33
图像分割与边缘检测-区域分割法-区域分裂合并法
区域分裂合并法数据结构
图像分裂示例
34
图像分割与边缘检测-区域分割法-区域分裂合并法
区域分裂合并算法
设整幅图像为初始区域 对每一区域R，如果P(R)=FLASE，则把该区 域分裂成四个子区域 重复上一步，直到没有区域可以分裂 对图像中任意两个相邻的R1和R2，如果 P(R1UR2)=TRUE，则把这两个区域合并成一个区 域。 重复上一步，直到没有相邻区域可以合并， 算法结束
平均灰度级6
平均灰度级6.5
平均灰度级7.25 平均灰度级7.67
区域生长示例
27
图像分割与边缘检测-区域分割法-区域生长法
区域生长实例
原始图像 及种子点 位置
三个种子点 区域生长结 果
原始图像 及种子点 位置
四个种子点区 域生长结果
区域生长
28
图像分割与边缘检测-区域分割法-区域分裂法
区域分裂法 条件：如果区域的某些特性不满足一致性准则 开始：从图像的最大区域开始，一般情况下，是从 整幅图像开始 注意： 确定分裂准则(一致性准则) 确定分裂方法，即如何分裂区域，使得分裂后 的子区域的特性尽可能都满足一致性准则值。
图像分割与边缘检测-灰度阈值分割法
阈值的选取-人工阈值 人工选择法是通过人眼的观察，应用人对图像 的知识，在分析图像直方图的基础上，人工选 出合适的阈值。也可以在人工选出阈值后，根 据分割效果，不断的交互操作，从而选择出最 佳的阈值。
11
图像分割与边缘检测-灰度阈值分割法
阈值的选取-人工阈值 根据分割效果不断地交互操作，选出最佳阈值
图像分割与边缘检测-概述
(a)
(b)
4连通和8连通
4连通指的是从区域上一点出发，可通过4个方向， 即上、下、左、右移动的组合，在不越出区域的前提 下，到达区域内的任意像素；8连通方法指的是从区 域上一点出发，可通过左、右、上、下、左上、右上、 左下、右下这8个方向的移动组合来到达区域内的任 5 意像素。
不准确标记分水岭算法导致过分割
21
图像分割与边缘检测-灰度阈值分割法
阈值的选取-自动阈值（分水岭算法）
原始图像
原图像的距离变换 标记外部约束
标记内部约束
由标记内外部约 束重构的梯度图
分割结果
22
准确标记的分水岭算法分割过程
图像分割与边缘检测-区域分割法
基本思想 阈值分割法由于没有或很少考虑空间关系，使多阈 值选择受到限制 基于区域的分割方法可以弥补这点不足，它利用图 像的空间性质，该方法认为分割出来的属于同一区域 的像素应具有相似的性质，其概念是相当直观的。 传统的区域分割算法有区域增长法和区域分裂合并 法。该类方法在没有先验知识可以利用时，对含有复 杂场景或自然景物等先验知识不足的图像进行分割, 也可以取得较好的性能。但是，空间和时间开销都比 较大。
O为f的相邻像素
25
图像分割与边缘检测-区域分割法-区域生长法
区域生长实例 下图给出一个简单的例子。此例的相似性准则是邻 近点的灰度级与物体的平均灰度级的差小于 2 。图中被 接受的点和起始点均用下划线标出，其中（a ）图是输 入图像；（b）图是第一步接受的邻近点（c）图是第二 步接受的邻近点
5 5 8 6 4 8 9 7 2 2 8 3 2 2 2 2 (a)平均灰度级9 5 5 8 6 4 8 9 7 2 2 8 3 2 2 2 2 (b)平均灰度级8.25 5 5 8 6 4 8 9 7 2 2 8 3 2 2 2 2 (c)平均灰度级8
23
图像分割与边缘检测-区域分割法-区域生长法
区域生长法主要考虑象素及其空间邻域象素之间的 关系 开始时确定一个或多个象素点作为种子，然后按 某种相似性准则增长区域，逐步生成具有某种均匀 性的空间区域，将相邻的具有相似性质的象素或区 域归并从而逐步增长区域，直至没有可以归并的点 或其它小区域为止。
区域内象素的相似性度量可以包括平均灰度值、 纹理、颜色等信息。
24
图像分割与边缘检测-区域分割法-区域生长法
区域生长步骤： 选择合适的种子点 确定相似性准则(生长准则) 确定生长停止条件
判断其相邻元素是否满足相似性准则，若满足就合并到当 前区域，对新区域重复进行直到满足成长停止条件
������ ������ ������ ������ ������ ������ ������ ������ ������
29
图像分割与边缘检测-区域分割法-区域分裂法
区域分裂算法 形成初始区域 对图像的每一个区域Ri，计算P(Ri)，如果 P(Ri)=FALSE 则沿着某一合适的边界分裂区域 重复步骤2，当没有区域需分裂时，算法结束。
30
图像分割与边缘检测-区域分割法-区域合并法
