灰度閾值分割 法是一種最常用的并行區(qū)域技術(shù),它是圖像分割中應(yīng)用數(shù)量最多的一類。
閾值分割方法實(shí)際上是輸入圖像f到輸出圖像g的如下變換:其中,T為閾值,對(duì)于物體的圖像元素g(i,j)=1,對(duì)于背景的圖像元素g(i,j)=0。由此可見,閾值分割算法的關(guān)鍵是確定閾值,如果能確定一個(gè)合適的閾值就可準(zhǔn)確地將圖像分割開來。
閾值確定后,將閾值與像素點(diǎn)的灰度值逐個(gè)進(jìn)行比較,而且像素分割可對(duì)各像素并行地進(jìn)行,分割的結(jié)果直接給出圖像區(qū)域。閾值分割的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單、運(yùn)算效率較高、速度快。
在重視運(yùn)算效率的應(yīng)用場(chǎng)合(如用于硬件實(shí)現(xiàn)),它得到了廣泛應(yīng)用。人們發(fā)展了各種各樣的閾值處理技術(shù),包括全局閾值、自適應(yīng)閾值、最佳閾值等等。
全局閾值是指整幅圖像使用同一個(gè)閾值做分割處理,適用于背景和前景有明顯對(duì)比的圖像。它是根據(jù)整幅圖像確定的:T=T(f)。
但是這種方法只考慮像素本身的灰度值,一般不考慮空間特征,因而對(duì)噪聲很敏感。常用的全局閾值選取方法有利用圖像灰度直方圖的峰谷法、最小誤差法、最大類間方差法、最大熵自動(dòng)閾值法以及其它一些方法。
在許多情況下,物體和背景的對(duì)比度在圖像中的各處不是一樣的,這時(shí)很難用一個(gè)統(tǒng)一的閾值將物體與背景分開。這時(shí)可以根據(jù)圖像的局部特征分別采用不同的閾值進(jìn)行分割。
實(shí)際處理時(shí),需要按照具體問題將圖像分成若干子區(qū)域分別選擇閾值,或者動(dòng)態(tài)地根據(jù)一定的鄰域范圍選擇每點(diǎn)處的閾值,進(jìn)行圖像分割。這時(shí)的閾值為自適應(yīng)閾值。
閾值的選擇需要根據(jù)具體問題來確定,一般通過實(shí)驗(yàn)來確定。對(duì)于給定的圖像,可以通過分析直方圖的方法確定最佳的閾值,例如當(dāng)直方圖明顯呈現(xiàn)雙峰情況時(shí),可以選擇兩個(gè)峰值的中點(diǎn)作為最佳閾值。
圖1(a)和(b)分別為用全局閾值和自適應(yīng)閾值對(duì)經(jīng)典的Lena圖像進(jìn)行分割的結(jié)果。 區(qū)域生長(zhǎng)和分裂合并法是兩種典型的串行區(qū)域技術(shù),其分割過程后續(xù)步驟的處理要根據(jù)前面步驟的結(jié)果進(jìn)行判斷而確定。
區(qū)域生長(zhǎng) 區(qū)域生長(zhǎng)的基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成區(qū)域。具體先對(duì)每個(gè)需要分割的區(qū)域找一個(gè)種子像素作為生長(zhǎng)的起點(diǎn),然后將種子像素周圍鄰域中與種子像素有相同或相似性質(zhì)的像素(根據(jù)某種事先確定的生長(zhǎng)或相似準(zhǔn)則來判定)合并到種子像素所在的區(qū)域中。
將這些新像素當(dāng)作新的種子像素繼續(xù)進(jìn)行上面的過程,直到再?zèng)]有滿足條件的像素可被包括進(jìn)來。這樣一個(gè)區(qū)域就長(zhǎng)成了。
區(qū)域生長(zhǎng)需要選擇一組能正確代表所需區(qū)域的種子像素,確定在生長(zhǎng)過程中的相似性準(zhǔn)則,制定讓生長(zhǎng)停止的條件或準(zhǔn)則。相似性準(zhǔn)則可以是灰度級(jí)、彩色、紋理、梯度等特性。
選取的種子像素可以是單個(gè)像素,也可以是包含若干個(gè)像素的小區(qū)域。大部分區(qū)域生長(zhǎng)準(zhǔn)則使用圖像的局部性質(zhì)。
生長(zhǎng)準(zhǔn)則可根據(jù)不同原則制定,而使用不同的生長(zhǎng)準(zhǔn)則會(huì)影響區(qū)域生長(zhǎng)的過程。區(qū)域生長(zhǎng)法的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單,對(duì)于較均勻的連通目標(biāo)有較好的分割效果。
它的缺點(diǎn)是需要人為確定種子點(diǎn),對(duì)噪聲敏感,可能導(dǎo)致區(qū)域內(nèi)有空洞。另外,它是一種串行算法,當(dāng)目標(biāo)較大時(shí),分割速度較慢,因此在設(shè)計(jì)算法時(shí),要盡量提高效率。
區(qū)域分裂合并 區(qū)域生長(zhǎng)是從某個(gè)或者某些像素點(diǎn)出發(fā),最后得到整個(gè)區(qū)域,進(jìn)而實(shí)現(xiàn)目標(biāo)提取。分裂合并差不多是區(qū)域生長(zhǎng)的逆過程:從整個(gè)圖像出發(fā),不斷分裂得到各個(gè)子區(qū)域,然后再把前景區(qū)域合并,實(shí)現(xiàn)目標(biāo)提取。
分裂合并的假設(shè)是對(duì)于一幅圖像,前景區(qū)域由一些相互連通的像素組成的,因此,如果把一幅圖像分裂到像素級(jí),那么就可以判定該像素是否為前景像素。當(dāng)所有像素點(diǎn)或者子區(qū)域完成判斷以后,把前景區(qū)域或者像素合并就可得到前景目標(biāo)。
在這類方法中,最常用的方法是四叉樹分解法(如圖3所示)。設(shè)R代表整個(gè)正方形圖像區(qū)域,P代表邏輯謂詞。
基本分裂合并算法步驟如下:(1)對(duì)任一個(gè)區(qū)域,如果H(Ri)=FALSE就將其分裂成不重疊的四等份;(2)對(duì)相鄰的兩個(gè)區(qū)域Ri和Rj,它們也可以大小不同(即不在同一層),如果條件H(Ri∪Rj)=TRUE滿足,就將它們合并起來。(3)如果進(jìn)一步的分裂或合并都不可能,則結(jié)束。
分裂合并法的關(guān)鍵是分裂合并準(zhǔn)則的設(shè)計(jì)。這種方法對(duì)復(fù)雜圖像的分割效果較好,但算法較復(fù)雜,計(jì)算量大,分裂還可能破壞區(qū)域的邊界。
圖像分割的一種重要途徑是通過邊緣檢測(cè),即檢測(cè)灰度級(jí)或者結(jié)構(gòu)具有突變的地方,表明一個(gè)區(qū)域的終結(jié),也是另一個(gè)區(qū)域開始的地方。這種不連續(xù)性稱為邊緣。
不同的圖像灰度不同,邊界處一般有明顯的邊緣,利用此特征可以分割圖像。圖像中邊緣處像素的灰度值不連續(xù),這種不連續(xù)性可通過求導(dǎo)數(shù)來檢測(cè)到。
對(duì)于階躍狀邊緣,其位置對(duì)應(yīng)一階導(dǎo)數(shù)的極值點(diǎn),對(duì)應(yīng)二階導(dǎo)數(shù)的過零點(diǎn)(零交叉點(diǎn))。因此常用微分算子進(jìn)行邊緣檢測(cè)。
常用的一階微分算子有Roberts算子、Prewitt算子和Sobel算子,二階微分算子有Laplace算子和Kirsh算子等。在實(shí)際中各種微分算子常用小區(qū)域模板來表示,微分運(yùn)算是利用模板和圖像卷積來實(shí)現(xiàn)。
