chap10 图像分割（数字图像处理/冈萨雷斯）

分割图像的目的：将图像中感兴趣的区域提取出来。分割的程度取决于要解决的问题。

图像分割算法：一般是基于亮度值的两个基本特性之一：不连续性和相似性。第一类性质的应用途径是基于亮度的不连续变化分割图像，比如图像的边缘。第二类的主要应用途径是依据实现指定的准则将图像分割为相似的区域。门限处理，区域生长，区域分离和聚合都是这类方法的示例。

1间断检测：检测数字图像中三种基本类型的灰度级间断技术：点、线和边缘。

点检测：如果一个孤立的点（次点的灰度级与其背景的差异相当大并且它所在的位置是一个均匀的或近似均匀的区域）与它周围的点很不同，则很容易被这类模板检测到。我们着重考虑的差别是那些足以识别为孤立点的差异。模板系数之和为零表示在灰度级为常数的区域，模板响应为零。

线检测：如果一个模板在水平方向、竖直方向、+45°方向、-45°方向上有相同像素，则将模板沿对应方向的线条（一个像素宽度）有更强响应

边缘检测：一条边缘是一组相连的像素集合。这些像素位于两个区域的边界上

 

2边缘连接和边缘检测

目的：由于噪声、不均匀的照明而产生的边缘间断以及其他由于引入虚假的亮度间断所带来的影响，使得到的一组像素很少能完整的描绘一条边缘。因此，典型的做法是在使用边缘检测算法后紧跟着使用连接过程将边缘像素组成有意义的边缘。

局部处理：连接边缘点最简单的方法之一是分析图像中每个点（x,y）的一个小领域（如3x3或5x5）内像素的特点。将所有依据实现事先预定的准则而被认为是相似的点连接起来，形成由共同满足这些准则的像素组成对的一条边缘。

局部处理中确定边缘像素相似性的性质：用于生成边缘像素的梯度算子的相应强度；梯度向量的方向

霍夫变换的连接方法：计算图像的梯度并对其设置门限得到一幅二值图像；在ρθ平面内确定再细分；对像素高度集中的地方检验器累加器单元的数目；检验选择的单元像素之间的关系（主要针对连续性）

 

3门限处理

在一幅由亮的对象和深的背景组成的图像中，将对象和背景具有灰度级的像素分成两组不同的支配方式，从背景中提取对象的一种显然的方法是选择一个门限值T，将这些模式分离开。当T仅取决于f（x，y）（即取决于灰度值）时，门限就称为全局的。如果T取决于f（x，y）和p（x，y），门限就是局部的。如果T取决于空间坐标x，y，门限就是动态的或自适应的。

 

4基于区域的分割

定义：分割的目的是将图像划分为不同区域，根据区域间灰度不连续通过搜索区域之间的边界来处理这一问题。

区域生长：根据事先定义的准则将像素或子区域聚合成更大区域的过程

 

5基于形态学分水岭的分割

定义：分水岭概念是以对图像进行三维可视化处理为基础的：其中两个是坐标，另一个是灰度级。对于这样一种“地形学”的解释，我们考虑三类点：（a）属于局部性最小值的点；（b）当一滴水放在某点的位置上的时候，水一定会落到一个单一的最小值点；（c）当水处在某个点的位置上时，水会等概率的流向不止一个这样的最小值点。