图像分割：将图像中有意义的特征或需要应用的特征提 取出来。
（简单而又难于实现的最基础的识别工作。人的视觉系统对图像分 割是十分复杂的，也是相当有效的。但分割原理和模型都未搞清 楚。）
精品资料
• 你怎么称呼老师？
• 如果老师最后没有总结一节课的重点的难点，你 是否会认为老师的教学方法需要改进？
• 你所经历的课堂，是讲座式还是讨论式？
背景
（近对角线构成直方图有明显峰值及阈 值，远离对角线者可用灰度平均值作为 阈值，用于区分两个区）。
目标 边界
灰度
3 影响因素 多特征阈值分割 b 灰度与灰度梯度图
灰度
目标
边界
背景
梯度
c 多波段：
R、G、B可分别组成R-B, G-B, R-B两维直方图， 图上强的地方反映一个区。
5.2 边缘检测
求上式最小值时的T，便是阈值.即对上式求微分
d{t[1P(T) ](1t)Q (T)} 0 (1t)q (T )t(p T )0
dT
根据假设，当t, p(z), q(z) 已知时，可求解阈值T.
该方法必须用两个已知正态分布的曲线合成来近似直方图的分 布，还要给定两个正态分布合成的比例t, 实现起来比较复杂
最大方差阈值选取法
也叫大津阈值,把直方图在某一阈值处分割成两组， 当被分成的两组间方差为最大时，决定阈值。设一幅图像 的灰度值为1~m级，灰度值i的像素数为ni，则像素总数为
N ni ，各值的概率 pi ni / N，用T将其分成两组 i
C0={1~T}和C1={T+1~m}，各组产生的概率如下：
1 边缘检测原理 其导数在边缘方向取得极值
0
0
(a) 一幅纵向 0 边缘的图像
(b) 每行像素的 灰度剖面图
(c) 一阶导数 (d) 二阶导数
从数学上看，图像的模糊相当于图像被平均或积分，为实现图象的 锐化，必需用它的反运算“微分”－－加强高频分量作用，使轮廓清晰。
1 边缘检测原理
梯度对应一阶导数，对于一个连续图像函数f(x,y):
5.1 阈值分割
1 阈值分割原理
g(x,y) L LE B
f(x,y)T f(x,y)T
非理想情况，各段的分界不明显，
3种误差 a）增加了新的区域，b）失去了原有的区域，
c）区域分割边界定位不准确
动态门限：把图像分成子图像，子图像做直方图，再定不
同的门限
2 阈值的选取 最小误差阈值选取法
假设图像中目标及背景的灰度为正态分布，其灰度分 布概率密度函数分别p(z), q(z).设对象物占整体图像的比
例为t，此时整体图像的灰度概率密度由下式决定
tp (z)(1t)q(z)
现在用阈值T分开：当z>T 时
为背景，反之则是对象物。
p p(z)
q(z)
o
T
z
目标和背景概率密度分布
最小误差阈值选取法
把背景误认为对象物的概率:
T
Q(T) q(z)dz
把对象物误认为背景的概率:
1P(T)Tp(z)dz
错误区分的概率: t1 P ( T ) ( 1 t) Q ( T )
概率统计的阈值选取法 如:目标占整幅图像面积百分比
Байду номын сангаас
3 影响因素 噪音、照度不均匀，结构特征等。
简单情况下取直方图谷值点作分割阈值。 图像中有噪声干扰，先平滑处理，后取门限 光照不均匀：
ａ先修正光照不均匀，再取门限。 b 分区分割以减少光照不均匀而影响的分割效果
暗
暗
亮
暗
暗
3 影响因素
多波段： R、G、B多幅直方图同时出现谷值。
从1~m之间改变T，求上式为最大值时的T，既是最大方差阈值
最大方差阈值选取法
实现过程: 从T从1~m逐一改变,每变一次,对应一个 2 (T ) ，
具有最大 2 (T ) 的T即是最佳阈值.
讨论： * 此方法可操作性强； * 无论图像有无双峰都可得到较满意结果； * 局部图像二值化效果更好 * 可推广到双阈值图像分割
C0产生的概率为：w0
T
pi
w(T)
i1
C1产生的概率为： w1
m
pi
1w0
iT1
最大方差阈值选取法
C0的平均值：0
T
ipi
i1 w0
(T)
w(T)
C1的平均值：1i T m1iwp1i 1w ((TT))
m
其中, ipi w00w11 是整体图像的灰度平均值
i1
两组间的方差：
2 ( T ) w 0 ( 0 ) 2 w 1 ( 1 ) 2 w 0 w 1 ( 1 0 ) 2
梯度矢量定义:
f(x,y)Gx
GyT fx
fT y
梯度的幅度: f( x ,y ) m ( fa ( x ,y ) g ) ( G x 2 G y 2 ) 1 2
梯度的方向: (x,y)arcG tay G nx)(
最大方差阈值选取法
可以将最大方差阈值推广到双阈值分割,根据上面的 公式推广为:
2 (1 ,2 ) w 0 , 1 [ w 0 (0 0 , 1 ) 2 w 1 (1 0 , 1 ) 2 ]
w 1[w 2 1 (1 1 ,2 )2 w 2 (21 ,2 )2 ]
w 0 ,2 [ w 0 (0 0 ,2 )2 w 2 (2 0 ,2 )2 ]
取局部特征：如纹理——粗糙度 此结构特征优于灰度特征，与结构有关，若取局部特征， 并对局部特征图平滑之后，再取阈值，则效果更好。
3 影响因素
多特征阈值分割
a 灰度及平均灰度(3×3区)二维直方图
－－若集中于对角线区则表示灰度均匀 平均灰度
区。
边界
－－若远离对角线者（灰度与平均灰度 不同）是区域边界。
• 教师的教鞭
• “不怕太阳晒，也不怕那风雨狂，只怕先生骂我笨， 没有学问无颜见爹娘 ……”
• “太阳当空照，花儿对我笑，小鸟说早早早……”
第五章 图像的分割
5.1 阈值分割 5.2 边缘检测 5.3 区域分割 5.4 Hough变换 5.5 近邻法分割 5.6 基于动态聚类的分割 5.7 基于神经网络的分割 5.8 其它分割方法
第五章 图像的分割
图像处理有两大类目的： 1．改善像质（增强、恢复） 2．图像分析：对图像内容作出描述
图像输入 光电变换
数字化
预处理
图像增强 图像恢复
图像分割
阈值分割 边缘检测
……
描述 解释
图像分析理解
图像识别
一般的图像处理过程
特征提取
第五章 图像的分割与描述
图像分析：（也叫景物分析或图像理解）
可看作是一种描述过程，主要研究用自动或半自动 装置和系统，从图像中提取有用测度，数据或信息生成 非图的描述或表示。