這些算子對(duì)噪聲敏感,只適合于噪聲較小不太復(fù)雜的圖像。由于邊緣和噪聲都是灰度不連續(xù)點(diǎn),在頻域均為高頻分量,直接采用微分運(yùn)算難以克服噪聲的影響。
從學(xué)術(shù)角度講圖像分割主要分成3大類,一是基于邊緣的,二是基于區(qū)域的,三是基于紋理的。
由于基于紋理的也可以看成是基于區(qū)域的,所以有些專家也把分割方法分成基于邊緣和基于區(qū)域兩大類。 選擇算法的時(shí)候主要參考你要分割的圖像樣本的特點(diǎn)。
如果圖像的邊界特別分明,比如綠葉和紅花,在邊界處紅綠明顯不同,可以精確提取到邊界,這時(shí)候用基于邊緣的方法就可行。但如果是像醫(yī)學(xué)圖像一樣,輪廓不是特別明顯,比如心臟圖像,左心房和左心室顏色比較接近,它們之間的隔膜僅僅是顏色比它們深一些,但是色彩上來說很接近,這時(shí)候用基于邊緣的方法就不合適了,用基于區(qū)域的方法更好。
再比如帶紋理的圖像,例如條紋衫,如果用基于邊緣的方法很可能就把每一條紋都分割成一個(gè)物體,但實(shí)際上衣服是一個(gè)整體,這時(shí)候用基于紋理的方法就能把紋理相同或相似的區(qū)域分成一個(gè)整體。 不過總體來說,基于區(qū)域的方法近些年更熱一些,如Meanshift分割方法、測(cè)地線活動(dòng)輪廓模型、JSEG等。
去百度文庫(kù),查看完整內(nèi)容>
內(nèi)容來自用戶:天使小白很黑
第1章相關(guān)知識(shí)
1.1圖像分割的概述
在對(duì)圖像的研究和應(yīng)用中,人們往往僅對(duì)圖像中的某些部分感興趣,這些部分稱為目標(biāo)或前景(其他部分稱為背景>;,他們一般對(duì)應(yīng)圖像中特定的、具有獨(dú)特性質(zhì)的區(qū)域。為了辨識(shí)和分析目標(biāo),需要將他們分離提取出來,在此基礎(chǔ)上才有可能對(duì)目標(biāo)進(jìn)一步利用。圖像分割就是指把圖像分成格局特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。這里特性可以是象素的灰度、顏色、紋理等,預(yù)先定義的目標(biāo)可以對(duì)應(yīng)單個(gè)區(qū)域,也可以對(duì)應(yīng)多個(gè)區(qū)域?,F(xiàn)有的圖像分割算法有:閾值分割、邊緣檢測(cè)和區(qū)域提取法。本文著重研究基于閾值法的圖像分割技術(shù)。
所謂圖像分割是指根據(jù)灰度、彩色、空間紋理、幾何形狀等特征把圖像劃分成若干個(gè)互不相交的區(qū)域,使得這些特征在同一區(qū)域內(nèi),表現(xiàn)出一致性或相似性,而在不同區(qū)域間表現(xiàn)出明顯的不同。簡(jiǎn)單的講,就是在一幅圖像中,把目標(biāo)從背景中分離出來,以便于進(jìn)一步處理。圖像分割是圖像處理與計(jì)算機(jī)視覺領(lǐng)域低層次視覺中最為基礎(chǔ)和重要的領(lǐng)域之一,它是對(duì)圖像進(jìn)行視覺分析和模式識(shí)別的基本前提。同時(shí)它也是一個(gè)經(jīng)典難題,到目前為止既不存在一種通用的圖像分割方法,也不存在一種判斷是否分割成功的客觀標(biāo)準(zhǔn)。
閾值法是一種傳統(tǒng)的圖像分割方法,因其實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小、性能較穩(wěn)定而成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)。已被應(yīng)用于很多的領(lǐng)域,例如,在紅外技術(shù)應(yīng)用中,紅外無損檢測(cè)中紅外熱圖像的分割,紅外成像跟蹤系統(tǒng)中目
