一、圖像分割的基本概念

1.1專有名詞

前景和背景

在圖像分割中，我們通常需要將圖像分為前景和背景兩個部分。前景是指圖像中我們感興趣、要分割出來的部分，背景是指和前景不相關(guān)的部分。例如，對于一張人物照片，人物就是前景，而周圍環(huán)境則是背景。

區(qū)域

區(qū)域是指圖像中一塊連通的像素區(qū)域，這些像素具有相似的特征?，即像素的連通集合。

?像素間的連通性

在數(shù)字圖像處理中，像素間的連通性指的是像素之間的關(guān)系。在一幅二值圖像中，我們可以將所有像素分為兩個類別：黑色和白色。如果兩個像素之間是相鄰的，并且屬于同一個類別，則稱它們是連通的。連接的方式可以為4連通和8連通。

• 4連通性：一個像素與它上下左右四個相鄰像素連通。
• 8連通性：一個像素與它上下左右和對角線八個相鄰像素連通。

連通路徑

像素間的連通性指的是像素之間是否有連接的路徑。如果兩個像素之間存在一條路徑，使得這些路徑完全由同一個集合中的像素構(gòu)成，

?1.2概念

圖像分割是根據(jù)圖像的灰度、顏色、紋理或邊緣等特征，將圖像劃分成若干個區(qū)域的過程，每個區(qū)域代表被成像的一個物體（或部分）

?1.3圖像分割的依據(jù)

圖像分割的依據(jù)：各區(qū)域具有不同的特性（如灰度、顏色、紋理等）。

灰度圖像分割的依據(jù)：基于相鄰像素灰度值的不連續(xù)性和相似性。

1) 不連續(xù)性——不連續(xù)性是基于特性（如灰度)的不連續(xù)變化分割圖像，如邊緣檢測

2) 相似性——根據(jù)制定的準(zhǔn)則將圖像分割為相似的區(qū)域，如閾值處理、區(qū)域生長

?1.4圖像邊緣

含義：圖像中一個區(qū)域的結(jié)束和另一個區(qū)域的開始，圖像中相鄰區(qū)域之間的像素集合
構(gòu)成了圖像的邊緣。

圖像的邊緣有方向和幅度兩個屬性，沿邊緣方向的像素點(diǎn)變化平緩，而垂直于邊緣方向的像素點(diǎn)變化劇烈。

相關(guān)例題（不重要）

算子的邊緣檢測效果分析：

?

二、灰度閾值分割

2.1概述

適用的圖像：物體（前景)與背景在灰度上有較大差異

基本思想：提取物體與背景在灰度上的差異，把圖像分為具有不同灰度級的目標(biāo)區(qū)域和背景區(qū)域

2.2基本原理

2.3步驟

注意：step1確定適合的閾值是關(guān)鍵，閾值的選擇將直接影響分割效果。

2.4閾值類型

全局閾值：選取的閾值僅與各個像素的灰度有關(guān)。

局部閾值：選取的閾值與像素本身及其鄰域的某種局部性質(zhì)(如像素的梯度值等)有關(guān)。即除了利用像素自身的性質(zhì)外，還可借助像素鄰域的局部性質(zhì)來確定閾值

動態(tài)閾值（或自適應(yīng)閾值)：選取的閾值與像素的位置（坐標(biāo))有關(guān)

2.5確定灰度閾值的常用方法

利用灰度直方圖確定閾值

通過人眼的觀察，應(yīng)用人對圖像的先驗(yàn)知識，在分析圖像直方圖的基礎(chǔ)上，人工選出合適的閾值。

基于閾值的圖像分割方法的基本原理是提取物體與背景在灰度上的差異，把圖像分為具有不同灰度級的目標(biāo)區(qū)域和背景區(qū)域。

該方法主要適用于目標(biāo)物體與背景之間具有較高對比度，兩者分別占據(jù)不同的灰度級范圍，灰度對比較強(qiáng)，此時圖像的灰度直方圖呈現(xiàn)明顯的雙峰特性（分別對應(yīng)背景和目標(biāo)物體)，或明顯的多峰特性（分別對應(yīng)背景和多個目標(biāo)物體)

可以在相鄰兩峰之間的谷底處選取一個灰度值作為閾值，進(jìn)行分割

采用閾值分割方法分割圖像時，當(dāng)存在照明不均、突發(fā)噪聲等因素或背景的灰度變化較大時，整幅圖像不存在合適的單一閾值，這時可將圖像分塊，對每塊根據(jù)圖像局部特征采用不同的閾值。

迭代法確定最優(yōu)閾值

?

關(guān)于初始閾值T的選擇原則：

• 當(dāng)目標(biāo)物體與背景的面積相當(dāng)時，可將初始閾值T置為整幅圖像的灰度平均值；
• 當(dāng)目標(biāo)物體與背景的面積相差較大時，可將初始閾值T,置為最大灰度值與最小灰度值的中間值。

概念補(bǔ)充:分割誤差

一部分目標(biāo)物體像素被錯分為背景，或者一部分背景像素被錯分為目標(biāo)物體

利用最小化誤差概率確定最優(yōu)閾值

基本思想：選擇一個閾值T，使得劃分像素時所產(chǎn)生的總的分類誤差概率最小

?原理

?結(jié)論

當(dāng)圖像中目標(biāo)和背景像素點(diǎn)的灰度值呈正態(tài)分布且標(biāo)準(zhǔn)偏差相等、目標(biāo)和背景像素點(diǎn)比
例相等時，最佳分割閾值就是目標(biāo)和背景像素點(diǎn)的灰度均值的平均。

采用單閾值的閾值分割方法用全局閾值來分割圖像。
當(dāng)一幅圖像的直方圖呈現(xiàn)明顯雙峰時，選擇谷底作為閾值以獲取良好的分割效果。

最大類間方差法確定最優(yōu)閾值（Otsu法)

該方法確定最佳閾值T的準(zhǔn)則是：使得閾值分割后的兩個像素類（一個是前景目標(biāo)物體像素類，另一個是背景像素類)的類間方差最大。

結(jié)論

基于0tsu方法的閾值分割是否有效主要取決于目標(biāo)和背景區(qū)域之間是否有足夠的對比度?

?直方圖變換法（一種局部閾值方法)

???例如，可以作出只具有低梯度值的像素的直方圖，即對梯度大的像素賦予權(quán)值0，而梯度小的像素賦予權(quán)值1。新直方圖中對應(yīng)的波峰基本不變，但由于減少了邊界點(diǎn)，所以波谷應(yīng)比原直方圖更深。

動態(tài)閾值法

三、基于區(qū)域的分割

傳統(tǒng)的區(qū)域分割算法有區(qū)域生（增）長法和區(qū)域分裂合并法。

基于閾值的圖像分割方法適用于含噪聲較少的簡單圖像，尤其是對物體（前景）與背景在灰度上有較大差異的圖像效果。

3.1區(qū)域生（增）長法

定義：根據(jù)事先定義的準(zhǔn)則將像素或者子區(qū)域聚合成更大區(qū)域的過程。
基本思想：開始時確定一個或多個像素點(diǎn)作為種子，然后按某種相似性準(zhǔn)則增長區(qū)域，逐步生成具有某種均勻性的空間區(qū)域，將相鄰的具有相似性質(zhì)的像素或區(qū)域歸并從而逐步增長區(qū)域，直至沒有可以歸并的點(diǎn)或其它小區(qū)域?yàn)橹?/span>。

區(qū)域內(nèi)像素的相似性度量可以包括平均灰度值、紋理、顏色等信息。

基本步驟：

?舉例

3.2 區(qū)域分裂與合并法

基本思想：按照某種一致性準(zhǔn)則，不斷地分裂或合并區(qū)域。當(dāng)一個區(qū)域不滿足一致性準(zhǔn)則時，將其分裂成大小相等且互不重疊的四個子區(qū)域。當(dāng)任意兩個相鄰區(qū)域滿足一致性準(zhǔn)則時，可將其合并為一個大區(qū)域。

通常是先區(qū)域分裂，再區(qū)域合并，也可以分裂和合并同時進(jìn)行，最后得到圖像的分割結(jié)果。

舉例

四、二值圖像的輪廓提取與輪廓跟蹤

輪廓提取和輪廓跟蹤的目的：獲取目標(biāo)區(qū)域的外部輪廓特征，為形狀分析和目標(biāo)識別做準(zhǔn)備

圖像分割后的結(jié)果通常是一幅二值圖像，所有目標(biāo)區(qū)域都被賦予同一種灰度值（黑或白），背景
區(qū)域被賦予另一種灰度值（白或黑）

4.1二值圖像的輪廓提?。??

