数字图像处理知识梳理——5

• 七、图像分割

• 概念：把图像分解成构成它的部件和对象的过程；定位感兴趣对象在图像中的位置和范围

• 任务：把图像分离成互不交叠的有相同性质的区域

• 评价准则：最终测量精度UMA

• 7.1基于边缘的分割方法：先提取区域边界，在确定边界限定的区域

  • 7.1.1边缘检测的对象：灰度或结构不连续的地方

  • 7.1.2缺陷

    • 用图像数据（二维、三维）表示实际物体（多维）有信息丢失
    • 检测出有边缘的地方并不一定是物体实际边界

  • 7.1.3边缘检测

    • 一阶微分算子
      • Roberts算子、Prewitt算子、Sobel算子
      • 检测不同方向：方向匹配检测模板
        • 方向算子（krisch）
    • 二阶微分算子：拉普拉斯算子（对阶跃型边缘定位准确）
      • 对细线和孤立点检测效果好
      • 对噪声敏感，有加强作用
      • 不能检测出边的方向：方向无关性
      • 由于二阶导数特性，会产生双像素边缘
    • 高斯拉普拉斯算子（LOG）：先高斯平滑在使用拉普拉斯算子
    • Canny算子：最优化问题
      • 1.高斯平滑处理，抑制噪声的同时也损失了一些边缘
      • 2.计算滤波后图像梯度的幅度值和方向
      • 3.非极大值抑制处理

  • 7.1.4边缘连接

    • 局部处理法
      • 通过比较图像中每个点与其邻域像素的相似性
        • 比较梯度
        • 比较梯度向量的方向角
    • Hough变换：图像空间与参数空间的一一对应关系
      • 图像空间中特定形状在参数空间聚为一个点
      • 将困难的全局检测问题转变为峰值探测问题
      • 计算结果具有鲁棒性
      • 计算量大

• 7.2基于区域的方法：确定每个像素的归属区域，进而完成分割

  • 7.2.1阈值分割方法

    • 适用于物体内部灰度值较为均匀且它周围的背景灰度也比较均一
    • 简单直方图分割方法：图像的灰度直方图有明显的双峰状，选择谷底的灰度值作为阈值
    • 迭代式阈值选择方法
    • Otsu阈值分割方法
    • 最小误差法（考试）

  • 7.2.2区域生长法

    • 1.确定分割区域和每个区域的种子像元
    • 2.选择有意义的特征
    • 3.确定相似性度量准则
    • 4.生长停止条件和准则的确定
    • 常见的三种扩张方法
      • 单一型
      • 质心型
      • 混合型
        • 不依赖起始点的方法
        • 假设检验法

  • 7.2.3分裂合并法

    • 可以实现图像的自动分割，不需要预先指定种子点，避免了种子点对分割结果的影响
    • 常用的方法：四叉树法