1 數(shù)字圖像處理技術(shù)是一個(gè)跨學(xué)科的領(lǐng)域。隨著計(jì)算機(jī)科學(xué)技術(shù)的不斷發(fā)展,圖像處理和分析逐漸形成了自己的科學(xué)體系,新的處理方法層出不窮,盡管其發(fā)展歷史不長(zhǎng),但卻引起各方面人士的廣泛關(guān)注。首先,視覺是人類最重要的感知手段,圖像又是視覺的基礎(chǔ),因此,數(shù)字圖像成為心理學(xué)、生理學(xué)、計(jì)算機(jī)科學(xué)等諸多領(lǐng)域內(nèi)的學(xué)者們研究視覺感知的有效工具。其次,圖像處理在軍事、遙感、氣象等大型應(yīng)用中有不斷增長(zhǎng)的需求。
基于圖論的圖像分割技術(shù)是近年來國(guó)際上圖像分割領(lǐng)域的一個(gè)新的研究熱點(diǎn)。該方法將圖像映射為帶權(quán)無向圖,把像素視作節(jié)點(diǎn)。利用最小剪切準(zhǔn)則得到圖像的最佳分割 該方法本質(zhì)上將圖像分割問題轉(zhuǎn)化為最優(yōu)化問題。是一種點(diǎn)對(duì)聚類方法。對(duì)數(shù)據(jù)聚類也具有很好的應(yīng)用前景。但由于其涉及的理論知識(shí)較多,應(yīng)用也還處在初級(jí)階段。因此國(guó)內(nèi)這方面的研究報(bào)道并不多見,本文將對(duì)圖論方法用于圖像分割的基本理論進(jìn)行簡(jiǎn)要介紹,并對(duì)當(dāng)前圖論方法用于圖像分割的最新研究進(jìn)展進(jìn)行綜述,并著重介紹基于等周圖割的圖像分割的方法。
2 圖像目標(biāo)分割與提取技術(shù)綜述
圖像分割是一種重要的圖像技術(shù),在理論研究和實(shí)際應(yīng)用中都得到了人們的廣泛重視。圖像分割的方法和種類有很多,有些分割運(yùn)算可直接應(yīng)用于任何圖像,而另一些只能適用于特殊類別的圖像。有些算法需要先對(duì)圖像進(jìn)行粗分割,因?yàn)樗麄冃枰獜膱D像中提取出來的信息。例如,可以對(duì)圖像的灰度級(jí)設(shè)置門限的方法分割。值得提出的是,沒有唯一的標(biāo)準(zhǔn)的分割方法。許多不同種類的圖像或景物都可作為待分割的圖像數(shù)據(jù),不同類型的圖像,已經(jīng)有相對(duì)應(yīng)的分割方法對(duì)其分割,同時(shí),某些分割方法也只是適合于某些特殊類型的圖像分割。分割結(jié)果的好壞需要根據(jù)具體的場(chǎng)合及要求衡量。圖像分割是從圖像處理到圖像分析的關(guān)鍵步驟,可以說,圖像分割結(jié)果的好壞直接影響對(duì)圖像的理解。
3 定義及分割方法
為后續(xù)工作有效進(jìn)行而將圖像劃分為若干個(gè)有意義的區(qū)域的技術(shù)稱為圖像分割(Image Segmentation)
目前,有許多的圖像分割方法,從分割操作策略上講,可以分為基于區(qū)域生成的分割方法,基于邊界檢測(cè)的分割方法和區(qū)域生成與邊界檢測(cè)的混合方法.
聲明:本網(wǎng)站尊重并保護(hù)知識(shí)產(chǎn)權(quán),根據(jù)《信息網(wǎng)絡(luò)傳播權(quán)保護(hù)條例》,如果我們轉(zhuǎn)載的作品侵犯了您的權(quán)利,請(qǐng)?jiān)谝粋€(gè)月內(nèi)通知我們,我們會(huì)及時(shí)刪除。
蜀ICP備2020033479號(hào)-4 Copyright ? 2016 學(xué)習(xí)鳥. 頁(yè)面生成時(shí)間:2.195秒