HALCON数字图像处理
典型算子
一阶算子
Roberts算子利用局部差分算子寻找边缘，边缘定 位较准，但容易丢失一部分边缘，同时由于图像没有经过平滑 处理，因此不具有抑制噪声的能力。该算子对具有陡峭边缘且 含噪声少的图像处理效果较好。
Sobel算子很容易在空间上实现。Sobel算子边缘 检测器不但产生较好的边缘检测效果，同时因为Sobel算子引 入了局部平均，使其受噪声的影响也比较小。当使用较大的模 板时，抗噪声特性会更好，但是这样会增大计算量，并且得到 的边缘比较粗。
HALCON数字图像处理
Hough变换 Hough变换是一种检测、定位直线和解析曲线的有效方法。它是 把二值图变换到Hough参数空间，在参数空间用极值点的检测来完成 目标的检测。 在实际中由于噪声和光照不均等因素，使得在很多情况下所获 得的边缘点是不连续的，必须通过边缘连接将它们转化为有意义的 边缘，一般的做法是对经过边缘检测的图像进一步使用连接技术， 从而将边缘像素组合成完整的边缘。
HALCON数字图像处理
7.3 区域分割
区域分割利用的是图像的空间性质，认为分割出 来的属于同一区域的像素应具有相似的性质。传统的 区域分割方法有区域生长和区域分裂与合并，还有源 于地形学的分水岭分割。
HALCON数字图像处理
1、区域生长法
区域生长也称为区域生成，其基本思想是将一幅图 像分成许多小的区域，并将具有相似性质的像素集合起 来构成区域。
HALCON数字图像处理
典型算子 像素边缘提取和亚像素边缘提取
例如某CMOS摄像机芯片，其像素间距为5.2微米。两 个像素之间有5.2微米的距离，在宏观上可以看作是连在一起 的。但是在微观上，它们之间还有更小的东西存在，这个更小 的东西我们称它为“亚像素”。
（a）像素边缘提取 （b）亚像素边缘提取
HALCON数字图像处理
Prewitt和Sobel算子的方程完全一样，只是常量 c=1。 由于常量c的不同，这一算子与Sobel算子不同的地方在 于没有把重点放在接近模板中心的像素点。当用两个掩膜板 （卷积算子）组成边缘检测器时，通常取较大的幅度作为输出 值HA。LCON数字图像处理
一阶算子
典型算子
原图
Roberts 滤波
总结
图像分割问题是一个十分困难的问题。例如，物 体及其组成部件的二维表现形式受到光照条件、透视畸变、 观察点变化等情况的影响，有时图像前景和背景在视觉上 无法进行简易的区分。因此，人们需要不断的进行学习， 不断的探索使用新方法对图像进行处理，以得到预期的效 果。
本章主要介绍了一些图像分割的基本概念、公式 推导、适用情况及例程。具体介绍了阈值分割、边缘检测、 区域分割等图像分割算法。对于选择何种图像分割方法进 行处理，还要考虑实际问题的特殊性。本章讨论的方法都 是实际应用中普遍使用的具有代表性的技术。
Prewitt 滤波 HALCON数字图像处理
Sobel滤 波
Kirsch滤 波
典型算子
高斯-拉普拉斯算子
拉普拉斯算子是一个二阶导数，对噪声具有很大的敏 感度，而且其幅值会产生双边缘。另外，边缘方向的不可检测 性也是拉普拉斯算子的缺点，因此，一般不以其原始形式用于 边缘检测。为了弥补拉普拉斯算子的缺陷，美国学者Marr提出 了一种算法，在使用拉普拉斯算子之前一般先进行高斯低通滤 波。
HALCON数字图像处理
1、实验法
实验法通过人眼的观察，对已知某些特征的图像试验 不同的阈值，观察是否满足要求。
实验法的问题是适用范围窄，使用前必须事先知道图 像的某些特征，比如平均灰度等，而且分割后的图像质量 的好坏受主观局限性的影响很大。
（b）分割后 HALCON数字图像处理
（a）原图
2、根据直方图谷底确定阈值法 如果图像的前景物体内部和背景区域的灰度值分布都比较均匀， 那么这个图像的灰度直方图具有明显双峰，此时可以选择两峰之间的 谷底对应的灰度值T作为阈值进行图像分割。 此种单阈值分割方法简单易操作，但是当两个峰值相差很远时不 适用，而且，此种方法容易受到噪声的影响，进而导致阈值选取的误 差。
HALCON数字图像处理
3、分水岭分割
现实中我们见到过 有山有湖的景象，那么那 一定是水绕山，山围水的 情形。当然在需要的时候， 要人工构筑分水岭，以防 集水盆之间的互相穿透。 而区分高山与水的界线， 以及湖与湖之间的间隔， 就是分水岭HALCON数字图像处理
HALCON数字图像处理
（a）原图
4、最大类间方差法 最大类间方差法选定的分割阈值应该使前景区域的平均灰度、 背景区域的平均灰度与整幅图像的平均灰度之间差别最大，这种 差异用方差来表示。 该算法是在判别分析最小二乘法原理的基础上推导得出，计 算简单，是一种稳定、常用的算法。
（a）原图
HALCON数字图像处理
7.2 边缘检测
图像的边缘是图像的基本特征，边缘上的点是指图像 周围像素灰度产生变化的那些像素点，即灰度值导数较 大的地方。基于一阶导数 的边缘检测算子包括 Robert算子、Sobel算子、 Prewitt算子等，它们都 是梯度算子。
基于二阶导数的 边缘检测算子主要是高斯 -拉普拉斯边缘检测算子。
（a）原图 分割
（c）最终结果
（b）区域生长
HALCON数字图像处理
2、分裂合并法
从上面图像分割的方法中了解到，图像阈值分割法 可以认为是从上到下（从整幅图像根据不同的阈值分成 不同区域）对图像进行分开，而区域生长法相当于从下 往上（从种子像素开始不断接纳新像素最后构成整幅图 像）不断对像素进行合并。如果将这两种方法结合起来 对图像进行划分，便是分裂合并算法。因此，其实质是 先把图像分成任意大小而且不重叠的区域，然后再合并 或分裂这些区域以满足分割的要求。
（a）原图 HALCON数字图像处理
3、迭代选择阈值法
迭代式阈值选择方法的基本思路是：开始选择一个阈值作为 初始估计值，然后按照某种规则不断的更新这一估计值，直到满 足给定的条件为止。
这个过程的关键是选择什么样迭代规则。一个好的迭代规则 必须既能够快速收敛，又能够在每一个迭代过程中产生优于上一 次迭代的结果。
第7章
图像分割
◆ 7.1 ◆ 7.2 ◆ 7.3
阈值分割 边缘检测 区域分割
HALCON数字图像处理
7.1 阈值分割
定义： 阈值分割是一种按图像像素灰度幅度进行分割的方法，它是
把图像的灰度分成不同的等级，然后用设置灰度门限（阈值）的 方法，确定有意义的区域或要分割物体的边界。
步骤： （1）确定阈值； （2）将阈值与像素灰度值进行比较； （3）把像素分类。
（a）原图 （b）高斯-拉普拉斯边缘提取
HALCON数字图像处理
（c）零交叉边缘检测效
典型算子 Canny算子
Canny边缘检测算子是一种具有较好边缘检测性能的 算子，利用高斯函数的一阶微分性质，把边缘检测问题转换为 检测准则函数极大值的问题，能在噪声抑制和边缘检测之间取 得较好的折中。
（a）原图 （b）Canny边缘提取