图像分割

原创 2007年09月17日 15:26:00

                                  图像分割

4.1图像分割概述

    图像分割是将图像划分成若干个互不相交的小区域的过程,小区域是某种意义下具有共同属性的像素的连通集合。如不同目标物体所占的图像区域、前景所占的图像区域等。

    连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径。对于离散图像而言,连通有4连通和8连通之分。

    四连通指的是从区域内一点出发,可在区域中通过上、下、左、右4个方向的移动,到达区域内的任意像素位置;

    八连通指的是从区域中的一点出发,可通过上、下、左、右、左上、右上、左下、右下这8个方向的移动组合来到达区域内的任意像素。

 

图像分割有三种以不同的途径:

    ★其一是将各像素划归到相应物体或区域的像素聚类方法,即区域法;   

★其二是通过直接确定区域问的边界来实现分割的边界方法;

    ★其三是首先检测边缘像素,再将边缘像素连接起来构成边界形成分割。

 

    在图像分割技术中,最常用的是利用阈值化处理进行的图像分割。

4.2图像阈值分割

一、灰度阈值法

    常用的图像分割方法是把图像灰度分成不同的等级,然后用设置灰度阈值的方法确定有意义的区域或分割物体的边界。

    常用的阈值化处理主要是指图像的二值化处理,即选择一阈值,将图像转换为黑自二值图像,用于图像分割及边缘跟踪等预处理。

二、直方图阈值分割

    在图像的阈值化处理过程中,选用不同的阈值其处理结果差异很人。如果阈值过大,会提取多余的部分;而阈值过小,又会丢失所需的部分(当前背景为黑色,对象为白色时刚好相反)。因此,阈值的选取非常重要。

三、类间方差阈值分割

判别分析法确定最佳阈值, 判别分析法确定最佳阈值的准则,是使进行阈值处理后分离的像素类之间的类问方差最大。判别分析法只需计算直方图的O阶矩和l阶矩,是图像阈值化处理中常用的自动确定阈值的方法。设原始图像的灰度级为L,总像素数为N,灰度值为i的像素数为Ni。归一化直方图,其中,N=NO+N l+…+NL-1。

四、P覆盖率阈值化

    p覆盖率阈值化仅适用于事先已知的目标所占全图像百分比的场合。若一幅图像由亮背景和黑目标组成,已知目标覆盖整个图像的1/p面积,则使得至少l/p的像素面积阈值化后匹配为目标图像的灰度值,这种方法称为p覆盖率阈值化。

4.3基于区域的图像分割

基于区域的分割,图像分割的目的,是把一幅图像划分成一些区域,前面的图像分割方法的目标是要找到图像区域问的边界。本节的方法将直接构造区域。为此,最直接的方法就是把一幅图像分成满足某种判据的区域,也就是说,把点组成区域。

    为了实现区域分组,一致性是区域的一个重要性质在区域增长中用作主要的分割准则;

  ★首先要确定区域的数目;

  ★其次要确定一个区域与其它区域褶区别的特征;

  ★最后还要产生有意义分割的相似性判据。

一、区域增长法

1、区域增长

    区域增长是一种区域分割方法。假定区域的数日以及在每个区域中种子点的位置已知,则从该已知点开始,加上与已知点相似的邻近点形成一个区域。

    ★相似性准则可以是灰度级、彩色、组织、梯度或其它特性;

    ★相似性的测度可以由所确定的阈值来判定。

    ★从满足检测准则的点开始,在各个方向上生长区域,如果其邻近点满足检测准则就并入区域中;   

★重复这一过程,直到没有可接受的邻近点后,区域增长过程终止。

2、均匀测度

二、区域分裂

    区域分裂与区域增长相反,它从把整个图像当成单个区域开始,

将不满足相似性测度的区域依次分裂开,直到各个区域都满足相似性测度为止.。

三、区域分裂与归并

l、分裂与归并区域方法

    利用图像数据的金字塔或四叉树数据结构的层次概念,将图像划分成一组任意不相交的初始区域,然后,从该数据结构的任一中间层开始,根据给定的均匀性(或相似性)检查准则分裂或者合并这些区域,逐步改善区域划分的性能,直到将整个图像划分成数量最少的均匀区域为止。

2 分裂与归并算法

★1)定义一个划分为区域的初始分割、相似性准则和四叉树结构;

  ★2)如果在四叉树结构中的任一区域不满足相似性准则,便将其分裂为4个子区域;若同一个父节点F的4个区域满足相似性准则,便将它们归并为一个区域;否则,转第3)步;

  ★3)如果任意两个邻接区域Ri和Rj满足相似性准则,便归并它们;

