第九章图象分析 分割 描绘 数学形态学图像处理 遥感信息处理 2021年2月20日 数字图象处理演示稿纪玉波制作
2021年2月20日 数字图象处理演示稿 纪玉波制作 (C) 1 第九章 图象分析 • 分割 • 描绘 • 数学形态学图像处理 • 遥感信息处理
图象处理的另一个主要分枝是景象分析或景物分析。这 类处理的输入是图象,但是所要求的输出是已知图象或景物 的描述。这种处理基本上用于自身图象分析和模式识别一类 领域。例如,染色体的分类排列,血球的分类计数,航空照 片的地貌分类以及机器人的识别系统等。描述一般是针对图 象或景物中的特定区域或目标。为了描述,首先要进行分割 有些分割运算可以直接用于整个图象,而有些分割算法只适 应于已被局部分割的图象 91分割 分割的目的是把图象空间分成一些有意义的区域。例如, 幅航空照片,可以分割成工业区、住宅区、湖泊、森林等 等。可以以逐个象素为基础去研究图象分割,也可以利用在 规定邻域中的某些图象信息去分割。分割的依据可建立在相 似性和非连续性两个基本概念之上。 2021年2月20日 数字图象处理演示稿纪玉波制作
2021年2月20日 数字图象处理演示稿 纪玉波制作 (C) 2 图象处理的另一个主要分枝是景象分析或景物分析。这 类处理的输入是图象，但是所要求的输出是已知图象或景物 的描述。这种处理基本上用于自身图象分析和模式识别一类 领域。例如，染色体的分类排列，血球的分类计数，航空照 片的地貌分类以及机器人的识别系统等。描述一般是针对图 象或景物中的特定区域或目标。为了描述，首先要进行分割， 有些分割运算可以直接用于整个图象，而有些分割算法只适 应于已被局部分割的图象。 9.1 分割 分割的目的是把图象空间分成一些有意义的区域。例如， 一幅航空照片，可以分割成工业区、住宅区、湖泊、森林等 等。可以以逐个象素为基础去研究图象分割，也可以利用在 规定邻域中的某些图象信息去分割。分割的依据可建立在相 似性和非连续性两个基本概念之上
911灰度阈值法分割 最常用的图象分割方法是把图象灰度分成不同的等 级,然后用设置灰度门限的方法确定有意义的区域或 欲分割的物体边界。这种方法的关键问题是如何选择 阈值 f(r,y) 种方法是把图象变成二值图象。例如,图象 的灰级范围是(z1,z),设T是z1和z1之间的一个数 那 可以由下式表示: f(x,y)= 几1f(x,y)≥r 0 f(x,y)T f(r,y) f(r,y) 2021年2月20日 数字图象处理演示稿纪玉波制作
2021年2月20日 数字图象处理演示稿 纪玉波制作 (C) 3 9.1.1灰度阈值法分割 最常用的图象分割方法是把图象灰度分成不同的等 级，然后用设置灰度门限的方法确定有意义的区域或 欲分割的物体边界。这种方法的关键问题是如何选择 阈值。 一种方法是把图象变成二值图象。例如，图象 的灰度级范围是(z1,zk)，设T是z1和zk之间的一个数， 那么 可以由下式表示： 或
或 T≤f(x,y)>72 frr.(x, y) 0其它 另外,还有一种半阈值方法,这种方法是将灰度级低 于某一阈值的象素灰度变为0,而其余的灰度级不变,仍 保留原来的灰度值。总之,设置灰度阈值的方法不仅可以 提取物体,也可以提取目标物体的轮廓。这些方法都是以 图象直方图为基础去设置。阈值T的确定,可以用估算的 方法,也可以用数学计算的方法 对于复杂图象,在许多情况下对整幅图象用单一阈值 不能给出良好的分割结果。例如,图象是在光亮背景上的 暗物体,但由于照射光的不均匀,虽然物体与背景始终有 反差,但在图象的某一部分,物体和背景两者可能都比另 部分亮。 2021年2月20日 数字图象处理演示稿纪玉波制作
2021年2月20日 数字图象处理演示稿 纪玉波制作 (C) 4 或 另外，还有一种半阈值方法，这种方法是将灰度级低 于某一阈值的象素灰度变为0，而其余的灰度级不变，仍 保留原来的灰度值。总之，设置灰度阈值的方法不仅可以 提取物体，也可以提取目标物体的轮廓。这些方法都是以 图象直方图为基础去设置。阈值T的确定，可以用估算的 方法，也可以用数学计算的方法。 对于复杂图象，在许多情况下对整幅图象用单一阈值 不能给出良好的分割结果。例如，图象是在光亮背景上的 暗物体，但由于照射光的不均匀，虽然物体与背景始终有 反差，但在图象的某一部分，物体和背景两者可能都比另 一部分亮
因此,在图象的一部分能把物体和背景精确地 分开的阈值,对另一部分来说,有可能把太多的背 景也当作物体分割下来了。克服这一缺点有如下 些方法:如果已知有不均匀照射,就可以设法利用 灰度级校正,然后采用单一阈值来分割;另外一种 方法是把图象分成小块,并对每一块设置阈值 还可以寻找局部阈值,以便在每个局部域中把 物体和背景分开。可以使用寻找局部最大值的方法, 然后在此最大值的基础上,定一个阈值,将局部的 背景和物体分开。在对图象进行匹配运算或检测界 线时可采用这种方法。 2021年2月20日 数字图象处理演示稿纪玉波制作
