圖像分割與邊緣檢測(1)-wenkub
2023-05-22 06:42:45 本頁面
【正文】 分方法的不同，可以將灰度門限法分為： 1．直接門限法 2．間接門限法 3．多門限法 灰度門限法應(yīng)用 尋找灰度門限也可以用一個解析函數(shù)來擬合直方圖雙峰之間的部分，然后再用函數(shù)求極值的方法找出這個解析函數(shù)極小值的位置作為谷點。 好的圖像分割應(yīng)具備以下特征。 （ 1）分割出來的各區(qū)域?qū)δ撤N特質(zhì)（例如灰度、紋理）而言具有相似性，區(qū)域內(nèi)部是連通的且沒有過多小孔。 可以利用統(tǒng)計判決確定門限，比如利用最小誤判概率準(zhǔn)則確定分割的最佳門限。 因此可將這些導(dǎo)數(shù)值作為相應(yīng)點的邊界強度 ， 通過設(shè)置門限的方法 ， 提取邊界點集 。 ① 用高斯濾波器平滑圖像； ② 計算濾波后圖像梯度的幅值和方向； ③ 對梯度幅值應(yīng)用非極大值抑制，其過程為找出圖像梯度中的局部極大值點，把其他非局部極大值點置零以得到細(xì)化的邊緣； ④ 用雙閾值算法檢測和連續(xù)邊緣，使用兩個閾值 T1和 T2（ T1＞ T2）， T1用來找到每條線段， T2用來在這些線段的兩個方向上延伸尋找邊緣的斷裂處，并連接這些邊緣。 （ 2）拉普拉斯 高斯邊緣檢測算子（ LOG： Laplacian Of Gaussian； Marr算子） Roberts算子：利用局部差分算子尋找邊緣，邊緣定位精度較高，但容易丟失一部分邊緣，同時由于圖像沒經(jīng)過平滑處理，因此不具備抑制噪聲能力。 Laplacian算子：是不依賴于邊緣方向的二階微分算子，對圖像中的階躍型邊緣點定位準(zhǔn)確，該算子對噪聲非常敏感，它使噪聲成分得到加強，這兩個特性使得該算子容易丟失一部分邊緣的方向信息，造成一些不連續(xù)的檢測邊緣，同時抗噪聲能力比較差。 邊緣檢測算子的 MATLAB實現(xiàn) 1． edge函數(shù) edge函數(shù)調(diào)用格式如下： [g, t]=edge(I, 39。) BW=edge(I, 39。,...) （ 1）使用 Roberts算子的 edge函數(shù)語法格式： BW=edge(I, 39。, thresh) BW=edge(I, 39。,...) （ 2）使用 Sobel算子的 edge函數(shù)語法格式： BW=edge(I, 39。, thresh) BW=edge(I, 39。,...) （ 3）使用 Prewitt算子的 edge函數(shù)語法格式： BW=edge(I, 39。, thresh) BW=edge(I, 39。,...) （ 4）使用 LOG算子的 edge函數(shù)語法格式： BW=edge(I, 39。, thresh) BW=edge(I, 39。,...) （ 5）使用 Canny算子的 edge函數(shù)語法格式： 邊界跟蹤 邊界跟蹤的方法 霍夫變換 邊界跟蹤的方法 邊界跟蹤，是從圖像中一個邊緣點出發(fā)，然后根據(jù)某種判別準(zhǔn)則搜索下一個邊緣點，以此跟蹤出目標(biāo)邊界。 （ 3）確定搜索的終止條件。 霍夫變換 1．利用直角坐標(biāo)中的 Hough變換檢測直線 圖 98 直角坐標(biāo)中的 Hough變換 Hough變換的具體計算步驟如下。 2．利用極坐標(biāo)的 Hough變換檢測直線 圖 99 極坐標(biāo)中的 Hough變換 3．利用 Hough變換檢測圓
研究報告相關(guān)推薦
鄂ICP備17016276號-1