  ★4)如果必须删除小尺寸区域,则将小区域与其最相似的邻接区域归并。

4.4其它图像分割方法

l、其他区域分割方法

  ★A、区域聚合法

  ★B、分水岭分割,等等。

2、基于边缘的图像分割

★A、边缘图像阈值法

★B、边缘松弛法

★C、边界跟踪

★D、Hough变换,等等。

彩色图像的分割

    彩色图象是多光谱图象的一种特殊情况,对应于人类视觉的三基色RG B,是对人眼的光谱量化性质的近似;

    彩色空间有多种不同的表示形式,常用RG B三基色模型,色调、饱和度、亮度(H SI)模型等;

    彩色图象的分割除了可以采用灰度图象的分割方法外,还可以利用色彩的聚类性质。通常物体的色度和饱和度由构成物体的材料所具有的光线吸收和反射特性决定,而亮度明显地受光照和视角的影响。因此根据色度和饱和度分割图象比较可靠。在实际问题中,需要对一类物体的颜色进行统计训练,考察其颜色的直方图,根据颜色直方图选择合适的范围可以比较快速地实现彩色图象分割。

 

小结

    彩色图象是多光谱图象的一种特殊情况,对应于人类视觉的三基色即红、绿、蓝三个波段,是对人眼的光谱量化性质的近似。

    彩色空间有多种不同的表示形式,常用的有红、绿、蓝(RG B)三基色模型,色调、饱和度、亮度(H SI)模型等。

    彩色图象的分割除了可以采用惠度图象的分割方法外,还可以利用色彩的聚类性质。通常物体的色度和饱和度由构成物体的材料所具有的光线吸收和反射特性决定,而亮度明显地受光照和视角的影响。因此根据色度和饱和度分割图象比较可靠。 

版权声明:本文为博主原创文章,未经博主允许不得转载。

相关文章推荐

第十章 图像分割(1至3节)

点线和边缘检测 1 点检测 2 线检测 3 使用edge函数的边缘检测 使用Hough变换的线检测 1使用Hough变换做峰值检测 2 使用Hough变换做线检测和链接 阈值处理 1 全局阈值处理 2...

图像分割_区域生长

区域增长方法是根据同一物体区域内象素的相似性质来聚集象素点的方法,从初始区域(如小邻域或甚至于每个象素)开始,将相邻的具有同样性质的象素或其它区域归并到目前的区域中从而逐步增长区域,直至没有可以归并的...

图像分割笔记

迭代阈值分割: 迭代法是基于逼近的思想,其步骤如下:  法一:  1. 求出图象的最大灰度值和最小灰度值,分别记为ZMAX和ZMIN,令初始阈值T0=(ZMAX+ZMIN)/2;  2. 根据...

深度学习来做图像分割 Fully Convolutional Networks for Semantic Segmentation (FCNs)

摘要 卷积网络在特征分层领域是非常强大的视觉模型。我们证明了经过端到端、像素到像素训练的卷积网络超过语义分割中最先进的技术。我们的核心观点是建立“全卷积”网络,输入任意尺寸,经过有效的推理和学习产...

MATLAB学习笔记 图像分割(二)

edge(f, ‘method’, par) 边缘检测函数sobel边缘检测器(默认为sobel)edge(f, ‘sobel’, T, dir); dir 分为 vertical horizont...

基於區域的圖像分割-----------區域分裂合並

http://blog.csdn.net/cay22/article/details/5666109  2. 區域分裂合並 區域分裂合並算法的基本思想是先確定一個分裂合並的准則,即區域特征一致...

基于颜色信息的图像分割算法

1.算法原理(1)RGB颜色模型 我们通过在镜头前放置红(R),绿(G),蓝(B)三种颜色的滤光镜,得到R、G、B的三颜色通道。将三种滤光镜所生成的图像的灰度值以三基色原理组合在一起表示目标图像...

初学归一化切割和图像分割

MATLAB Normalized Cuts Segmentation Code

图像分割GrabCut

转自:http://blog.csdn.net/sunyuzhe/article/details/12976261 正文: OpenCV ( EmguCV ) 2.1 新特性介绍之...

基于水平集方法和G0模型的SAR图像分割

基于水平集方法和模型的SAR图像分割   Abstract(摘要) 这篇文章提出了一种分割SAR图像的方法,探索利用SAR数据中的统计特性将图像分区域。我们假设为SAR图像分割分配参数,并与水平...
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:深度学习:神经网络中的前向传播和反向传播算法推导
举报原因:
原因补充:

(最多只允许输入30个字)