1、第八章基本图像分割技术数字图像分析与处理在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣。这些部分常称为目标或前景 （其它部分称为 背景 ），它们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析目标，需要将这些有关区域分离提取出来。图像分割 是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。 n 图像分割也是目前公认的图像处理难题，其困难源于图像内容的多样性以及模糊、噪声等的干扰。至今还没有普适性分割方法和通用的分割效果评价标准，分割的好坏必须结合具体应用来评判。总体而言，一个好的图像分割算法应该尽可能具备以下特征：n (1) 有效性：对各种分割问题有效的准则，能将
2、感兴趣的区域或目标分割出来。n (2) 整体性：即能得到感兴趣区域的封闭边界，该边界无断点和离散点。n (3) 精确性：得到的边界与实际期望的区域边界很贴近。n (4) 稳定性：分割结果受噪声影响很 小。 8.1 图像分割定义和技术分类8.2 并行边界技术8.3 串行边界技术8.4 并行区域技术8.5 串行区域技术第 6章图像分割定义可借助集合概念(1) (2) 对所有的 i和 j， ，有(3) 对 i = 1, 2, n ，有 P(Ri ) = TRUE(4) 对 ，有(5) 对 i = 1, 2, , n ， Ri是连通的区域6.1 图像分割定义和技术分类n 图像分割的基本策略q 分割算法
3、基于灰度值的两个基本特性：不连续性和相似性。q 区域内部的像素一般具有灰度相似性，而在区域之间的边界上一般具有灰度不连续性。q 检测图像像素灰度级的 不连续性 ，找到点、线（宽度为 1）、边（不定宽度）。先找边，后确定区域。n 图像分割的基本策略q 检测图像像素的灰度值的 相似性 ，通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边图像分割方法和种类以不同的分类标准，图像分割方法可以划分为不同的种类。 图像分割应用机器阅读理解OCR录入遥感图像自动识别在线产品检测医学图像样本统计医学图像测量图像编码图像配准的预处理6.2 边缘检测算子n 边缘检测是所有基于边界的图像分割方法的第一步。边缘是灰度值不连续的结果，这种不连续常可利用求导数方便地检测到。一般常用一阶和二阶导数来检测边缘。n 边缘 的定义：图像中像素灰度有阶跃变化或屋顶变化的那些像素的 集合 ,图像局部亮度变化最显著的部分。n 边缘 的分类q 阶跃 状、脉冲状、屋顶 状
