图像特征提取与分析复习资料

图像分割概念：图像分割就是把图像分成各特性的区域并提取出感兴趣目标的技术和过程。这些区域互相不交叉，每一个区域都满足特定区域的一致性。 医学图像的特点:成像设备的局限性、组织的蠕动-----伪影和噪声

局部体效应------组织边缘模糊 病变组织---------病变边缘不明确 不均匀的组织器官-------灰度不均匀 模糊、不均匀、个体差异、复杂多样 医学图像分割方法的特点

1、分割算法一般面向具体的分割任务，没有通用的方法 2、重视多种分割算法的有效结合 3、需要利用医学中大量领域的知识 4、交互式分割方法受到日益重视 图像分割算法

基于区域的分割方法 基于边缘的分割方法

基于数学形态学的分割方法

灰度阈值法:灰度值域法是把图像的灰度分成不同的等级,然后用设置灰度阈值的方法确定有意义的区域或分割物体的边界. 令f(x,y)原始图像

f(x,y)?T?1g(x,y)??

f(x,y)?T?0

f(x,y)?T?1 g(x,y)??f(x,y)?T?0

阈值的选取:1直方图法（极小值点阈值） 2 最小误差阈值 3 迭代阈值分割 4 最大方差阈值分割

边缘检测（Edge Detection）:基本思想是先检测图像中的边缘点，再按照某种策略将边缘沿点连接成轮廓，从而构成分割区域。 边缘：指图像局部亮度变化显著的部分.

边缘的检测方法:最简单的边缘检测方法是并行微分算子法。利用相邻区域的像素值不连续的性质，采用一阶或二阶导数来检测边缘点。一阶导数求极值点，二阶导数求过零点。 一阶 梯度算子:Roberts交叉算子 Sobel算子 Priwitt 算子 二阶 拉普拉斯算子:在此基础上LoG算子 Canny算子 :推导了最优边缘检测算子 区域生长(region growing)

基本思想：将具有相似性质的像素集合起来构成区域。 具体步骤：先对每个需要分割的区域找一个种子象素作为生长的起点，然后将种子象素周围邻域中与种子象素具有相同或相似性质的像素（根据某种事先确定的生长或相似准则来判定）合并到种子象素所在的区域中。将这些新象素当作新的种子象素继续进行上面的过程，直到在没有满足条件的像素可被包括进来。这样一个区域就生长了。 解决的问题：

① 如何选择一组能正确代表所需区域的种子象素；

② 如何确定在生长过程中能将相邻象素包括近来的准则； ③如何确定生长终止的条件或规则

例如：每一步所接受的邻近点的灰度级与先前物体的平均灰度级相差小于2。 起始 第二步 第三步

558655865586

489748974897 228322832283

333333333333

分裂合并(splitting and merging)

基本思想：从整幅图像开始通过不断分裂得到各个区域． 具体步骤：先把图像分成任意大小且不重叠的区域，然后再合并或分裂这些区域以满足分割的要求．

图象四叉树迭代分裂算法

R1 R2

R41 R42

R3

R43 R44

哈夫（ Hough ）变换是一种检测、定位直线和解析曲线的有效方法。是把二值图变换到Hough参数空间，在参数空间用极值点的检测来完成目标的检测 。主要用于检测二值图像中的直线或者曲线。

点-线的对偶性（duality）：

在图像空间XY中，所有过某点（x , y）的直线都满足方程 y?px?qP为斜率，q为截距。上式也可写成 q??px?y如果我们将x, y看成参数，它代表参数空间PQ中过点（p, q）的一条直线。 图像空间中同一条直线上的点对应在参数空间里是相交的直线。反过来，在参数空间中相交于同一点的所有直线，在图象空间里都有共线的点与之对应。这就是点线的对偶性。 数学形态学(Mathematics Morphology) 基本思想：用具有一定形态结构的结构元素去量度和提取图像中的对应形态以达到对图像分析和识别的目的。

数学形态学的数学基础和所用语言是集合论。

结构元素：被形象的称作刷子，是膨胀和腐蚀操作的最基本组成部分，用于测试输入图像。

?)?A???膨胀 A?b?x|[(BxA?b??x|(B)x?A?腐蚀

开启：使用同一个结构元素对图像先进行腐蚀运算然后在进行膨胀的运算称为开启。

用来消除小对象物、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改 变其体积。

闭合：先进行膨胀运算然后在进行腐蚀的运算称为闭合。

?

它具有填充图像物体内部细小孔洞、连接邻近的物体，在不明显改变物体的面积和 形状的情况下平滑其边界的作用。 形态运算举例：（1）噪声滤除 （2）边界提取 （3）骨架化

在某些应用中，针对一幅图像，希望将图像中的所有对象简化为线条，但不修改图像的基本结构，保留图像的基本轮廓，这个过程就是所谓的骨架化。

图像描述：用一组数量或符号（也称描述子）来表达图像物体的某些特征。

特征提取：原始特征的数量很大，或者说原始样本处于一个高维空间中，通过映射或变换的方法可以将高维空间中的特征描述用低维空间的特征来描述，这个过程就叫特征提取 。 图像特征：指图像的原始特性或属性。常用的图像特征有颜色特征、形状特征、幅度特征、纹理特征、变换系数特征、空间特征。 在所有的图像特征中，最基本的是图像的幅度特征。可以在某一像素点或其邻域内做出幅度的测量，例如在区域N×N内的平均幅度，即：

1NN

f(x,y)?2f(i,j) Ni?0j?0边界描述：为了描述目标物的二维形状，通常采用的方法是利用目标物的边界来表示物体，即所谓的边界描述。 链码描述

4向链码 8向链码 2(90?) 1(90?) 3(135?) 1(45?)

?? 2(180) 0(0) 4(180?) 0(0?)

5(225?) 7(315?) ? 6(270) ? 3(270)

对任一像素点P，考虑它的8个邻近像素，指向符共有8个方向，分别用0、1….7表示链码表示就是从某一起点开始沿曲线观察每一段的走向并用相应的指向符来表示，结果形一个数列。可以用链码来描述任意曲线或者闭合的边界。 例 0000001771 073 622B3570 215 225 2444253 62253 0173 A621 0BA a)原链码方向 b)逆时针旋转90° 图a曲线的链码为：01122233100000765556706

??

其差分链码为：1010010670000777001116

图b曲线的链码为：23344455322222107770120 其差分链码为：1010010670000777001116

差分链码可用相邻两个方向数按反方向相减（后一个减去前一个），并对结果作模8运算得到。 例

曲线的链码是：6022222021013444444454577012 其差分链码是： 220000627712100000017120111

区域面积：图像中的区域面积用同一标记的区域内像素的个数总和来表示。

m?1n?1

A?f(x,y) x?0y?0

按上述表示法区域R的面积S=41。

距离

1) 欧几里德距离（Euclidean） de(P,Q)?(x?u)2?(y?v)2d4(P,Q)?x?u?y?v 2) 4-邻域距离(City-block城区距离)

3) 8-邻域距离（Chessboard棋盘距离） d8(P,Q)?max(x?u,y?v)??