1 / 58

影像分割

影像分割. 課程名稱：影像處理 任課老師：王圳木 老師. 影像處理簡介. 10-1 不連續性之偵測 10-2 邊緣連接與邊緣偵測 10-3 分劃技巧 10-4 區域為基礎的影像分割 10-5 應用運動進行影像分割. 簡介 10-1 10-2 10-3 10-4 10-5. 10-1 不連續性之偵測. 不連續之偵測 (Detection of Discontinuities) 一個不規則的波形是經由數個不同的諧波所組成的。. 簡介 10-1 10-2 10-3 10-4 10-5. (10.1-1).

dyre
Download Presentation

影像分割

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 影像分割 課程名稱：影像處理 任課老師：王圳木 老師

  2. 影像處理簡介 • 10-1 不連續性之偵測 • 10-2 邊緣連接與邊緣偵測 • 10-3 分劃技巧 • 10-4 區域為基礎的影像分割 • 10-5 應用運動進行影像分割 簡介 10-1 10-2 10-3 10-4 10-5

  3. 10-1 不連續性之偵測 • 不連續之偵測 (Detection of Discontinuities) 一個不規則的波形是經由數個不同的諧波所組成的。 簡介 10-1 10-2 10-3 10-4 10-5 (10.1-1)

  4. 10-1 不連續性之偵測 • 點偵測 (Point Detection) 簡介 10-1 10-2 10-3 10-4 10-5 (10.1-2)

  5. 10-1 不連續性之偵測 • 線偵測 (Line Detection) 簡介 10-1 10-2 10-3 10-4 10-5 For all j ≠ i

  6. 10-1 不連續性之偵測 • 邊緣偵測 (Edge Detection) ◆基本原理 簡介 10-1 10-2 10-3 10-4 10-5 一般邊緣 理想

  7. 10-1 不連續性之偵測 • 邊緣偵測 (Edge Detection) ◆基本原理 簡介 10-1 10-2 10-3 10-4 10-5

  8. 10-1 不連續性之偵測 • 邊緣偵測 (Edge Detection) ◆基本原理 簡介 10-1 10-2 10-3 10-4 10-5

  9. 10-1 不連續性之偵測 • 邊緣偵測 (Edge Detection) ◆梯度運算子 (Gradient operators) 簡介 10-1 10-2 10-3 10-4 10-5 (10.1-3) (10.1-4) (10.1-5) Roberts cross-gradient operators： (10.1-6) (10.1-7) Prewitt operators： (10.1-8) (10.1-9)

  10. 10-1 不連續性之偵測 • 邊緣偵測 (Edge Detection) ◆梯度運算子 (Gradient operators) 簡介 10-1 10-2 10-3 10-4 10-5 Sobel operators： (10.1-10) (10.1-11) (10.1-12)

  11. 10-1 不連續性之偵測 • 邊緣偵測 (Edge Detection) • 梯度運算子 (Gradient operators) 簡介 10-1 10-2 10-3 10-4 10-5

  12. 10-1 不連續性之偵測 • 邊緣偵測 (Edge Detection) ◆梯度運算子 (Gradient operators) 簡介 10-1 10-2 10-3 10-4 10-5

  13. 10-1 不連續性之偵測 • 邊緣偵測 (Edge Detection) ◆梯度運算子 (Gradient operators) 簡介 10-1 10-2 10-3 10-4 10-5

  14. 10-1 不連續性之偵測 • 邊緣偵測 (Edge Detection) • 梯度運算子 (Gradient operators) 簡介 10-1 10-2 10-3 10-4 10-5

  15. 10-1 不連續性之偵測 • 邊緣偵測 (Edge Detection) • 拉普拉斯運算子 (Laplacianoperators) 簡介 10-1 10-2 10-3 10-4 10-5 (10.1-13) (10.1-14) (10.1-15) (10.1-16)

  16. 10-1 不連續性之偵測 • 邊緣偵測 (Edge Detection) • 拉普拉斯運算子 (Laplacianoperators) 簡介 10-1 10-2 10-3 10-4 10-5

