当前位置:文档之家› 最新图像处理-区域分割

最新图像处理-区域分割


图像的分割 图像 像素 相邻像素 相邻像素相似度
其中相邻像素的灰度分别___为___Ij_和__I_i_,__σ__是___一__个___调___节___参__数___。____________
____
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。
• 合并原则:(1)mxax H1(x) - H2 (x) (2)X H1(x) H2 (x)
• 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。 这累里计设灰h度1(直X)方和图h2。(X)为相邻两个区域的灰度直方图,H1(X)和H2(X)分别为
➢ 问题:原图尺寸太小时检测可靠性降低,太大时得到的区域形状不理想, 小的目标可能漏掉。
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
➢ 优缺点:
• 不需要先验知识,属于无监督分割法,大大提高了分割的自动化程度,同时提高了分 割的效率。
• 所有的聚类分割法都对初始值敏感,分割效果不稳定;如果不考虑图像空间上下文间 信息,容易出现分割效果不理想的情况。
______________________________________________ ____
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
➢ 生长准则
• 1、基于区域灰度差
• 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,将他们合并。 • 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。
• 2、选择一个备选样本x,设其在Xj中。
• 3、若Ni=1,则转步骤2,否则继续。
• 4、计算。
j
Nj
N
j Ni
1
Ni 1
xuj x ui
2
ji 2 ji
• 5、对于所有的j,如果ρk<ρj,则将x从Xi移到Xk中。
• 6、重新计算uk和ui的值,并修改Je。
• 7、若迭代N次,Je不变,则停止,否则转到步骤2。
• 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。
______________________________________________ ____
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。 • 步骤3:设置终止准则,重复步骤2直到各区域合并满足终止条件。
➢转移N判Nj j 1定x依 u j据2 源自Nk Nk 1x uk
2
______________________________________________

只有当x离_u__j的_ 距离比离uk的距离更近时才满足上述不等式。
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 域的可能性表示连接它们边的权值,这样就把分割问题转化为最优化问题-互补子图的割最小(距离说明)
➢ 图论分割流程:
输入图像
映射为图
设计分 割准则
形成目 标函数
对目标函 数求解
图像分割
• 从图像到图的映射
•相似度判断因素: 1、灰度、颜色、纹理等图像特征 2、位置和距离;3、移动趋势;
4、观察s者m主l(i观, 认j) 为 e的x相p(似 (性Ii。 I j )2 2 )
•权值转换:
图的分割 G=(V,E) V:图的顶点 E:连接顶点 W:边的权值
______________________________________________ ____
分裂合并法
➢ 操作步骤
•对任意区域进行分割。
•对相邻区域,如果 V (Ri , Rj ) t,将二者
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。
______________________________________________ ____
______________________________________________ ____
K-均值聚类
➢样本均值
1
ui
=
Ni
x
xX i
➢误差平方和
c
2
Je x ui
i1 xX i
➢迭代u j 后 u j的 N均j1值1 (x和 u平j ) 方和
Jj
Jj
Nj N j 1
xuj
2
区域分割
郭栋彬
______________________________________________ ____
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。
• 2、分裂合并法
相关主题