【正文】 ? 控制背景環(huán)境，降低分割難度 ? 注意力集中在感興趣的對象，縮小不相干圖像成分的干擾。 2) 區(qū)域分割 :確定每個像素的歸屬區(qū)域，從而形成一個區(qū)域圖。 閾值分割法的特點是： 適用于物體與背景有較強對比的情況，重要的 是背景或物體的灰度比較單一；而且總可以得到封閉且連通區(qū)域的邊界。基于一定的圖像模型的。 Z1 Zi Zt Zj Zk 暗 亮 P 背景 目標 圖像灰度直方圖 雙峰法選取閾值的缺點： 會受到噪音的干擾，最小值不是預(yù)期的閾值， 而偏離期望的值。 直方圖閾值法 matlab實現(xiàn) ? 函數(shù)： im2bw，全局閾值函數(shù) ? BW=im2bw（ I ,level)。 ? Figure。 ? 一般的圖像很難獲得灰度的概率密度函數(shù)以及先驗概率，在一些特殊的應(yīng)用場合，如文字、樂譜等圖像，可以從大量圖像得到一個統(tǒng)計規(guī)律，獲得符號部分在全圖像中的百分比，以此為基礎(chǔ)，結(jié)合直方圖谷點分析，可以得到近似最優(yōu) ? 的結(jié)果 若選為 Zt分割門限，則將背景象素錯認為是目標象素的概率是： ? 將目標物象素錯認為是背景象素的概率是： ? 因此，總的錯誤概率 E(Zt)為 E(Zt)= (1－ ?)E2(Zt)+?E1(Zt) ? 最佳門限就是使 E(Zt)為最小值時的 Zt，將 E(Zt)對 Zt求導(dǎo)，并令其等于零，得 : (1－ ?)P2(Zt)＝ ?P1(Zt)（滿足此等式的 Zt為最優(yōu)閾值） ? ? ? ?22 dtZtE Z P Z Z??? ?? ? ? ?11 dtt ZE Z P Z Z?? ? 自適應(yīng)閾值 自適應(yīng)閾值是由 Chow和 Kaneko提出，它是一種基于區(qū)域統(tǒng)計特征的分塊域值方法。 其二階導(dǎo)數(shù)在一階導(dǎo)數(shù)的階躍上升區(qū)有 1個向上的脈沖，而在一階導(dