第07章 图像分割

Canny边缘检测
由John Canny在1986年提出，通 过求解梯度幅值的局部最大值来 检测图像中的边缘。
Laplacian边缘检测
通过计算图像的二阶导数来检测 边缘。
基于图像信息的分割
1 区域生长法
从像素点开始逐渐生长， 形成相似的区域。
2 分水岭算法
通过将图像看作地理地形 图，使用水的流动路线来 进行分割。
图像分割技术
本课程介绍图像分割技术的定义、分类、应用和发展历程。我们将介绍传统 方法和深度学习应用，并展望未来的研究方向。
概述
定义与意义
图像分割是将图像分成多个部分或对象的过程。 广泛应用于计算机视觉、医学图像处理、自动 驾驶和图像语义分析等领域。
分类与应用领域
根据分割结果的类型和得到的方式，可以将图 像分割分为像素分割、基于边缘的分割、基于 图像信息的分割和基于深度学习的分割等。 分 割技术在医学图像处理、自动驾驶、图像语义 分析等领域得到了广泛的应用。
使用在深度学习领域中最新技术， 为不同的图像分配像素级别的标 签，从而识别和分类。
研究前沿
1
图像分割中的深度学习新方法研究
使用新的深度学习技术，如GAN和Transformer网络，来进一步提高图像分割的 准确性和鲁棒性。
2
图像分割中的多模态融合研究
将多种分割方法结合起来，例如结合像素级别的分割和语义级别的分割。
3
U-Net网络的应用
使用更加深入的卷积网络 U-Net，在较少的数据集上进行训练，得到高质量的分 割结果。
实例应用
医学图像处理中的应用
自动驾驶中的应用
图像语义分割中的应用
采用分割算法对脑部 MRI 扫描图 像中肿瘤进行分割、测量和定位， 为医生的诊断提供支持。

