TmaxB 2[(t)]
29
tank.bmp原图
坦克图类间方差阈值分割
30
steel1.jpg原图
钢筋类间方差阈值分 割
31
ship.bmp原图
类间方差阈值分割
32
6.1.4 一维最大熵阈值分割
一维直方图
一维最大熵阈值分割
目标区域O的概率分布和背景区域B 的概率分布分别是
P O p i/p t
在各区域的灰度差异设置n个阈值， 并进行如下分割处理：
g0
g(i,
j)
g1
gn1
gn
f (i, j) T0 T0 f (i, j) T1
Tn2 f (i, j) Tn1 f (i, j) Tn1
图像中各点经上述灰度阈值法 处理后，各个有意义区域就从图像 背景中分离出来。
含有多目标图像的直方图
图6.2.1 区域生长分割示意图
从上面的例子可以看出，在实际应用 区域生长法时需要解决三个问题：
（1）选择或确定一组能正确代表所需区域的种子象素 （2）确定在生长过程中能将相邻象素包括进来的准则 （3）制定让生长过程停止的条件或规则
种子象素的选取常可借助具体问题的特点进行。
典型
迭代－从 大到小逐 步收缩
1. 直方图阈值的双峰法
直方图的双峰与阈值
案例6.1.2直方图阈值双峰法的图像分割程序与效果
% 直方图双峰法阈值分割图像程序
clear
I=imread('细胞.png')
% 读入灰度图像并显示
imshow(I);
figure;imhist(I);
% 显示灰度图像直方图
Inew=im2bw(I,140/255);
（1）要确定航空照片中的森林、耕地、 城市区域等，首先需要将这些部分在 图像上分割出来。
（2）要辨认文件中的个别文字，也需先 将这些文字分选出来。
第六章 图像分割技术
（3）要识别和标定细胞的显微照片中的 染色体，需要用图像分割技术。 一幅图像通常是由代表物体的图案与 背景组成，简称物体与背景。若想从 一幅图像中“提取”物体，可以设法 用专门的方法标出属于该物体的点， 如把物体上的点标为“1”，而把背景 点标为“0”，通过分割以后，可得一 幅二图像。
分割区域的一种方法叫区域生成或区域生长。 可以从满足区域特征的一点开始，加上与已知 点相似的邻点形成一个区域。这个相似性准则 可以是灰度级、彩色值、结构、梯度或其它特 征。相似性的测度可以由所确定的阈值来判定。 所以，此方法是从满足检测准则的点开始，在 各个方向上生长区域。当其邻近点满足检测准 则，就并入区域中。不断重复这一过程，直到 没有可接受的邻近点为止。
6.2 基于区域的图像分割方法
6.2.1 区域生长法 6.2.2 分裂-合并
6.2.1 区域生长法
分割的目的是把一幅图像划分成一些区域，对 于这个问题的最直接的方法是把一幅图像分成 满足某种判据的区域。要划分成区域，要确定 一个区域与其它区域相区别的特征，还要产生 有意义分割的相似性判据。
6.1.3 类间方差阈值分割
思路： 利用二元统计分析的理论得到的，即选取
一个阈值t，构造两个统计量C0,C1的类内方 差最小、类间方差最大，这样的t作为最佳阈 值。
23
设原始图像有L个灰度级，
总像素为N＝n0+n1+….+nL+1; 归一化直方图：
选取t，
pi
ni N
，
L 1
pi 1
i0
则
C0={0,1,….,t}，
若图像中目标和背景具有不同的灰度集合 且两个灰度集合可用一个灰度级阈值T进 行分割。这样就可以用阈值分割灰度级 的方法在图像中分割出目标区域与背景 区域，这种方法称为灰度阈值分割方法。
6.1 阈值选取的图像分割方法
设图像为f (x, y) ，其灰度级范围是[0，L1]，在0和L-1之间选择一个合适的灰度阈值T， 则图像分割方法可描述为：
本章节概略
6.1 基于阈值选取的图像分割方法 6.2 基于区域的图像分割方法 6.3 基于边缘检测的图像分割 6.4 基于Hough变换的线-圆检测 6.5 图像运动目标分割
本章图像分割技术的内容与结构
第五章 图像分割技术
图像分割
把图像空间按照一定的要求分成一些“ 有意义”的区域的技术叫图像分割。 例 如：
1. 直方图阈值的双峰法
具体实现的方法是先做出图像的 灰度直方图，若只出现背景和目标物 两区域部分所对应的直方图呈双峰且 有明显的谷底，则可以将谷底点所对 应的灰度值作为阈值t，然后根据该 阈值进行分割就可以将目标从图像中 分割出来。这种方法适用于目标和背 景的灰度差较大，直方图有明显谷底 的情况。
军用红外图像中检测目标时， 目标辐射较大，可选图像中 最亮的象素作为种子象素
如果具体问题没有先验知识，则常可借助生长所用准则对每个象素进 行相应的计算，如果计算结果呈现聚类的情况，则接近聚类重心的象 素可取为种子象素