2021年2月20日 数字图象处理演示稿 纪玉波制作 (C) 5 因此，在图象的一部分能把物体和背景精确地 分开的阈值，对另一部分来说，有可能把太多的背 景也当作物体分割下来了。克服这一缺点有如下一 些方法：如果已知有不均匀照射，就可以设法利用 灰度级校正，然后采用单一阈值来分割；另外一种 方法是把图象分成小块，并对每一块设置阈值。 还可以寻找局部阈值，以便在每个局部域中把 物体和背景分开。可以使用寻找局部最大值的方法， 然后在此最大值的基础上，定一个阈值，将局部的 背景和物体分开。在对图象进行匹配运算或检测界 线时可采用这种方法
912样板匹配 在数字图象处理中,样板是为了检测某些不变区域特性 而设计的阵列。样板可根据检测目的不同而分为点样板、 线样板、梯度样板、正交样板等。样板匹配的目的是为了 把特定区域检测出来。样板也称为模板 例:假定有一幅背景强度均匀恒定的图象,上有与背 景不同且相互隔开的小块,为了将这些小块检测出来,则 可设计一个类似如下的模板: 1=11 2021年2月20日 数字图象处理演示稿纪玉波制作
2021年2月20日 数字图象处理演示稿 纪玉波制作 (C) 6 9.1.2样板匹配 在数字图象处理中，样板是为了检测某些不变区域特性 而设计的阵列。样板可根据检测目的不同而分为点样板、 线样板、梯度样板、正交样板等。样板匹配的目的是为了 把特定区域检测出来。样板也称为模板。 例：假定有一幅背景强度均匀恒定的图象，上有与背 景不同且相互隔开的小块，为了将这些小块检测出来，则 可设计一个类似如下的模板：
将此模板在图象上移动,并将模板下各象素的值 乘以模板上的数字后相加,其结果是,如果模板下是 背景,则其和为0,当不完全是背景或是不同于背景 的小块时,其和不为0,由此可检出不是背景的小块 来。为确保小块的检出,可设一阈值,只有当其和大 于阈值时,才认为小块被检出。即 设模板上数字为:W=[w1,W2,…,Wn] 模板下象素值为:X=[x1,x2…,xn] 当WX>T时,认为小块检出,T为阈值 线模板是为了检出线,其模板可以有如下形式 2021年2月20日 数字图象处理演示稿纪玉波制作
2021年2月20日 数字图象处理演示稿 纪玉波制作 (C) 7 将此模板在图象上移动，并将模板下各象素的值 乘以模板上的数字后相加，其结果是，如果模板下是 背景，则其和为0，当不完全是背景或是不同于背景 的小块时，其和不为0，由此可检出不是背景的小块 来。为确保小块的检出，可设一阈值，只有当其和大 于阈值时，才认为小块被检出。即： 设模板上数字为： 模板下象素值为： 当 时，认为小块检出， 为阈值。 线模板是为了检出线，其模板可以有如下形式：
2 用于水平线 用于45°上斜线 2 2 用于竖直线 用于45°下斜线 另外,如果知道了图象中的一部分,要从正 幅图象中检出此部分,也可以用模板的方法。模 板上的数字都为-1,模板下的图象值同模板值相 乘后,与已知图象相加为0或小于某一给定阈值 时,则认为找到了这部分图象。 2021年2月20日 数字图象处理演示稿纪玉波制作
2021年2月20日 数字图象处理演示稿 纪玉波制作 (C) 8 另外，如果知道了图象中的一部分，要从正 幅图象中检出此部分，也可以用模板的方法。模 板上的数字都为-1，模板下的图象值同模板值相 乘后，与已知图象相加为0或小于某一给定阈值 时，则认为找到了这部分图象
对于边缘检测,由于边缘的灰度级一般有突变性 通常采用的方法是实行某种形式的二维导数进行检测 类似于离散梯度计算,考虑3×3大小的模板如图 a b-eh 在x方向上计算离散梯度用下式: Gx=(g+2h+1)-(a+2b+c) 在y方向上计算离散梯度用下式 G,=(c+2f+1)(a+2d+g) 2021年2月20日 数字图象处理演示稿纪玉波制作
2021年2月20日 数字图象处理演示稿 纪玉波制作 (C) 9 对于边缘检测，由于边缘的灰度级一般有突变性， 通常采用的方法是实行某种形式的二维导数进行检测。 类似于离散梯度计算，考虑33大小的模板如图 在x方向上计算离散梯度用下式： 在y方向上计算离散梯度用下式：
在e点的梯度为: G=[G2 +G2y/2 如果采用绝对值定义为: G=G+G 方向上的模板为: 0 0 y方向上的模板为: 2 000 2021年2月20日 数字图象处理演示稿纪玉波制作
2021年2月20日 数字图象处理演示稿 纪玉波制作 (C) 10 在e点的梯度为： 如果采用绝对值定义为： x方向上的模板为： y 方向上的模板为：