数字识别的特征提取matlab,数字图像处理及MATLAB实现第七章 图像分割与特征提取及MATLAB实现.ppt...

图像分割是指将图像中有意义的对象与其背景分离，并把这些对象按照不同的含义分割开来，也就是说，把图像中具有不同含义的对象提取出来。图像分割的方法大致可以分为基于边缘检测的方法和基于区域生成的方法两大类。边缘检测技术是所有基于边界分割的图像分析方法的第一步，首先检测出图像局部特性的不连续性，再将它们连成边界 7.1 边缘检测方法 图像边缘对图像识别和计算机分析十分有用，边缘能勾画出目标物体，使观察者一目了然；边缘蕴含了丰富的内在信息(如方向、阶跃性质、形状等)，是图像识别中重要的图像特征之一。从本质上说，图像边缘是图像局部特性不连续性(灰度突变、颜色突变、纹理结构突变等)的反映，它标志着一个区域的终结和另一个区域的开始。为了计算方便起见，通常选择一阶和二阶导数来检测边界，利用求导方法可以很方便地检测到灰度值的不连续效果。 7.1.1 边缘算子法 (1)差分算子 图7.1 常见边缘的一阶差分和二阶差分 1)梯度算子 2)罗伯特(Robert)梯度 3)拉普拉斯(Laplacian)算子 图7.2 Laplacian算子集合 图7.3 灰度分布 (2)Laplacian-Gauss算子 7.1.2 模板匹配法 (1)点模板 (2)线模板 (3)边缘模板 7.1.3 曲面拟合法 (1)一次平面拟合 (2)二次平面拟合 7.1.4 边缘检测的MATLAB实现方法 (1)MATLAB 提供的用于灰度图像边缘的函数 BW =edge(I，′sobel′) BW =edge(I，′sobel′，thresh) BW =edge( I，′sobel′，thresh，direction) ［BW ，thresh］=edge(I，′sobel′，…) BW =edge(I，′prewitt′) (2)边缘检测的 MATLAB 实现方法 图7.14 边缘提取方法的举例 图7.15 用不同算法对原图进行边缘检测的不同效果 7.2 灰度阈值分割法 在灰度图像中分离出有意义区域的最基本的方法是设置阈值的分割方法。 图7.16 图像中的区域(n=4) 7.2.1 双峰法 7.2.2 p参数法 图7.18 3个区域组成图像的直方图 表7.1 累加像素数的计算结果 7.2.3 最大方差自动取阈法 图7.19 最大方差自动取阈法 7.2.4 灰度阈值分割法的MATLAB实现 (1)利用图像分割测试图像中的微小结构 图7.20 搜索图像中的微小结构 (2)测试图像中相互接触的对象 图7.21 检测图像中相互接触对象 7.3 灰度相似合并法 在图像上形成有相似特性的各个区域可以通过阈值法将图像由大到小进行分割的途径，也可以采用由小到大进行合并的途径。合并法是将像素或者是相对图像来说很小的，可以看成是特性一致的微区域作为基本单元，由此出发，根据区域的相连性，比较相邻的基本单元出发，重复上述处理，不同的是此时基本单元的特性值为小区域中该特性的平均值。这样的合并使小区域不断扩张，直到不再满足特性相似为止。 7.3.1 灰度差判别准则 图7.22 f(u，v)的3×3领域(为与f(u，v) 相邻的像素) 7.3.2 灰度分布相似性判别准则 图7.24 灰度分布相似性判别 (1)凯蒙高罗夫-斯密诺夫 KS(Kolmogorov-Smirnov)判别准则 (2)平滑差判别准则 7.4 二值图像与线图形 人们长期以来探求着直接从灰度图像获得构成对象物形状的区域或边缘，形成了各种有效的方法，特别是对于一些复杂景物图像的识别和理解，图像中丰富的灰度信息将成为主要的依据。但是，就一般图像中对象物的形状特征提取来说，常常可以在二值图像中得到，也就是说，仅有两个灰度级的图像往往就足以用来研究对象物的形状特征。二值图像与灰度图像相比，信息量大大减少，因而处理一幅图像的速度快，成本低，实用价值高。 图7.26 二值图像与线图形 7.4.1 二值图像分割 (1)连接性 (2)贴标签法 7.4.2 二值图像平滑 图7.32 二值图像中的噪声 (1)膨胀(扩张)处理 (2)腐蚀(收缩)处理