第十章 图像的分割

• 图像分割的基本概念

• 在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣。这些部分常称为目标或前景 （其它部分称为背景），它们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析目标，需要将这些有关区域分离提取出来

• 图像分割是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程

1. 图像分割的定义

1. 图像分割技术分类

– 对灰度图像的分割常可基于像素灰度值的2个性质：不连续性（区域内部的像素）和相似性（区域之间的像素）

– 分割算法又可分为并行算法和串行算法

 

• 并行边界技术

– 边缘检测是所有基于边界的图像分割方法的第一步

– 边缘是灰度值不连续的结果，这种不连续常可利用求导数方便地检测到。一般常用一阶和二阶导数来检测边缘

– 在空域对边缘的检测常采用局部导数算子进行。先介绍一阶导数算子和二阶导数算子，再讨论如何将检测出的边缘点连接成曲线或封闭轮廓

1. 一阶导数算子

– 梯度对应一阶导数，梯度算子是一阶导数算子。对一个连续函数f (x, y)，它在位置(x, y)的梯度可表示为一个矢量（两个分量分别是沿X和Y方向的一阶导数）

– 幅度（也常直接简称为梯度）和方向角分别为

• 模板卷积也能实现导数算子的作用

梯度算子检测示例：

-图a：原图；图b：soble水平算子；图c：sobel 垂直算子；

– 图d-f分别为soble算子采用欧氏、城区、棋盘三种范数综合

1. 二阶导数算子：拉普拉斯算子

– 特点：

• 中心为正，邻近为负；模板和为0

• 对噪声敏感、产生双象素宽边缘，没有方向信息

– 用途：

• 少用于边缘检测

• 常用于在边缘已知情况下，确定像素在明区或暗区。

1. 噪声对基于导数的边界检测影响

1. 二阶导数算子的改进：马尔算子

• 根据人眼成像机理产生，具有去噪和检测边界的作用

• 算法：

– 2-D高斯平滑模板与图像卷积

– 计算卷积后的拉普拉斯结果

– 检测结果图中的过零点作为边界

• 算法构成

– 平滑函数 hx,y=exp⁡(-x2+y22σ2)

– 卷积过程 gx,y=h(x,y)⨂f(x,y)

– 拉普拉斯梯度

– 采用离原点的径向距离表示

– 综合算子▽2