Zeb
1 N
M
Nk zebk
其中i为Rk中的像素,fi为像素i的灰度值，W(i)为像素i
k 1
的邻域，Nk为区域Rk的像素总数
各个区域Zebkde的加权平均值即为图像分割一致性的
评价标准。
2
1 Nk
(
iRk
fi
fk )2
(max fi min fi )2
E （ wk） iRk Rk I
iRk
（2）
eg:灰度直方图是关于灰度级分布的函数，是对图像中 灰度级分布的统计。这里设h1(X)和h2(X)为相邻两个区 域的灰度直方图，H1(X)和H2(X)分别为累计灰度直方图。
问题：原图尺寸太小时检测可靠性降低，
分裂合并法
操作步骤
对任意区域进行分割。
V(
对相邻区域，如果
Ri
,
R
j
)
t
，将二者Βιβλιοθήκη 性表示连接它们边的权值，这样就把分割 问 （输题距入图转离像 化说为明最 ）映射优为图化问题设割--计准互分则 补子图形标成函的目数割最小对数目求标解函
图论分割流程：
图的分割 G=（V,E）
V：图的顶点
sml(i, j) exp( (Ii I j )2 2 )
从图像到图的映射
E：连接顶点 W：边的权值
步骤1：对像素扫描，找出尚未归置的像素。 步骤2：以该像素为中心检查他的邻接像素，如果灰度差小于预先的阈值 步骤3：以新合并的像素为中心，返回步骤2。 步骤4：返回步骤1，继续扫描，直到所有像素都有归属。
优缺点：
方法简单，易于计算。 当图像是彩色的时候，仅用单色的准则效果会受到影响。 在不考虑像素间的连通性和邻近性时，可能出现无意义的结果。
无监督评价方法的质量参数：
区域内一致性、区域间差异性指标、语义指标
有监督评价方法的分割评判标准：
真阳性（TP）、假阴性（FN）、假阳性（FP）、
无监督评价方法
区域内一致性标准
区域内一致性主要基于图像的颜色、灰度、纹理和熵等。 以最大对比度为原则：
分Rk割的后一的致二值性Ze图bZk 中ebNk有1表k Rij1RW示k、(i)m为RRka2x：.(..fRi Mf共j ) M个区域，则第k个区域
问题：这中方法偏向于分离单个或者小簇顶点
→
E(u)
Ncut(G1, G2
)
cut(G1, G2 ) assoc(G1 , G)
cut(G2 , G1) assoc(G2 , G)
图像分割的性能评价
图像分割的性能评价分为：
无监督评价方法：通过分割结果图像的质量参 数来评价相应的分割算法。
有监督评价方法：将算法分割得到的图像与理 想分割的参考图像进行比对。
( x, y )I
iI
主要基于分割目标的形状和边界平滑度等信息。
4S
P2
紧凑性=
P2 圆度=
S
通过组合上述三类指标，可以形成性的评价指标！！！
有监督评价方法
真实目标
TN FN TP FP
分割结果
TP TP FN
目标。 景。 标。 背T景N 。
TN FP
其中：TP是分割算法将实际
FN是分割算法将实际目
优缺点：
K-均值聚类
执行步骤：
1、选择某种方法将N割样本分成c个聚类的初
始划分，计算每个聚类的均值u1、u2、u3...uc和
Je
234、、、选 若 计择 N算i=一 。1，个则j备 转选NNNNji步样ji 11骤本xx 2xuu，i,j 设22 jj否其ii则在继Xj续中。。
K-均值聚类
区域生长法
2、基于区域内灰度分布统计性质
步骤1：把像素分成互不重叠的小区域。
步骤2：比较邻接区域的累计灰度直方图，根据分布 的相似性进行区域合并。
步满骤足3终：止设条置件终。止准则mxa，x 重H1复(x)步- H骤22(x直) 到各区域X H合1(并x) H2 (x)
合并原则：（1）
图像处理区域分割
目录
基于区域的分割
区域生长法 分裂合并法
聚类分割
K-均值聚类 模糊C均值聚类
➢ 基于图论的分割 ➢ 图像分割的性能评价
区域分割
阈（yu）值分割法没有或很少考虑空间关 系，很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。
区域分割方式：
1、区域生长法
思想：将每个需要分割的区域找一个种子像素作为生长的起点，然后 将种子像素周围领域中与种子像素有相同或相似的像素合并到种子像 素所在的区域中。
样本均值
1
ui
=
Ni
x
xX i
c
2
Je x ui
i1 xX i
误差平方和
u
j
uj
N
1 j
1
(
x
u
j
)
Jj
Jj
Nj N j 1
xuj
2
迭代后的均值和平方和
Nj N j 1
xuj
2
Nk Nk 1
x uk
2
基于图论的分割
思想：将图像映射为带权图，将像素或区 域视为节点，两节点属于同一区域的可能
相似度判断因素：
基于图论的分割
分割原则：
1、同一子集Vi内的顶点之间的关系紧密。 2、不同子集Vi与Vj相互之间的关系松散。 eg:补图、割集、边集。
分割算法
cut(G1,G2 )
wij E(u) min(cu
割集的权值之和为割：
iV1 (G1 ), jV2 (G2 )
两图之间的联系最弱，则要求子图间的割最小。
2
U I 1- ( wkk 2 E ) Rk I
以区域内方差为原则：
无监督评价方法
区域间差异化指标
思想：好的分割，其分割的相邻区域间的特征具有显著的差异。
语义指标
M 1 M
DIR
1 Cm2
f (Ri ) f (R j )
i1 j i1
max((g(x, y)) min(g(x, y))
合并，这里V代表同质区域中的方差。
如果进一步的分裂或合并都不可能，
则终止算法。
聚类分割
聚类分割就是把给定的样本集合 X={x1,x2,x3....xn}按照某种准则分割成k个不相 交的子集，满足区域分割的要求--同一子集 中的样本相似性较大，不同子集样本的相 似性。
典型的聚类方法：
K-均值 模糊C均值 Mean-Shift聚类算法
2、分裂合并法
分裂合并法先从整幅图开始，先将图像分成任意大 小且不重叠的区域，然后再合并或分裂这些区域以 满足分割的要求。
区域生长法
区域生长三要素：→
确定一组能正确代表所需区域的种子要素。 确定在生长过程中能将相邻像素包含进来的准则。 制定让生长停止的条件。
生长准则
1、基于区域灰度差