阈值与图像分割
• 最佳阈值对于给定的图像，可以通过分析直方图的方 法确定最佳的阈值。
边缘检测与图像分割
• 边缘检测首先检出图像局部特性的不连续 性，然后再将这些不连续的边缘像素连接 成完整的边界。边缘的特性是沿边缘走向 的像素变化平缓，而垂直于边缘方向的像 素变化剧烈。所以，从这个意义上说，检 测边缘的算法就是检出符合边缘特性的边 缘像素的数学算子，目前，边缘检测场采 用边缘算子法和模板匹配法等。
简单区域扩张法
以图像的某个像素为生长点，比较相邻像 素的特征，将特征相似的相邻像素合并为 同一区域；以合并的像素为生长点，继续 重复以上的操作，最终形成具有相似特征 的像素的最大连通集合。这种方法称简单 （单一型）区域扩张法。下面给出以像素 灰度为特征进行简单区域增长的步骤。
简单区域扩张法
1）对图像进行光栅扫描，求出不属于任何区域的 像素。当寻找不到这样的像素时结束操作。 2）把这个像素灰度同其周围（4-邻域或8-邻域） 不属于其他区域的像素进行比较，若灰度差值小于 阈值，则合并到同一区域。并对合并的像素赋予标 记。 3）从新合并的像素开始，反复进行2）的操作。
模式识别：图像分割
引言 阈值与图像分割 边缘检测与图像分割 Hough变换 区域增长
1. 2. 3. 4. 5.
引言
前面介绍的图像增强和恢复是对整幅 图像的质量进行改善，是输入输出均为图像 的处理方法，而图像分析则是更详细地研究 并描述组成一幅图像的各个不同部分的特征 及其相互关系，是输入为图像而输出为从这 些图像中提取出来的属性的处理方法。 图像分析的结果不是一幅完美的图像， 而是用数字、文字、符号、几何图形或其组 合表示图像的内容和特征，对图像景物的详 尽描述和解释。
边缘跟踪：一个用来确定轮廊的图像搜索过程．
边 缘 检 测 与 图 像 分 割
(a)阶跃函数 (b)屋顶函数 两种常见的边缘一阶导数和二阶导数示意图
梯度与图像分割
• 一阶微分：用梯度算子来计算 • 当物体与背景有明显对比度时，物体的边界处于 图像梯度最高的点上，通过跟踪图像中具有最高 梯度的点的方式获得物体的边界，可以实现图像 分割。 • 这种方法容易受到噪声的影响而偏离物体边界， 通常需要在跟踪前对梯度图像进行平滑等处理， 再采用边界搜索跟踪算法来实现。 • 二阶微分：用拉普拉斯算子来计算
Hough变换
设平面上有若干点，过每点的直线系分别对应于极坐标 上的一条正弦曲线。若这些正弦曲线有共同的交点（ρ′， θ′），如图(e),则这些点共线，且对应的直线方程为 ρ′=xcosθ′+ysinθ′ 这就是Hough变换检测直线的原理。
Hough变换
Hough变换
原图
Hough变换进行边缘检测
典型的图像分析和理解系统如下图。
在该系统中，图像的增强和恢复可以看作预处理， 其输入、输出均是图像，它是传统的图像处理的内 容。而图像分割、特征提取及结构分析等称为图像 识别，其输入是图像，输出是描述或解释。
统计模式识别
统计模式识别认为图像可能包含一个或多个物体， 并且每个物体属于若干事先定义的类型、范畴或模 式之一。 在给定一幅含有多个物体的数字图像的条件下，模 式识别过程由三个主要阶段组成：
边缘检测与图像分割
几种常用的边缘检测算子： • 梯度算子 • Roberts算子 • Prewitt算子 • Sobel算子 • Kirsch算子 • Laplacian算子 • Marr算子
边缘检测与图像分割
边界提取与轮廓跟踪
• 为了获得图像的边缘人们提出了多种边 缘检测方法，如Sobel, Canny edge, LoG。 在边缘图像的基础上，需要通过平滑、 形态学等处理去除噪声点、毛刺、空洞 等不需要的部分，再通过细化、边缘连 接和跟踪等方法获得物体的轮廓边界。

• 图像分割的基本策略： 分割算法是基于灰度值的两个基本特性： 不连续性和相似性。 第一类性质的应用途径是基于灰度的不连续变 化分割图像，比如图像的边缘。第二类的主要 途径是依据事先制定的准则将图像分割为相似 的区域。
• 图像分割有三种不同的途径，其一是将各像素 划归到相应物体或区域的像素聚类方法即区域 法，其二是通过直接确定区域间的边界来实现 分割的边界方法，其三是首先检测边缘像素再 将边缘像素连接起来构成边界形成分割。
边 缘 检 测 与 图 像 分 割
术语定义
边缘的定义： • 指图像中像素灰度有阶跃变化或屋顶变化的那 些像素的集合。 • 一段边缘是两个具有相对不同灰度值特性的区 域的边界线
边缘的分类：
• 阶跃状 • 屋顶状 轮廓：边缘列表或一条表示边缘列表的拟合曲线． 边缘连接：从无序边缘表形成有序边缘表的过程．
模式识别的一个例子
樱桃、苹果、柠檬、葡萄
在传送带上方安装一个数字摄像机并在计算机里实现分类决策。 我们测量每个水果的两个特点：直径和颜色。计算机程序处理 每幅数字化图像并且计算水果的直径和一个表示颜色的参数。 使用彩色摄像机，程序计算每 个物体在红、绿、蓝通道的亮 度。于是得到一个特征（例如 红-绿亮度比），对黄色水果 取小值，红色水果取大值，这 个参数成为“红色程度”。
