第十章 图像分割

图像分割

图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。现有的图像分割方法主要分以下几类:基于阈值的分割方法、基于区域的分割方法、基于边缘的分割方法以及基于特定理论的分割方法等。1998年以来，研究人员不断改进原有的图像分割方法并把其它学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。图像分割后提取出的目标可以用于图像语义识别，图像搜索等等领域。

点，线和边缘检测

点检测

g = abs(imfilter(tofloat(f),w)) >= T
f 为输入图像，w为已检测模板，g是包含检测点的图像。

• 函数imfilter

g = abs(imfilter(double(f), w)) >= T;
w是一个合适的点检测掩模，T是一个非负阈值。
函数imfilter会将其输出转换为输入的类，且abs操作不接受整数数据，可在滤波操作中使用double(f)来防止过早的截断。

• 
  
• 函数ordfilt2
  

在大小为m*n的所有领域中寻找一些点，这些点的最大值和最小值之差超过了T。

w = [-1 -1 -1,-1 8 -1,-1 -1 -1];
f = imread('Fig4.14(b).jpg');
g = abs(imfilter(tofloat(f),w));
T = max(g(:));
g = g >= T;
subplot(121),imshow(f);
subplot(122),imshow(g);

将T选为滤波后图像g中的最大值，在g中找到满足g >= T 的所有点，既可以找到响应的点

另一种方法：

g = ordfilt2(f,m * n,ones(m,n)) - ordfilt2(f,1,ones(m,n))
g = g>=T
当 m = n = 5 时会产生上面一样的结果。

线检测

f = imread('Fig001.tif');
subplot(321),imshow(f,[]);title('连线模板图');
w = [2 -1 -1 ; -1 2 -1; -1 -1 2];
g = imfilter(double(f), w);
subplot(322),imshow(g,[]);title('45°检测器处理');
gtop = g(1:120, 1:120);
gtop = pixeldup(gtop, 4);
subplot(323),imshow(gtop,[]);title('左上方图放大');
gbot = g(end-119:end, end-119:end);
gbot = pixeldup(gbot, 4);
subplot(324),imshow(gbot,[]);title('左上方图放大右下');
g = abs(g);
subplot(325),imshow(g,[]);title('左上图的绝对值');
T = max(g(:));
g = g >= T;
subplot(326),imshow(g,[]);title('满足g>=T的所有点');

图4中的线段比图三中的线亮的多，原因是原图中右下方原件只有一个像素宽，而左上方不是，对于一个像素宽的元件，模板的响应更强。

使用函数edge检测边缘

[g t] = edge(f,’method’,parameters)
f 为输入图像，method为下表中的一种。

试了一下 Prewitt 的效果：

 f = imread('Fig002.tif');
g = edge(I,'prewitt',0.04);  % 0.04为梯度阈值
figure(1);
imshow(f);
figure(2);
imshow(g);

变换之后的效果