图像分析基本概念
从图像中提取信息的技术
主要研究内容
1.从图像中找到感兴趣的目标。景物内一般由目标组成，反映在图像中是众多的区域。为了把区域分开，我们要进行图像分割 的研究
2.每个目标或区域由于某些特征的不同与其它区域区别开来，边缘、纹理、形状、颜色都是重要的特征。图像分割离不开图像特征及其提取 方法的研究。
3.对每个提取出来的目标还需要用能够有效的表示，这就需要研究形状分析，表示与描述方法
4.判断某种特征是否存在的判决也可以认为是一个识别的过程，判断每一个目标的类别也是一个识别的过程。高层次的分析理解更是大量需要使用识别技术，模式识别是一门专门的课程
图像分割技术的特征
1-图像分割的任务是把图像分离成互不交叠的有意义的区域，以便于进一步的分析。它一般是图像分析的第一步
2-分开的区域一般是相对于图像中我们感兴趣的目标
3-图像处理中重要的基础环节，一般也是比较困难的环节
4-其它分析过程经常依赖于分割的结果，准确的分割影响甚至决定其它部分分析的准确程度
5-分割问题的困难在于图像数据的模糊和噪声的干扰
6-至今，还没有一个判断分割是否完全正确的准则，也没有一种标准的方法能够解决所有的分割问题。只有一些针对具体问题或要求满足一定条件的方法
7-分割得好坏必须从分割的效果来判断。实际景物中情况各异，具体问题具体分析，根据实际情况选择适合的方法
8-最基本的特征是图像的灰度值，彩色图像就是其颜色分量。边缘和纹理特征也是很常用的特征
图像分割
概念：
把图像分解成构成它的部件和对象的过程
有选择性地定位感兴趣对象在图像中的位置和范围
基本思路
从简到难，逐级分割
控制背景环境，降低分割难度
把焦点放在增强感兴趣对象，缩小不相干图像成分的干扰上
边界分割法
点的检测
如果R 的值等于0，说明当前检测点的灰度值与周围点相同
当R值足够大时，说明该点值与周围的点非常不同，是孤立点。通过阈值T 来控制如T=32 、64 、128等
|R| > T 便检测到一个孤立点
线的检测
边的检测
边界的定义：一段边是两个具有相对不同灰度值特性的区域的边界线
基本思想：计算局部微分算子
适用于：假定问题中的区域是非常类似的，两个区域之间的过渡，仅仅根据灰度的不连续性便可确定
不适用于：当假定不成立时，阈值分割技术一般来说比边缘检测更加实用
梯度算子
边缘连接法
由于噪音的原因，边界的特征很少能够被完整地描述，在亮度不一致的地方会中断
因此典型的边界检测算法后面总要跟随着连接过程和其它边界检测过程，用来归整边界
像素，成为有意义的边
Hough 变换
阈值分割法
阈值分割法的基本思想： 确定一个合适的阈值T，将大于等于阈值的像素作为物体或前景，小于阈值的
像素作为背景，生成一个二值图像全局阈值--对全图采用单一阈值
局部阈值--不同局部采用不同阈值
动态或自适应阈值--每像素点阈值随像素特性而变化
特点：
简单，处理方便适用于物体与背景有较强对比的情况，重要的是背景或物体的灰度比较单一，确定合适的阈值是关键
这种方法总可以得到封闭且连通区域的边界
噪声、前景或背景灰度变化范围大时将难以应用
通过交互方式得到阈值
通过直方图得到阈值
Isodata门限算法
弓弦法
通过边界特性选择阈值
简单全局阈值分割
分割连通区域
基于多个变量的阈值
面向区域的分割
数学形态学图像处理
基本概念
形态学：从图像出发，研究数字图像中物体目标的结构及拓扑关系
腐蚀与膨胀
开-闭运算
变体
形态学图像处理应用
边界提取
灰度图像的形态学处理
图像的表示与描述
图像的纹理分析
纹理是图像中一个重要而又难于描述的特征，至今还没有精确的纹理定义；一般地说，纹理是指在图像中反复出现的局部模式和它们的排列规则；或表述为图像强度局部变化的重复模式
纹理图像在局部区域内呈现不规则性，而在整体上表现出某种规律性
一种反映一个区域内象素灰度级空间分布的属性
研究图像的粗糙性、光滑性、规则性等的度量
以纹理特征为主导特性的图像称为纹理图像；以纹理特性为主导特性的区域称为纹理区域。如果区域内部灰度值没有变化，该区域没有纹理