图像分割书记

Dear 丶 2022-05-08 06:26 720阅读 0赞

*  ## 简介： ##

其他名称：目标轮廓技术，阈值化技术，图像区分或求差技术，目标检测技术，目标识别技术，目标跟踪技术等，这些技术本身或者核心实际上也是图像分割技术。  
图像工程：根据抽象程度和研究方法等分为图像处理、图像分析、图像理解。图像处理着重强调在图像之间进行变换以改善图像的视觉效果。图像分析主要是对图像中感兴趣的目标进行检测和测量。图像理解主要是高层操作，基本上是对从描述中抽象出来的数据符号进行运算推理。

*  ## 图像分割定义 ##

令集合R代表整个图像区域，对R的分割可看做将R分成N个满足以下五个条件的非空子集：  
1.在对一幅图像的分割结果中全部子区域的总和（并集）应能包括图像中所有的像素，或者说分割应将图像中的每个像素都分进某个子区域中；  
2.在分割结果中各个子区域是互不重叠的，或者说在分割结果中一个像素不能同时属于两个区域；  
3.在分割结果中每个子区域都有独特的特性，或者说属于同一个区域中的像素应该具有某些相同特性；  
4.在分割结果中，不同的子区域具有不同的特性，没有公共元素，或者说属于不同区域的像素应该具有一些不同的特性；  
5.分割结果中同一个子区域内的像素应当是连通的，即同一个子区域内的任两个像素在该子区域内互相连通，或者说分割得到的区域是一个连通组元。

*  ## 分割算法分类 ##

三类：阈值分割、边缘检测、区域提取。  
六类：阈值分割、像素分类、深度图像分割、彩色图像分割、边缘检测、觊觎模糊集的方法。  
四类：PB并行边界类、SB串行边界类、PR并行区域类、SR串行区域类

*  ## 并行边界分割技术 ##

并行边界技术指采用并行的方法通过对目标边界的检测来实现图像分割的技术。并行边界技术采用的方法原理与人的视觉过程有些相似。人对场景中亮度或其他性质变化较快的部位比较敏感，一般当人观察场景时总先注意到其中不同物体的相交处，并可以很快得出每个物体各自的轮廓。人在进行这个工作是常常是同步开展的，即同时检测轮廓的各部分。图像中大部分信息都集中在区域的边界上，边界的确定对场景的理解非常重要。  
采用并行边界技术进行图像分割主要有两个步骤：  
1.检测目标的边缘点：采用微分算子来直接检测，也可建立边缘模型通过拟合来间接检测。  
个人理解，通过算子检测，就是对于图像求导，找出边界。建立模型，就是人工画出边界，然后寻找图像中拟合程度较高的部位，作为边界。  
2.组成目标的边界：对于实际有噪声的图像，仅仅用微分算子检测出的边缘点并不能组成封闭的边界而将目标从背景中分离出来。2.3节介绍利用边缘点自身特点进行连接的方法，可以并行实现。2.4介绍哈夫变换，通过在参数空间的累加运算完成从图像空间（不连续）边缘点获取给定形状封闭轮廓封闭的工作。2.5节介绍借助在给定形状的目标边界切线上的信息确定亚像素边界位置的方法。

*  ## 微分算子边缘检测 ##

边缘检测场借助空域微分算子进行，通过将其模板与图像卷积完成。两个具有不同灰度值的相邻区域之间总存在灰度边缘。灰度边缘是灰度值不连续或突变的结果，这种不连续可利用求导数方便的检测到。一般常用一阶和二阶导数来检测边缘。  
对于真实的边缘来说，描述的主要参数有五个：位置、朝向、幅度、均值、斜率。  
用一阶导数的幅度值来检测边缘的存在，幅度峰值一般对应边缘位置。用二阶导数的过零点检测边缘位置，用二阶导数在过零点附近的符号确定各个边缘像素是在图像边缘两旁的暗区还是明区。通过检测一阶导数的上下峰值可确定脉冲状边缘的范围，也可通过检测脉冲剖面的两个二阶导数过零点。通过检测屋顶状边缘剖面的一阶导数过零点可以确定屋顶边缘中心位置，屋顶状边缘也可看做由两个斜坡状边缘组合而成。  
图像中的边界可通过求取他们的导数来确定。导数可用微分算子来计算，实际上数字图像中求导数是利用差分近似微分来进行的。

