2
7.1.1 边缘算子法 （1）差分算子
图7.1 常见边缘的一阶差分和二阶差分
3
1）梯度算子
4
2）罗伯特（Robert）梯度
3）拉普拉斯（Laplacian）算子
5
图7.2 Laplacian算子集合
6
图7.3 灰度分布
7
（2）Laplacian-Gauss算子
7.1.2 模板匹配法
8
（1）点模板 （2）线模板 （3）边缘模板 7.1.3 曲面拟合法 （1）一次平面拟合
16
17
表7.1 累加像素数的计算结果
18
7.2.3 最大方差自动取阈法
图7.19 最大方差自动取阈法
19
20
21
7.2.4 灰度阈值分割法的MATLAB实现 （1）利用图像分割测试图像中的微小结构
图7.20 搜索图像中的微小结构
22
（2）测试图像中相互接触的对象
图7.21 检测图像中相互接触对象
1
7.1 边缘检测方法 图像边缘对图像识别和计算机分析十分有用， 边缘能勾画出目标物体，使观察者一目了然；边 缘蕴含了丰富的内在信息（如方向、阶跃性质、 形状等），是图像识别中重要的图像特征之一。 从本质上说，图像边缘是图像局部特性不连续性 （灰度突变、颜色突变、纹理结构突变等）的反 映，它标志着一个区域的终结和另一个区域的开 始。为了计算方便起见，通常选择一阶和二阶导 数来检测边界，利用求导方法可以很方便地检测 到灰度值的不连续效果。
23
7.3 灰度相似合并法 在图像上形成有相似特性的各个区域可以通 过阈值法将图像由大到小进行分割的途径，也可 以采用由小到大进行合并的途径。合并法是将像 素或者是相对图像来说很小的，可以看成是特性 一致的微区域作为基本单元，由此出发，根据区 域的相连性，比较相邻的基本单元出发，重复上 述处理，不同的是此时基本单元的特性值为小区 域中该特性的平均值。这样的合并使小区域不断 扩张，直到不再满足特性相似为止。
第 7章
图像分割与特征提取 及MATLAB实现
图像分割是指将图像中有意义的对象与其 背景分离，并把这些对象按照不同的含义分割 开来，也就是说，把图像中具有不同含义的对 象提取出来。图像分割的方法大致可以分为基 于边缘检测的方法和基于区域生成的方法两大 类。边缘检测技术是所有基于边界分割的图像 分析方法的第一步，首先检测出图像局部特性 的不连续性，再将它们连成边界
图7.40 二值图像平滑处理
33
7.4.3 距离图像与骨骼 （1）距离图像
图7.41 距离中心像素点的距离值
34
1）欧几里德距离
2）4邻域距离
3）8邻域距离
35
（2）骨骼 7.4.4 细线化
图7.46 细线化处理示例（〇：芯线；· ：消除点）
36

7.4.5 边缘跟踪 7.4.6 二值图像处理的 MATLAB 的实现 （1）四叉树分解的 MATLAB 实现 四叉树分解指的是将一幅图像分解成自相似 的若干块。他通常作为自适应压缩的第一步，是 一种很有效的压缩方法。四叉树分解算法的功能 由函数 qtdecomp来实现。 S =qtdecomp（I） S =qtdecomp（I，threshold）
28
图7.26 二值图像与线图形
29
7.4.1 二值图像分割 （1）连接性 （2）贴标签法 7.4.2 二值图像平滑
图7.32 二值图像中的噪声
30
（1）膨胀（扩张）处理 （2）腐蚀（收缩）处理
图7.33 二值图像的膨胀运算示例
31
（3）复合形态变换
图7.39 开启和闭合运算示例
32
（4）图像平滑处理
12
图7.14 边缘提取方法的举例
13
图7.15 用不同算法对原图进行边缘检测的不同效果
14
7.2 灰度阈值分割法 在灰度图像中分离出有意义区域的最基本的 方法是设臵阈值的分割方法。
图7.16 图像中的区域（n=4）
15
7.2.1 双峰法 7.2.2 p参数法
图7.18 3个区域组成图像的直方图
图7.51 对图像进行骨骼示例
42
图7.52 图像的边界像素的输出结果
43
（7）距离变换的MATLAB的实现
图7.53 距离变换前、后的显示效果比较
44
（8）标记法的MATLAB的实现
图7.54 标记法图像处理示例1
45
7.5 形状特征描述 形状特征技术是在经过图像分割、二值化、 线图形化等处理的基础上，进一步抽象出形状特 征参数的过程。形状特征参数没有统一的定义， 只要能充分反映对象物的形状，或者能有效区分 对象物之间的形状差异，并且能方便、快速获取 的参数都可作为形状特征参数。因此，实际应用 中，形状描述的途径很多，可以直接对区域、边 缘做出描述，也可以对能代表对象物形状的其他 线图形进行描述，甚至可以通过数学方法产生一 些特征参数系列。
37
图7.47 一个随机图像及其四叉树图
38
图7.48 二值图像示例
39
（2）二值图像的 MATLAB 实现 （3）膨胀和腐蚀的 MATLAB 的实现
图7.49 对图像进行膨胀和腐蚀示例
40
（4）复合形态变换的MATLAB实现
图7.50 复合形态变换的 M ATLAB 实现的示例
41
（5）骨骼的MATLAB的实现 （6）图像边界像素的MATLAB的实现
9
10
（2）二次平面拟合
11
7.1.4 边缘检测的MATLAB实现方法 （1）MATLAB 提供的用于灰度图像边缘的函数 BW =edge（I，′sobel′） BW =edge（I，′sobel′，thresh） BW =edge（ I，′sobel′，thresh，direction） ［BW ，thresh］=edge（I，′sobel′，…） BW =edge（I，′prewitt′） （2）边缘检测的 MATLAB 实现方法
24
7.3.1 灰度差判别准则
图7.22 f（u，v）的3×3领域（为与f（u，v） 相邻的像素）
25
7.3.2 灰度分布相似性判别准则
图7.24 灰度分布相似性判别
26
（1）凯蒙高罗夫-斯密诺夫 KS（KolmogorovSmirnov）判别准则
（2）平滑差判别准则
27
7.4 二值图像与线图形 人们长期以来探求着直接从灰度图像获得构 成对象物形状的区域或边缘，形成了各种有效的 方法，特别是对于一些复杂景物图像的识别和理 解，图像中丰富的灰度信息将成为主要的依据。 但是，就一般图像中对象物的形状特征提取来说， 常常可以在二值图像中得到，也就是说，仅有两 个灰度级的图像往往就足以用来研究对象物的形 状特征。二值图像与灰度图像相比，信息量大大 减少，因而处理一幅图像的速度快，成本低，实 用价值高。