  17. 10-1 不連續性之偵測 • 邊緣偵測 (Edge Detection) 簡介 10-1 10-2 10-3 10-4 10-5

  18. 10-2 邊緣連接與邊緣偵測 • 局部處理 (Local Processing) ◆利用3×3或5×5之局部區域，對中心點f(x,y)進行下列二式之運算，已 決定是否連接f(x0,y0)。 簡介 10-1 10-2 10-3 10-4 10-5 (10.2-1) (10.2-1)

  19. 10-2 邊緣連接與邊緣偵測 • 霍氏轉換 (Hough Transform) ◆XY平面與參數空間(Parameter Space) 簡介 10-1 10-2 10-3 10-4 10-5

  20. 10-2 邊緣連接與邊緣偵測 • 霍氏轉換 (Hough Transform) ◆累積方格 (Accumulator Cells) 簡介 10-1 10-2 10-3 10-4 10-5

  21. 10-2 邊緣連接與邊緣偵測 • 霍氏轉換 (Hough Transform) ◆直線之正規化表示式與參數空間 ◆橢圓之正規化表示式與參數空間 簡介 10-1 10-2 10-3 10-4 10-5 (10.2-3) (10.2-4)

  22. 10-2 邊緣連接與邊緣偵測 • 霍氏轉換 (Hough Transform) 簡介 10-1 10-2 10-3 10-4 10-5

  23. 10-2 邊緣連接與邊緣偵測 • 霍氏轉換 (Hough Transform) • An approach based on the Hough Transform is as follows： ◆Compute the gradient of an image and threshold it to obtain a binary image. ◆ Specify subdivisions in the -plane. ◆Examine the counts of the accumulator cells for high pixel concentrations. ◆Examine the relationship (principally for continuity) between pixels in a chosen cell. 簡介 10-1 10-2 10-3 10-4 10-5

  24. 10-2 邊緣連接與邊緣偵測 • 霍氏轉換 (Hough Transform) 簡介 10-1 10-2 10-3 10-4 10-5

  25. 10-2 邊緣連接與邊緣偵測 • 利用圖論技巧進行分析 簡介 10-1 10-2 10-3 10-4 10-5

  26. 10-2 邊緣連接與邊緣偵測 • 利用圖論技巧進行分析 簡介 10-1 10-2 10-3 10-4 10-5

  27. 10-2 邊緣連接與邊緣偵測 • 利用圖論技巧進行分析 ◆Minimum-cost 簡介 10-1 10-2 10-3 10-4 10-5 (10.2-6) (10.2-7)

  28. 10-2 邊緣連接與邊緣偵測 • 利用圖論技巧進行分析 簡介 10-1 10-2 10-3 10-4 10-5

  29. 10-3 分劃技巧 • 分劃 (Thresholding) ◆分劃基本原理 簡介 10-1 10-2 10-3 10-4 10-5 Based on the preceding discussion , thresholding may be viewed as an operation that involves tests against a function T of the form： (10.3-1) Where f(x,y) is the gray level of point (x,y) and p(x,y) denotes some local property of this point – For example： if (10.3-2) if

  30. 10-3 分劃技巧 • 分劃 (Thresholding) ◆照明之影響 簡介 10-1 10-2 10-3 10-4 10-5 (10.3-3) (10.3-4)

  31. 10-3 分劃技巧 • 分劃 (Thresholding) ◆基本總體性分劃 簡介 10-1 10-2 10-3 10-4 10-5

  32. 10-3 分劃技巧 • 分劃 (Thresholding) • ◆基本總體性分劃 • The following algorithm can be used to obtain T automatically： • ●Select an initial estimate for T. • ●Segment the image using T . This will produce two groups of pixels： • G1 consisting of all pixels with gray level values >T and G2 consisting • of pixels with values ≦T. • ●Compute the average gray level values μ1 and μ2 for the pixels in • regions G1 and G2. • ●Compute a new threshold value： • ●Repeat step 2 through 4 until the difference in T in successive iterations issmaller than a predefined parameter T0. 簡介 10-1 10-2 10-3 10-4 10-5

