起始點均用下劃線標出，始點均用下劃線標出， 其中（其中（a a）圖是輸入圖像；（）圖是輸入圖像；（b b）圖是第）圖是第

17、一步接受的鄰近點；一步接受的鄰近點； （c c）圖是第二步接受的鄰近點；）圖是第二步接受的鄰近點； （d d）圖是從圖是從6 6開始生成的結果。開始生成的結果。n舉例：一幅圖像背景部分的均值為舉例：一幅圖像背景部分的均值為2525，方，方差為差為625625，在背景上分布著一些互不重疊的，在背景上分布著一些互不重疊的均值為均值為150150，方差為，方差為400400的小目標。設所有的小目標。設所有目標合起來約占圖像總面積的目標合起來約占圖像總面積的20%20%，提出，提出1 1個基于區域生長的分割算法將這些目標分個基于區域生長的分割算法將這些目標分割出來。割出來。 算法描述算法描述n從左至右

18、，從上至下掃描圖像。從左至右，從上至下掃描圖像。n若掃描到灰度值大于若掃描到灰度值大于150150的象素，取為種的象素，取為種子點，進行區域生長。子點，進行區域生長。n生長準則為將相鄰的灰度值與已有區域的生長準則為將相鄰的灰度值與已有區域的平均灰度值的差小于平均灰度值的差小于6060（33）的象素擴展）的象素擴展進來。進來。n若不能再生長，標記已生長區域。若不能再生長，標記已生長區域。n若掃描到圖像右下角，結束；否則回到若掃描到圖像右下角，結束；否則回到繼續。繼續。 n2. 2. 混合型鏈結的區域生長混合型鏈結的區域生長232221)()()(aywbxwyxwS考慮象素的鄰域，在此鄰域上定義

19、象素的特性矢考慮象素的鄰域，在此鄰域上定義象素的特性矢量，特性矢量接近的兩個象素相似。量，特性矢量接近的兩個象素相似。（1 1） 鄰域分享技術：研究某象素的鄰域，作出鄰域分享技術：研究某象素的鄰域，作出相似鄰域表。如果兩個象素在對方的相似鄰域表相似鄰域表。如果兩個象素在對方的相似鄰域表中，且表中有足夠多的象素，則可將二者連接。中，且表中有足夠多的象素，則可將二者連接。S S值小則可以連接。值小則可以連接。（2 2）依賴邊緣確定兩象素是否可以連接。）依賴邊緣確定兩象素是否可以連接。定義兩個象素特征矢量可用（定義兩個象素特征矢量可用（x x，a a）、（）、（y y，b b）表示，）表示，x x，y y為兩者的灰度，為兩者的灰度，a a，b b為兩者的鄰域灰度均值，相似為兩者的鄰域灰度均值，相似性為性為S S，則，則321,www為非負的權值為非負的權值n3. 3. 登山算法登山算法(1)(1)灰度極大值灰度極大值點作為中心點；點作為中心點；(2)16(2)16個等角度個等角