(3)Sobel算子法 (4)Canny算子法
图3.3几种不同算子的边缘检测图
可见使用滤波后的Canny算子法效果更好，勾画出的边缘边续性好。
3.1.2几种边缘检测方法的优缺点
Roberts算子:Roberts算子利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于图像没经过平滑处理，因此不具备一直噪声的能力。
Sobel算子:Sobel算子是对图像先做加权平滑处理，然后再做微分运算，所不同的是平滑部分的权值有些差异，因此对噪声具有一定的抑制能力，但不能完全排除检测结果中出现虚假边缘。
Canny算子:Canny算子是基于最优化思想推出的边缘检测算子，采用Canny算子进行边缘检测，边缘比较完整，位置比较准确，检测的精确度较高[8]。该算子同样采用高斯函数对图像进行平滑处理，因此具有较强的抑制噪声能力；同样该算子也会将一些高频边缘平滑掉，造成边缘丢失。
3.1.3边缘检测结果分析
不同算子对图像边缘进行检测时，由于原理不同，所以分割的效果也不一样。因此，应该根据实际的需要来选择算子进行检测。由上面的图可以看出，利用Roberts算子提取边缘的结果边缘较粗，因此边缘定位不是很准确，而Sobel算子对边缘的定位比较准确，这也是Sobel算子得到广泛应用的原因。Canny算子提取的边缘十分完整，而且边缘的连续性很好，效果优于其他算子。这是它进行了“非极大值抑制”和形态学连接操作的结果。
3.2图像的分割
图像分割的目的是把图像分成一些有意义的区域。例如拿医学图像来说,病区分割很重要。研究图像分割可以逐个的像素为基础，也可以利用规定的领域中的图像信息去分割。
图像分割技术在图像工程中占据重要地位，它是计算机视觉和图像理解的基本问题，其分割结果关键性地决定图像处理系统高层模块的性能，如分析、理解和识别等。对于图像中的重要区域，如医学图像中的病灶部位，分割出来后，可以进一步进行计算分析，得到更准确的数据。
图像分割实现原理主要有三种：边缘法、区域法和阈值法。图像分割方法很多，但没有哪一个方法适合于所有的图像分割场合。在本文中着重介绍阈值法的应用。
最常用的阈值分割是一种利用图像中要提取的目标与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域(目标和背景)的组合，选取一个合适的阈值，以确定图像中每个像素点属于目标区域还是属于背景区域，从而产生对应的二值图像。图像分割可以压缩数据，简化其后的分析与处理步骤，在很多图像处理的系统中都是必不可少的一个环节。
阈值分割的基本原理描述如下：
目标部分： ；
背景部分： ;
由此可见从复杂的背景图像中分辨出目标并将其形状完整地提取出来，阈值的选择是阈值分割技术的关键[9]，迄今为止还没有一种对所有图像都能有效的分割阈值的选取方法。本节就介绍了这几种常用的阈值选取方法，如直方图阈值分割方法、分水岭分割方法等。
3.2.1直方图分割方法
在数字图像处理中，一种最简单且最有用的工具就是灰度直方图，它概括了一副图像的灰度级内容。任何一副图像的直方图都包含了可观的信息，某些类型的图像还可由其直方图完全描述，并且直方图的计算非常简单。
灰度直方图就是灰度级的像素数n与灰度i的二文关系，它反映了一幅图像上灰度分布统计特性，在MATLAB中使用函数“imhist.m”来实现。
双峰法就是其中一种简单的阈值分割方法，即如果灰度直方图呈现明显的双峰状，如下图3.4所示：
图3.4 由直方图确定的阈值
因此选取双峰之间的谷底所对应的灰度作为阈值分割。需要注意的是，用灰度直方图双峰法来分割图像需要一定的图像先验知识。该方法不适用于直方图双峰差别很大的或者双峰中间谷底比较宽广而平坦的图像，以及单峰直方图的情况。
灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像素的个数：其横坐标是灰度级，纵坐标是该灰度出现的频率(像素的个数) 。如下图3.5所示图像及其直方图。
图3.5 原图与灰度直方图
图像由不同特征区域构成，它的直方图呈现多峰值，每个峰值对应一个区域，以谷值点为阈值划分相邻峰值。对目标和背景对比度较强的图像分割效果较好。因此，如果直方图有明显的谷值点，则比较容易选择阈值，谷值点就可以作为灰度阈值而得到合理的物体边界。而实际应用中阈值设定易受噪声和光亮度影响。直方图的缺陷还在于仅仅包含像素点的灰度分布信息，却忽略了其空间特征分布信息。
3.2.2分水岭法分割
分水岭算法用于图像处理是由S.BeuCher, F .Mayer最早提出的，近年来在灰度图像分割算法的研究中受到重视。该方法本质上是利用图像的区域特性来分割图像的，它可以将边缘检测与区域生长法的优点结合起来，得到单像素宽的、连通的、封闭的及位置准确的轮廓，同时算法是全自动的，不需要任何经验参数来确定终止条稗。
分水岭算法是一种较新的基于区域的图像分割方法。该算法的思想来源于洼地积水的过程:设想一个地形表面，如果一滴水滴入这个表面，在重力的作用下，它会沿最陡峭的路径到达极小点。在整个拓扑表面上，沿各自最陡峭路径注入同一个局部极小点或全局极小点的所有点的集合就构成了一个集水盆地(图3.6)，而划分相邻集水盆地的地带则成为分水岭。由于分水岭变换把输入图像中的对象与极小点标记相关联，其中的山顶线对应于对象的边界，因此对图像实施分水岭变换可以把图象分割成各个对象区域。
图3.6 分水岭示意图
假设将二文图像Ax,力看成一个二文地形图，图像的灰度值表示地形的高度，灰度值越小表示地形越低，分水岭算法就是模拟把该地形图侵入水的过程，如果在二文地形图各个凹区的最低处都存在一个小孔，将该地形图匀速侵入水中，水将首先从这些小孔进入各个局部的凹区，随着水的侵入，不同局部凹区的水将汇集到一起。为了防止水的汇集，要在汇集区间建立水坝。最后整个地形图都侵入水的下面，露在水面的只有这些
上一页 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] ... 下一页 >>