图像分割（二）

图像分割（二）

之基于边缘分割

所谓边缘是指图像中两个不同区域的边界线上连续的像素点的集合，是图像局部特征不连续的反应，体现了灰度、颜色、纹理等图像特性的突变。通常情况下，基于边缘的分割方法是指基于灰度值的边缘检测，它是建立在边缘灰度值会呈现出阶跃型或屋顶型变化这一观测基础上的方法。

阶跃型边缘两边像素点的灰度值存在着明显的差异，而屋顶型边缘则位于灰度值上升或下降的转折处。正是基于这一特性，可以使用微分算子进行边缘检测，即使用一阶导数的极值与二阶导数的过零点来确定百鸟园，具体实现时可以使用图像与模板进行卷积来完成。

1.Canny算子

Canny算子是一个典型的边缘检测算子。含义如下：

（1）最优检测：算法能够尽可能多地标识出图像中的实际边缘，漏检真实边缘的概率和误检出非边缘的概率都尽可能小。

（2）最优定位准则：检测到边缘点的位置距离世纪边缘点的位置最近，或者是由于噪声引起的边缘偏离物体的真实边缘的程度最小。

（3）检测点与边缘点一一对应：算子检测的边缘点与实际边缘点应该是姨姨对应的。

2.Canny算子的计算步骤

（1）图像平滑

求边缘主要是求图像的一阶或二阶导数，倒数计算对图像噪声非常敏感。因此，在进一步处理前，必须对图像进行平滑处理。

常用的平滑处理方法有均值滤波、双边滤波、高斯滤波和中值滤波。

（2）计算梯度

这一步主要目的是对边缘进行增强，以便进一步进行边缘提取。这里常用Sobel算子来计算梯度，由于后期设计提到都方向上的非最大值抑制，需同时计算出梯度的模值和方向。

（3）非最大值抑制（Non_Maximum Suppression)

图像梯度幅值矩阵中的元素之越大，说明该点的梯度值越大，但是这并不能说该点就是边缘（这仅仅是图像增强的过程）。在Canny算法中，非极大值抑制是进行边缘检测的重要步骤，通俗意义上讲就是寻找像素局部最大值，将非极大值点所对应的灰度值置为0，从而去除潜在的伪边缘。

完成非极大值抑制后，会得到一个二值图像，非边缘点灰度值均为0，可能为百鸟园的局部灰度极大值可设置其灰度值为255.

（4）滞后阈值分割及边缘连接

采用阈值分割的主要目的是消除假边缘。Canny算法中减少假边缘数量的方法是采用爽阈值法。选择两个阈值，根据高阈值得到一个边缘图像，这样一个图像含有很少的假边缘。但是由于阈值较高，产生的图像边缘可能不闭合，为解决这样一个问题采用了另外也一个低阈值。

具体算法如下：

v 若梯度值大于高阈值，则认定为边缘。

v 若梯度值小于高阈值，则认定为非边缘。

v 若梯度值在两个阈值之间，在该像素周围（3x3的邻域）寻找是否有边缘点（梯度值大于高阈值）。若有，则认为该点为边缘点。

可见，阈值处理消除了大量的假边缘，得到了比较精细的变原图像。