*  ## 梯度算子 ##

梯度对应一阶导数，梯度算子是一阶导数算子。在边缘灰度值过度比较尖锐且图像中噪声比较小时，梯度算子工作效果较好。  
几种常见的梯度算子：  
1.罗伯特交叉算子（Roberts cross），使用两个2*2的模板。  
2.浦瑞维特算子（Prewitt），使用两个3*3的模板。  
3.索贝尔算子（Sobel），使用两个3\*3的模板。  
其中索贝尔算子是效果比较好的一种。  
这些算子都可方便的推广到对3-D边缘的检测，也可以扩展成矢量算子，以处理高维图像。  
算子运算时采取类似卷积的方式，将模板在图像上移动并在每个位置计算对应中心像素的梯度值。  
梯度算子都对噪声有一定的敏感性，长需要对梯度算子的结果进一步选取阈值以区分真假边缘点。

*  ## 方向算子 ##

方向算子利用一组模板分别计算在不同方向上的差分值，取其中最大的值作为边缘强度，而将与之对应的方向作为边缘方向。常用的八方向Kirsech3*3模板，各方向间的夹角为45度。  
另一种方向算子Nevitia算子，共有12个5*5模板，各方向间的夹角为30度，利用了各位置的权值调整边缘的方向。

*  ## 拉普拉斯算子 ##

拉普拉斯算子是一种二阶导数算子。是无方向性的算子，比前几个计算多方向导数算子的计算量要小，因为只用一个模板，而且不需要综合各模板的值。对模板的基本要求是对应中心像素的系数应是正的，而对应中心像素临近像素的系数应是负的，且所有系数的和应该是零，这样就不会产生灰度偏移。  
因为是二阶导数算子，所以对噪声相当敏感。常产生双像素的边缘，而且也不能提供边缘方向的信息，所以很少直接用于检测边缘，主要用于已知边缘像素后确定该像素是在图像的暗区或明区一边。一阶差分算子会在较宽范围形成较大的梯度值，因此不适合于精确定位，而利用二阶差分算子的过零点可以精确定位边缘。

*  ## 马尔算子 ##

马尔算子是在拉普拉斯算子的基础上实现的，得益于对人的视觉机理的研究，具有一定的生物学和生理学意义。拉普拉斯算子对噪声比较敏感，为了减少噪声影响，可先将待检测图进行平滑然后再运用拉普拉斯算子。

*  ## 综合正交算子 ##

模板的运算是用模板与图像区域卷积，对同一个图像区域，可选用具有特定几何特征的模板来检测该区域是否具有该种几何结构。如果用模板h1和h2分别于图像f卷积得到g1和g2，如果g1>g2，可以认为f中的结构与模板h1中的更相似。

*  ## 坎尼算子 ##

坎尼（Canny）把边缘检测问题转换为检测单位函数极大值的问题。在高斯噪声中，一个典型的边缘代表一个阶跃的强度变化。根据这个模型，一个好的边缘检测算子应具有的三个指标为：1.低失误概率，既要少将真正的边缘丢失也要少将非边缘判为边缘；2.高位置精度，检测出的边缘应在真正的边界上；3.对每个边缘有唯一的相应，得到的边界为单像素宽。  
Canny提出了判定边缘检测算子的三个准则：  
1.信噪比原则  
信噪比越大，提取的边缘质量越高。  
2.定位精度准则  
3.单边缘相应准则