数字图像处理--图像分割

概述

图像处理的两大目的：

• 改善像质（增强，恢复）
• 图像分析：从图像中提取有用的测量数据，对图像内容做出描述，图像识别。

图像分割的基本思路

• 从简到难，主机分割
• 控制背景环境，降低分割难度
• 把焦点放在增强感兴趣的对象，缩小不相干图像成分的干扰上。

图像分割四种不同的方法

• 边缘检测: 检测出边缘,再将边缘像素连接,构成边界形成分割,找出目标物体的轮廓,进行目标的分析、识别、测量等。
• 阈值分割: 最常用法。有直方图门限选择,半阈值选择图像分割,迭代阈值
• 边界方法: 直接确定区域边界,实现分割;有边界跟踪法,轮廓提取法。
• 区域法: 将各像素划归到相应物体或区域的像素聚类方法;有区域增长法等。

阈值分割

基本原理

原始图像——$f(x,y)$
灰度阈值——T
阈值运算得到二值图像——$g(x,y)$
$$g(x,y)=\{\begin{array}{ll}1,& \text{if f(x,y) ≥ T}\\ 0,& \text{if f(x,y) < T}\end{array}$$
阈值的选择包括人工阈值

人工阈值

人工选择法是通过人眼的观察,应用人对图像的知识,在分析图像直方图的基础上,人工选出合适的阔值。也可以在人工选出阈值后,根据分割效果,不断的交互操作,从而选择出最佳的阈值。

直方图阈值的选择

利用灰度直方图两峰之间的谷底作为阈值。

若直方图呈现多个明显的峰值，如三个峰值，取两个峰谷出的灰度值T1,T2作为阈值，同样，可以将阈值化后的图像编程二值化图像。

迭代阈值分割

基本思想:选择一个阈值作为初始值,按某种策略不断地迭代改进,直到满足给定的准则。自动输出一个阈值。在迭代过程中,关键是阈值改进策略,阈值改进策略要求:快速收敛,新产生阈值优于上一次的阈值。
步骤

1. 选择图像灰度的中值作为初始阈值$T_i=T$