4.2二值圖像的輪廓跟蹤：

?

五、模板匹配

用一幅已知的較小的圖像（稱為模板圖像）與一幅較大的原始圖像進(jìn)行比較，來確定在原始圖像中是否存在與該模板圖像相同或相似的區(qū)域，若這樣的區(qū)域存在，可確定其位置并提取該區(qū)域。

常用的模板匹配方法：

• 相關(guān)法
• 誤差法

?5.1相關(guān)法

結(jié)論：

模板越大，匹配速度越慢；模板越小，匹配速度越快。

5.2誤差法

六、圖像表示

6.1概述

圖像表示分成邊界表示（如鏈碼、邊界分段、多邊形近似和標(biāo)記圖等)和區(qū)域表示（如四叉樹、骨架等)兩大類。

• 邊界表示關(guān)心的是圖像中區(qū)域的形狀特征
• 區(qū)域表示則傾向于反映區(qū)域的灰度、顏色、紋理等特征的特點(diǎn)

?6.2邊界表示

鏈碼

定義：
1)鏈碼是一種邊界的編碼表示法。
2)用邊界的方向作為編碼依據(jù)。為簡化邊界的描述，一般描述的是邊界點(diǎn)集。

?

自然編碼表示

舉例

邊界分段

定義：

將邊界分成若干段，然后分別對每一段進(jìn)行表示，從而降低了邊界的復(fù)雜度，并簡
化表示過程，尤其是當(dāng)邊界具有多個凹點(diǎn)的時候這種方法更為有效。

?

問題：
--噪聲的影響，導(dǎo)致出現(xiàn)零碎的劃分。
解決的方法：
--先平滑邊界，或用多邊形逼近邊界，然后再分段

?多邊形近似

• 多邊形近似比鏈碼、邊界分段更具有抗噪聲干擾的能力。
• 對封閉曲線而言，當(dāng)多邊形的線段數(shù)與邊界上點(diǎn)數(shù)相等時，多邊形可以完全準(zhǔn)確的表達(dá)邊界。

?

最小周長邊界算法?

?標(biāo)記圖

標(biāo)記是邊界的一維表達(dá)
標(biāo)記圖的基本思想：將原始的二維邊界用一個一維函數(shù)來表示，以達(dá)到降低表達(dá)難度的效果。

?

?骨架

?

6.3邊界描述

邊界長度

邊界長度是邊界所包圍的區(qū)域的輪廓的周長

• 4-連通邊界：其長度為邊界上像素點(diǎn)個數(shù)；
• 8-連通邊界：其長度為對角碼個數(shù)乘上√2再加上水平和垂直像素點(diǎn)的個數(shù)的和。

邊界直徑

?

形狀數(shù)

形狀數(shù)：基于4-鏈碼的邊界描述符
定義：值最小的4-鏈碼的一階差分碼

統(tǒng)計矩

?

6.4區(qū)域描述

區(qū)域面積
?

區(qū)域重心

區(qū)域周長

紋理

?

紋理：
反映像素灰度的空間分布屬性的圖像特征，通常表現(xiàn)為局部不規(guī)則但宏觀有規(guī)律性
常用的紋理描述方法：

• 統(tǒng)計法：基于圖像的灰度直方圖的特性
• 頻譜法：

統(tǒng)計法?

?

?頻譜法

?文章來源地址http://www.zghlxwxcb.cn/news/detail-716698.html

到了這里，關(guān)于NEFU數(shù)字圖像處理（三）圖像分割的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！