区域合并法基本思想 合并运算就是把相邻的具有相似性质的区域合 成为一个区域 合并算法中最重要的运算是确定两个区域的相 似性 评判区域相似性方法有许多，评判相似性的方 法可以基于区域的灰度值，也可以基于区域边界 的强弱性等因素。一种简单的方法是比较它们的 灰度均值
13
图像分割与边缘检测-灰度阈值分割法
阈值的选取-自动阈值（迭代法） (1) 选择图像灰度的中值作为初始阈值Ti=T0。 (2) 利用阈值Ti把图像分割成两部分区域，R1和R2， 并计算其灰度均值
u1
in
i 0 Ti
Ti
i
n
i 0
, u2
in
i Ti L 1 i Ti
L 1
35
图像分割与边缘检测-区域分割法-区域分裂合并法
区域分裂合并算法
原始图像
分裂最小子区 域大小1616
分裂最小子区 域大小88
分裂最小子区 域大小88
图像分裂合并
36
图像分割与边缘检测-区域分割法-投影法
顾名思义，投影法就是把图像在某一方向（常用 的是水平方向和垂直方向）上进行投影。在投影图上 便可反映出图像中目标对象的位置、尺寸等信息。下 图是一幅图像分别在水平方向和垂直方向上的投影。
原始图像
T=155的二值化图像 T=210的二值化图像
原始图像直方图
12
图像分割与边缘检测-灰度阈值分割法
阈值的选取-自动阈值 基本思想：开始时选择一个阈值作为初始估计 值，然后按某种策略不断地改进这一估计值， 直到满足给定的准则为止。在迭代过程中，关 键之处在于选择什么样的阈值改进策略，好的 阈值的改进策略应该具备两个特征，一是能够 快速收敛，二是在每一个迭代过程中，新产生 阈值优于上一次的阈值。
• 分水岭阈值选择算法可以看成是一种自适应 的多阈值分割算法。当阈值升至T3时，吸水盆 的水位升到分水岭处。
分水岭对应于原始图像中的边缘
分水岭形成示意图

图像分割与边缘检测-灰度阈值分割法
阈值的选取-自动阈值（分水岭算法）
MATLAB函数
L=watershed(f)
原始图像
分水岭
分割结果
局部极小值
图像分割与边缘检测
图像分割 边缘检测 轮廓跟踪与提取 图像匹配 投影法与差影法
1
图像分割与边缘检测-概述
图 像
图 像 预 处 理
图像 识别 图像 分割
图像 理解
图像分割在整个图像处理过程中的作用
2
图像分割与边缘检测-概述
图像分割就是把图像分成若干个特定的、具有 独特性质的区域并提出感兴趣目标的技术和过程。 它是由图像处理到图像分析的关键步骤。现有的图 像分割方法主要分以下几类：基于阈值的分割方法、 基于区域的分割方法、基于边缘的分割方法以及基 于特定理论的分割方法等 。 图像分割是将图像划分成若干个互不相交的小 区域的过程，小区域是某种意义下具有共同属性的 像素的连通集合。如不同目标物体所占的图像区域、 前景所占的图像区域等。连通是指集合中任意两个 点之间都存在着完全属于该集合的连通路径。对于 离散图像而言，连通有4连通和8连通之分。
16
图像分割与边缘检测-灰度阈值分割法
阈值的选取-自动阈值（Ostu方法）
原始图像
Otsu法二值化图象
17
图像分割与边缘检测-灰度阈值分割法
阈值的选取-自动阈值（分水岭算法）
分水岭算法(watershed)是一种借鉴了形态学 理论的分割方法，它将一幅图象看成为一个拓扑 地形图，其中灰度值被认为是地形高度值。高灰 度值对应着山峰，低灰度值处对应着山谷。将水 从任一处流下，它会朝地势底的地方流动，直到 某一局部低洼处才停下来，这个低洼处被称为吸 水盆地，最终所有的水会分聚在不同的吸水盆地, 吸水盆地之间的山脊被称为分水岭，水从分水岭 流下时，它朝不同的吸水盆地流去的可能性是相 等的。
3
图像分割与边缘检测-概述
(a)
(b)
4连通和8连通
4连通指的是从区域上一点出发，可通过4个方向， 即上、下、左、右移动的组合，在不越出区域的前提 下，到达区域内的任意像素；8连通方法指的是从区 域上一点出发，可通过左、右、上、下、左上、右上、 左下、右下这8个方向的移动组合来到达区域内的任 4 意像素。
26
区域生长示例
图像分割与边缘检测-区域分割法-区域生长法
区域生长实例
从6开始生成的结果。
5 4 2 2 5 8 2 2 8 9 8 2 6 7 3 2 5 4 2 2 5 8 2 2 8 9 8 2 6 7 3 2 5 4 2 2 5 8 2 2 8 9 8 2 6 7 3 2 5 4 2 2 5 8 2 2 8 9 8 2 6 7 3 2
18
图像分割与边缘检测-灰度阈值分割法
阈值的选取-自动阈值（分水岭算法） 将这种想法应用于图像分割，就是要在灰度 图像中找出不同的吸水盆地和分水岭，由这些不 同的吸引盆地和分水岭组成的区域即为我们要分 割的目标。