生长准则的选取不仅依赖于具体问题本身，也 和所用图像数据的种类有关
如当图像是彩色的时候，仅用单色的准则效果受到影响， 另外还需考虑象素间的连通性和邻近性，否则有时会出现 无意义的分割结果
如图给出已知种子点 区域生长的一个示例。
10475 10477 01555 20565 22564
11555 11555 11555 11555 11555
11575 11577 11555 21555 22555
11111 11111 11111 11111 11111
(a)
(b)
(c)
(d)
(a)给出需要分割的图像，设已知两个种子象素(标为 深浅不同的灰色方块)，现在进行区域生长
第六章 图像分割技术
图像分割方法分类： 第二类为基于区域生成的方法，是将像素 分成不同的区域，根据相应的区域特性在 图像中找出与其相似的部分并进行处理， 常用的方法有区域生长、分裂-合并分割方 法。
以上这两类方法互为对偶，相辅相成，有 时还要将它们结合起来，以得到更好的分 割效果。
6.1 阈值选取的图像分割方法
第六章 图像分割技术
图像分割的意义 是把图像分成若干个有意义区域
的处理技术。其从本质上说是将各 像素进行分类的过程。分类所依据 的特性可以是像素的灰度值、颜色 或多谱特性、空间特性和纹理特性 等。
大家有疑问的，可以询问和交流
可以互相讨论下，但要小声点
第六章 图像分割技术
图像分割方法分类： 大致可以分为基于边缘检测的方法和基于区 域生成的方法。 第一类为找出图像的边缘信息，首先检出局 部特性的不连续性，再将它们连成边界，这些 边界把图像分成不同的区域，从而分割出各个 区域，常用边缘检测方法有基于边缘检测的图 像分割、基于阈值选取的图像分割；
1 g(x,y) 0
f(x,y)T f(x,y)T
这样得到的g (x, y)是一幅二值图像。
1．灰度图像阈值二值化
两种方法定义阈值化后的二值图像
两种变换函数曲线
案例7.1.1 利用图像分割测试图像中的微小结构。
6.1 阈值选取的图像分割方法
2．灰度图像多区域阈值分割
图像中的区域（n=4）
5.1 阈值选取的图像分割方法
区域增长
• 原理和步骤
基本思想－将具有相似性质的象素集合起来构成区域。 具体步骤－先对每个需要分割的区域找一个种子象素作为生
长起点，然后将种子象素周围邻域中与种子象素有相同或相 似性质的象素(根据某种事先确定的生长或相似准则来判定) 合并到种子象素所在的区域中。将这些新象素当做新的种子
象素继续进行上面的过程，直到再没有满足条件的象素可被 包括进来，这样一个区域就长成了
26
下列关系成立：
0011T
0 1 1
C0类、C1类方差：
t
02 (i0)2pi /0
i0
L1
2 1
(i1)2pi /1
it1
27
定义类内方差：
2002112
定义类间方差：
B20(0T)21(1T)2 定义总体方0差：1(10)2
T2 B2 2
28
被分割的两区域间方差达最大时，两区域 达到最佳分离状态
由目标区域和背景区域熵、得到熵 函数定义为
(t)H0HB 当熵函数(t ) 取得最大值时，对应 的灰度值就是所求的最佳阈值
t ma[x(t)] 0tL1
图7.1.9 最大信息熵图像分割程序算法流程框图
最大信息熵图像分割的效果
最大信息熵算法通过编程可以迅速得到计算结果，但对大 小不同尺寸的图像，运行速度会受到影响。总体来看，经过最 大信息熵图像分割处理，照片画面清晰，图像信息得到最大的 保留。
6.1.2 直方图阈值
1．直方图阈值的双峰法
当灰度图像中画面比较简单且对象物 的灰度分布比较有规律，背景和对象物在 图像的灰度直方图上各自形成一个波峰， 由于每两个波峰间形成一个低谷，因而选 择双峰间低谷处所对应的灰度值为阈值， 可将两个区域分离。
把这种通过选取直方图阈值来分割目标 和背景的方法称为直方图阈值双峰法。
区域生长的一个关键是选择合适的生长或相似准则，大部 分区域生长准则使用图像的局部性质。
生长准则可根据不同原则制定，而使用不同的生长准则， 将会影响区域生长的过程。
基于区域灰度差
主要有3种基本的生长准则和方法
基于区域内灰度 分布统计性质
6.1.4 全局阈值分割和局部阈值法
1．全局阈值分割 它指的是在整幅图像内采用固定的阈值
分割图像。 2．图像的全局阈值分割案例分析
案例7.1.4编程实现对图像基于全局阈值 的分割 3．局部阈值法
将原始图像被分为几个小的子图像，再 对每个子图像分别求出最优分割阈值。
图6.1.11 选取不同阈值图像分割的效果