x1 x2 . . . xN
图象分割 输入图像 物体图像
特征提取 特征向量
分类 物体类型
x1 x2 . . . xN
图像分割 输入图像 物体图像
特征提取 特征向量
分类 物体类型
图像分割：在该阶段检测出各个物体，并把它们的图像 和其余景物分离。 特征提取：在该阶段中对物体进行度量。一个度量是指 一个物体某个可度量的度量值，而特征是一个或多个度 量的函数。通过计算可以对物体的一些重要特性进行定 量化表示。特征提取过程产生了一组特征，把它们组合 在一起形成了特征向量。 分类：以特征向量为依据，输出一种决策，确定每个物 体应该归属的类别。
阈值与图像分割
• 阈值是在分割时作为区分物体与背景像素的门 限，大于或等于阈值的像素属于物体，而其它 属于背景。这种方法对于在物体与背景之间存 在明显差别（对比）的景物分割十分有效。实 际上，在任何实际应用的图像处理系统中，都 要用到阈值化技术。为了有效地分割物体与背 景，人们发展了各种各样的阈值处理技术，包 括全局阈值、自适应阈值、最佳阈值等等。
Hough变换
• 对于图像中某些符合参数模型的主导特 征，如直线、圆、椭圆等，可以通过对 其参数进行聚类的方法，抽取相应的特 征。
Hough变换
• Hough的定义： 如图 (a)，在直角坐标系中有一条直线l，原点到该 直线的垂直距离为ρ，垂线与x轴的夹角为θ，则 这条直线是唯一的，且其直线方程为： ρ=xcosθ+ysinθ 而这条直线用极坐标 表示则为一点（ρ 、 θ ）。可见，直角坐 标系中的一条直线对 应极坐标系中的一点， 这种线到点的变换就 是Hough变换。
4）反复进行2）、3）的操作，直至不能再合并。
5）返回1）操作，寻找新区域出发点的像素。
简单区域扩张法
这种方法简单，但如果区域之间的边缘灰度变 化很平缓或边缘交于一点时，如下图，两个区 域会合并起来。 为克服这一点，在步骤2）中不是比较相邻像素 灰度，而是比较已存在区域的像素灰度平均值 与该区域邻接的像素灰度值。
Hough变换
在直角坐标系中过任一点（x0,y0）的直线系，如图(b)，满足 ρ=x0cosθ+y0sinθ =(x02+y02)1/2sin(θ+φ) 其中φ=tg-1(y0/x0)
Hough变换
而这些直线在极坐 标系中所对应的点 （ρ 、θ ）构成图 (c)中的一条正弦曲 线。反之，在极坐 标系中位于这条正 弦曲线上的点，对 应直角坐标系中过 点(x0,y0)的一条直线， 如图 (d)所示。
边界提取与轮廓跟踪
将检测的边缘点连接成线就是边缘跟踪。线 是图像分析中一个基本而重要的内容，它是图 像的一种中层符号描述，它使图像的表述更简 洁，并可用来完成一定图像的识别任务。将边 缘点连成线的方法很多，但都不完善，基本上 是按一定的规则来进行，且需要知识的引导， 对跟踪的效果往往要人工编辑。 由边缘形成线特征包括两个过程：①提取可 构成线特征的边缘；②将边缘连成线。 连接边缘的方法很多，主要有光栅扫描跟踪和 全向跟踪法
阈值与图像分割
• 全局阈值是指整幅图像使用同一个阈值做分割 处理。适用于背景和前景有明显对比的图像。
阈值与图像分割
• 自适应阈值根据图像的局部特征分别采用不同的阈值 进行分割。实际处理时，需要按照具体问题将图像分 成若干子区域分别选择阈值，或者动态地根据一定的 邻域范围选择每点处的阈值，进行图像分割。
区域增长
图像灰度阈值分割技术都没有考虑到图像像素空 间的连通性。区域增长是把图像分割成特征相同 的若干小区域，比较相邻小区域特征的相似性， 若它们足够相似，则作为同一区域合并，以此方 式将特征相似的小区域不断合并，直到不能合并 为止，最后形成特征不同的各区域。这种分割方 式也称区域扩张法。 区域内像素的相似性度量可以包括平均灰度值、 纹理、颜色等信息。 进行区域增长首先要解决三个问题：①确定区域 的数目；②选择有意义的特征；③确定相似性准 则。
樱桃 + 决策分 界线 苹果 +
+ 右图是由直径和红色程度这两 柠檬 个参数定义的二为特征空间以 0 及4种水果中每一中的期望聚 直径 类。 通过特征空间中确定合适的决策分界线，把空间划分若干区 域，每个区域代表一个类。这样就建立了一个分类原则。
红 色 程 度
+ 葡萄
• 图像分割是将图像划分为若干互不相交的小区 域的过程。 • 图像分割就是指把图像分成互不重叠的区域并 提取出感兴趣目标的技术和过程。图像分割是 由图像处理进到图像分析的关健步骤。一方面， 它是目标表达的基础，对特征测量有重要的影 响。另一方面，因为图像分割及其基于分割的 目标表达、特征提取和参数测量等将原始图像 转化为更抽象更紧凑的形式，使得更高层的图 像分析和理解成为可能。