图像分割算法的原理与效果评估方法图像分割是图像处理中非常重要的一个领域，它指的是将一幅图像分割成多个不同的区域或对象。

图像分割在计算机视觉、目标识别、医学图像处理等领域都有广泛的应用。

本文将介绍图像分割算法的原理以及评估方法。

一、图像分割算法原理图像分割算法可以分为基于阈值、基于边缘、基于区域和基于图论等方法。

以下为其中几种常用的图像分割算法原理：1. 基于阈值的图像分割算法基于阈值的图像分割算法是一种简单而高效的分割方法。

它将图像的像素值进行阈值化处理，将像素值低于阈值的部分归为一个区域，高于阈值的部分归为另一个区域。

该算法的优势在于计算速度快，但对于复杂的图像分割任务效果可能不理想。

2. 基于边缘的图像分割算法基于边缘的图像分割算法通过检测图像中的边缘来实现分割。

常用的边缘检测算法包括Sobel算子、Canny算子等。

该算法对边缘进行检测并连接，然后根据连接后的边缘进行分割。

优点是对于边缘信息敏感，适用于复杂场景的分割任务。

3. 基于区域的图像分割算法基于区域的图像分割算法将图像分割成多个区域，使得每个区域内的像素具有相似的属性。

常用的方法包括区域生长、分裂合并等。

该算法将相邻的像素进行聚类，根据像素之间的相似度和差异度进行分割。

优点是在复杂背景下有较好的分割效果。

4. 基于图论的图像分割算法基于图论的图像分割算法将图像看作是一个图结构，通过图的最小割分割图像。

常用的方法包括图割算法和分割树算法等。

该算法通过将图像的像素连接成边，将图像分割成多个不相交的区域。

该算法在保持区域内部一致性和区域间差异度的同时能够有效地分割图像。

二、图像分割算法的效果评估方法在进行图像分割算法比较和评估时，需要采用合适的评估指标。

以下为常用的图像分割算法的效果评估方法：1. 兰德指数（Rand Index）兰德指数是一种常用的用于评估图像分割算法效果的指标。

它通过比较分割结果和真实分割结果之间的一致性来评估算法的性能。

图像分割胡辑伟信息工程学院图像分割●概述●间断检测●边缘连接和边界检测●阈值处理●基于区域的分割●分割中运动的应用图像分割●分割的目的：将图像划分为不同区域●三大类方法✓根据区域间灰度不连续搜寻区域之间的边界，在间断检测、边缘连接和边界检测介绍✓以像素性质的分布进行阈值处理，在阈值处理介绍✓直接搜寻区域进行分割，在基于区域的分割中介绍图像分割●概述✓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，这些部分一般称为目标或前景✓为了辨识和分析目标，需要将有关区域分离提取出来，在此基础上对目标进一步利用，如进行特征提取和测量✓图像分割就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图像分割●概述（续）✓特性可以是灰度、颜色、纹理等，目标可以对应单个区域，也可以对应多个区域✓图像分割算法是基于亮度值的不连续性和相似性不连续性是基于亮度的不连续变化分割图像，如图像的边缘根据制定的准则将图像分割为相似的区域，如阈值处理、区域生长、区域分离和聚合图像分割举例PR=0.718PR=0.781#249061#253036#169012PR=0.800PR=0.607PR=0.758PR=0.759PR=0.933PR=0.897PR=0.763PR=0.933PR=0.897PR=0.953PR=0.951PR=0.670PR=0.865PR=0.710#134052Image MDL MML ERL1ERL2#3096#85048#175043#182053#219090pr=0.521 pr=0.480 pr=0.861pr=0.740pr=0.375pr=0.613pr=0.822 pr=0.565pr=0.401pr=0.858pr=0.820 pr=0.850pr=0.789pr=0.890pr=0.914Row 1: Image Row 2: RPCL Row 3: CAC Row 4: ERL基于边缘生长的图像分割算法结果参考文献：林通，“基于内容的视频索引与检索方法的研究”，北京大学数学科学学院，博士论文，2001。

将M幅图像相加求平均利用了M幅图像中同一位置的M个 像素的 平均值，用一个n*n的模板进行平滑滤波利用了同一 幅图像中的n*n个像素的平均值。因为参与的像素个数越多， 消除噪声的能力越强，所以如果M>n*n，则前者消除噪声的 效果较好，反之则后者消除噪声的效果较好。
2.图像锐化与图像平滑有何区别与联系？
第三章 （不考计算题） 频域滤波的物理含义 傅立叶变换性质 频域滤波的基本方法
第四章 灰度基本变换（线形、非线性） 直方图处理（定义、直方图规定化、均衡化） 算术逻辑运算（帧差分，帧平均） 空间滤波（均值、中值、KNN） 同态滤波（滤波流程） 边缘检测（一阶，二阶，循环卷积） 图像锐化与图像平滑 真彩色图像处理与伪彩色图像处理
第一章图像数字图像处理灰度图像的概念图像工程定义分类图像的表达图像文件格式bmp文件第二章视觉感知要素图像采样和量化颜色模型像素之间的基本关系邻接连通距离度量第三章不考计算题频域滤波的物理含义傅立叶变换性质频域滤波的基本方法第四章灰度基本变换线形非线性直方图处理定义直方图规定化均衡化算术逻辑运算帧差分帧平均空间滤波均值中值knn同态滤波滤波流程边缘检测一阶二阶循环卷积图像锐化与图像平滑真彩色图像处理与伪彩色图像处理第五章图像编码与压缩不考计算图像编码的基本概念图像编码的方法第六章图像恢复颜色模型第七章图像分割图像的阈值分割图像的梯度分割图像边缘检测第八章目标的表达和描述目标表达目标的描述第九章形态学运算膨胀腐蚀开运算闭运算?除电磁波谱图像外按成像来源进行划分的话常见的计算机图像还包三种类型
8. 直方图修正有哪两种方法？二者有何主要区别于 联系？
方法：直方图均衡化和直方图规定化。
区别：直方图均衡化得到的结果是整幅图对比度的增 强，但一些较暗的区域有些细节仍不太清楚，直方图 规定化处理用规定化函数在高灰度区域较大，所以变 换的结果图像比均衡化更亮、细节更为清晰。联系： 都是以概率论为基础的，通过改变直方图的形状来达 到增强图像对比度的效果。