第八章　图像分割和几何特性分析

第一节　引言

　　到现在为止，我们在本书中主要考虑了改进图像显示效果的方法。在这后面的几章中，我们的目标是恢复出与没有畸变的景物本来面目更相象的图像。

　　在这一章和下两章里，我们讨论分析图像内容方面的一些问题。这意味着我们着眼于找出图像中有哪些事物。我们将探讨一下统计模式识别在数字图像中的应用。关于这个论题已有许多著作，它们对那些想深人到本书没有涉及到的领域的读者会大有受益。

　　在关于模式识别的这几个章节中，我们要探讨有关这一领域的一系列问题。我们特别着重考察用数字图像处理技术实现的统计模式识别问题。这包括首先检测分离出图像中的物体，然后，利用统计决策理论提供的技术对这些物体识别或分类。

　　而在这一章节中我们要先了解一下图像的分割与其几何特性的分析。

　　图像分割的基本概念是将图像中有意义的特征或者需要应用的特征提取出来 。这些特征可以是图像场的原始特性 ，如物体占有区的象素灰度值，物体轮廓曲线和纹理特征等，还可以是空间频谱或直方图特征等。不同种类的图像，不同的应用要求所要求提取的特征是不相同的，而特征的提取方法也就有所不同。所以也就没有唯一标准的分割方法。

　　图像分割的方法有很多，从分割依据角度出发，可以分成相似性分割和非连续性分割。其中，所谓相似性分割是指图像中同一个区域的象素的某种特征应该是类似的，如灰度级相同。而所谓非连续性分割则是指图像中一个区域到另一个区域象素的某种特性突变，如灰度级突变。另一种分类的依据是工作的对象不同，一般可以分成：以逐个象素为基础的点相关分割和以区域为基础的区域相关分割和以区域为基础的区域相关分割。另外还可以按分割算法本身来分，可以分成 ：阈值法 、界线探测法、匹配法、跟踪法等。

　　图像分析技术所讨论的范围，广义上来讲是指图像中提取有用的数据或其它信息，它们可能包含在图像灰度特性中，例如矩、结构性质等。也可能包含在图像的几何特性中，如某个目标物的面积、周长和边缘位置等等。又或者是几个目标物位置之间的关系，如连通情况、相互距离等。图像的几何性质分析指的就是后者。

　　图像的几何性质只和其象素位置有关，并不涉及象素灰度级分层，因此往往用二值图像作为研究的对象。也正是因为如此，它们对噪声的敏感性要特别注意，否则就会严重影响到分析的结果。

　　在了解图像分割和几何特性分析之前，让我们先来认识一下什么是统计模式识别。