  33. 10-3 分劃技巧 • 分劃 (Thresholding) ◆基本總體性分劃 簡介 10-1 10-2 10-3 10-4 10-5

  34. 10-3 分劃技巧 • 分劃 (Thresholding) ◆基本總體性分劃 簡介 10-1 10-2 10-3 10-4 10-5

  35. 10-3 分劃技巧 • 分劃 (Thresholding) ◆基本總體性分劃 簡介 10-1 10-2 10-3 10-4 10-5

  36. 10-3 分劃技巧 • 分劃 (Thresholding) ◆最佳總體適應性分劃 簡介 10-1 10-2 10-3 10-4 10-5 設一影像之Histrogram是由兩個常態分部組成，則以下之推導即是利用統計方法尋求最佳之分劃T值。 (10.3-5) (10.3-6)

  37. 10-3 分劃技巧 • 分劃 (Thresholding) ◆最佳總體適應性分劃 The probability of erroneously classifying a background point as an object point is 簡介 10-1 10-2 10-3 10-4 10-5 (10.3-7) (10.3-8) (10.3-9) To find the threshold value for which this error is minimal requires differentiating E(T) with respect to T and equating the result to 0.The result is (10.3-10) 常用統計密度函數-高斯函數 (10.3-11)

  38. 10-3 分劃技巧 • 分劃 (Thresholding) ◆最佳總體適應性分劃 簡介 10-1 10-2 10-3 10-4 10-5 由(10.3-10)與(10.3-11)兩式來求T值 (10.3-12) 其中 (10.3-13) 若變異數相等， 即，則 (10.3-14) p(z)與灰階統計圖之比較常用下式計算其平均平方誤差 (10.3-15)

  39. 10-3 分劃技巧 • 分劃 (Thresholding) ◆最佳總體適應性分劃 簡介 10-1 10-2 10-3 10-4 10-5

  40. 10-3 分劃技巧 • 分劃 (Thresholding) ◆最佳總體適應性分劃 簡介 10-1 10-2 10-3 10-4 10-5

  41. 10-3 分劃技巧 • 分劃 (Thresholding) ◆依據邊界特性進行局部性分劃 簡介 10-1 10-2 10-3 10-4 10-5 主要加強Histrogram之峰高、谷深及對稱性。 (10.3-16)

  42. 10-3 分劃技巧 • 分劃 (Thresholding) ◆依據邊界特性進行局部性分劃 簡介 10-1 10-2 10-3 10-4 10-5

  43. 10-3 分劃技巧 • 分劃 (Thresholding) ◆以多變行進行分劃 簡介 10-1 10-2 10-3 10-4 10-5

  44. 10-4 區域為基礎的影像分割 • Basic Formulation 簡介 10-1 10-2 10-3 10-4 10-5 Let R represent the entire image region. We may view segmentation as a process that partitions R into n subregions , R1 , R2 ,……,Rn ,such that ◆ ◆ Ri is a connected region , i=1,2,…,n ◆ for all I and j , i ≠ j ◆ for i =1,2,….,n ◆ for i ≠ j Here , P(Ri) is a logical predicate defined over the points in set Ri and is φthe null set.

  45. 10-4 區域為基礎的影像分割 • 區域成長 (Region Growing) 簡介 10-1 10-2 10-3 10-4 10-5

  46. 10-4 區域為基礎的影像分割 • 區域成長 (Region Growing) 簡介 10-1 10-2 10-3 10-4 10-5

  47. 10-4 區域為基礎的影像分割 • 區域成長 (Region Growing) ◆ 區域分割與合併(Region Splitting and Merging) 簡介 10-1 10-2 10-3 10-4 10-5 ● Split into four disjoint quadrants any region Ri for which P(Ri)=FALSE. ● Merge any adjacent regions Rj and Rk for which . ● Stop when no further merging or splitting is possible.

  48. 10-4 區域為基礎的影像分割 • 區域成長 (Region Growing) 簡介 10-1 10-2 10-3 10-4 10-5

  49. 10-5 應用運動進行影像分割 • 空域技巧 (Spatial Techniques) 簡介 10-1 10-2 10-3 10-4 10-5 ◆ 差異影像 (Difference Image) (10.6-1) ◆ 累積差異 (Accumulative Difference) ● AADI (10.6-2) ● PADI (10.6-3) ● NADI (10.6-4)

  50. 10-5 應用運動進行影像分割 • 空域技巧 (Spatial Techniques) 簡介 10-1 10-2 10-3 10-4 10-5

More Related