第十五章 圖象分割

目錄

1.??? 引言

2.??? 閾值與圖象分割

3.??? 梯度與圖象分割

4.??? 邊界提取與輪廓跟蹤

5.??? Hough變換

6.??? 區(qū)域增長

作業(yè)

---

1.? 引言

? ??? 圖象分割是將圖象劃分為若干互不相交的小區(qū)域的過程。小區(qū)域是某種意義下具有共同屬性的象素的連通集合，如物體所占的圖象區(qū)域、天空區(qū)域、草地等。連通的概念是指集合中任意兩個點之間都存在著完全屬于該集合的連通路徑。對于離散圖像而言，連通有4連通和8連通之分，如下圖所示：

?
?

上圖中每個格子表示一象素，中心的象素與周圍的其它象素分別在四鄰域和八鄰域的意義下是相鄰的，即彼此連通。

? ??? 圖象分割有三種不同的途徑，其一是將各象素劃歸到相應物體或區(qū)域的象素聚類方法即區(qū)域法，其二是通過直接確定區(qū)域間的邊界來實現(xiàn)分割的邊界方法，其三是首先檢測邊緣象素再將邊緣象素連接起來構成邊界形成分割。

? ??? 圖象分割是圖象理解的基礎，而在理論上圖象分割又依賴圖象理解，彼此是緊密關聯(lián)的。圖象分割在一般意義下是十分困難的問題，目前的圖象分割一般作為圖象的前期處理階段，是針對分割對象的技術，是與問題相關的，如最常用到的利用閾值化處理進行的圖象分割。

2.? 閾值與圖象分割

? ??? 閾值是在分割時作為區(qū)分物體與背景象素的門限，大于或等于閾值的象素屬于物體，而其它屬于背景。這種方法對于在物體與背景之間存在明顯差別（對比）的景物分割十分有效。實際上，在任何實際應用的圖象處理系統(tǒng)中，都要用到閾值化技術。為了有效地分割物體與背景，人們發(fā)展了各種各樣的閾值處理技術，包括全局閾值、自適應閾值、最佳閾值等等。

·????????全局閾值

??? ??? 全局閾值是指整幅圖象使用同一個閾值做分割處理。適用于背景和前景有明顯對比的圖象。

·????????自適應閾值

? ??? 在許多情況下，物體和背景的對比度在圖象中不是各處一樣的，這時很難用統(tǒng)一的一個閾值將物體與背景分開。這時可以根據(jù)圖象的局部特征分別采用不同的閾值進行分割。實際處理時，需要按照具體問題將圖象分成若干子區(qū)域分別選擇閾值，或者動態(tài)地根據(jù)一定的鄰域范圍選擇每點處的閾值，進行圖象分割。

·????????最佳閾值

? ??? 閾值的選擇需要根據(jù)具體問題來確定，一般通過實驗來確定。對于給定的圖象，可以通過分析直方圖的方法確定最佳的閾值，例如當直方圖明顯呈現(xiàn)雙峰情況時，可以選擇兩個峰值的中點作為最佳閾值。

　

　

? ??? 在閾值化處理之后，可以通過直接跟蹤物體邊界的方法將物體區(qū)域分割出來，得到其輪廓并進一步分析其幾何形狀特征。

3.梯度與圖象分割

當物體與背景有明顯對比度時，物體的邊界處于圖象梯度最高的點上，通過跟蹤圖象中具有最高梯度的點的方式獲得物體的邊界，可以實現(xiàn)圖象分割。這種方法容易受到噪聲的影響而偏離物體邊界，通常需要在跟蹤前對梯度圖象進行平滑等處理，再采用邊界搜索跟蹤算法來實現(xiàn)。

　梯度圖象 閾值化梯度圖象

　閾值圖象經閉運算得到的圖象

4.邊界提取與輪廓跟蹤

為了獲得圖象的邊緣人們提出了多種邊緣檢測方法，如Sobel, Canny edge, LoG（參見第七章）。在邊緣圖象的基礎上，需要通過平滑、形態(tài)學等處理去除噪聲點、毛刺、空洞等不需要的部分，再通過細化、邊緣連接和跟蹤等方法獲得物體的輪廓邊界。

　 閾值化圖象抽取邊緣

　 邊緣細化后的圖象

• 邊界鏈碼

? ??? 鏈碼是從物體邊界上的任意一個點（x, y）出發(fā)，而后只記錄下一個邊界點的方向碼，直至回到出發(fā)點為止的編碼序列。在采用邊界跟蹤方法獲取物體邊界輪廓時，可以直接得到邊界鏈碼。

　

圖片來自：MilanSonka(..\..\download_IPCVPR\DIP of MilanSonka\datastructureinimageprocessing.htm)

5.Hough變換

對于圖象中某些符合參數(shù)模型的主導特征，如直線、圓、橢圓等，可以通過對其參數(shù)進行聚類的方法，抽取相應的特征。

·????????抽取線條特征

直線在極坐標系下具有如下的參數(shù)方程形式：

首先將參數(shù)空間量化為等間隔的小區(qū)域，然后針對超過給定閾值的所有邊緣點，對于每個將其映射到的參數(shù)空間中的小區(qū)域中，記數(shù)落到每個小區(qū)域的點數(shù)。最后，取具有最大頻度的若干小區(qū)域的參數(shù)作為線條特征的參數(shù)，得到圖象中主導性的線條特征。

??? 不難看出，這種方法同樣可以推廣到圓或橢圓等其它可以表示成參數(shù)形式的特征的抽取中。

有關Hough變換的詳細內容可以參考：Daisheng Luo,Pattern recognition and image processing, Chichester, Horwood Publishing, 1998 (This book is specifically aimed at objectshape,orientation, and arrangement analysis and classification)。

有關Hough變換的的綜述可以參考：Illingworth, J. and Kittler, J. (1988) A survey of the Houghtransform. Comput.Vision, Graphics, Image Processing, Vol.22, pp.87-116.

6.區(qū)域增長

? ??? 區(qū)域增長方法是根據(jù)同一物體區(qū)域內象素的相似性質來聚集象素點的方法，從初始區(qū)域（如小鄰域或甚至于每個象素）開始，將相鄰的具有同樣性質的象素或其它區(qū)域歸并到目前的區(qū)域中從而逐步增長區(qū)域，直至沒有可以歸并的點或其它小區(qū)域為止。區(qū)域內象素的相似性度量可以包括平均灰度值、紋理、顏色等信息。

? ??? 區(qū)域增長方法是一種比較普遍的方法，在沒有先驗知識可以利用時，可以取得最佳的性能，可以用來分割比較復雜的圖象，如自然景物。但是，區(qū)域增長方法是一種迭代的方法，空間和時間開銷都比較大。

作業(yè)

1.??? 編制一個能夠將工作臺上薄平工件分割出來的程序，利用閾值化處理和邊界跟蹤方法將工件的輪廓得到。

2.??? 編制檢測圖象中主導線條特征和圓形特征的Hough變換程序。

3.??? 編制區(qū)域增長程序，將復雜的圖像分割成小區(qū)域。

---

返回主目錄 返回本章目錄

清華大學計算機系 艾海舟

最近修改時間：2001年7月19日

出處：http://media.cs.tsinghua.edu.cn/~ahz/digitalimageprocess/CourseImageProcess.html

總結

以上是生活随笔為你收集整理的数字图像处理：第十五章 图象分割的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。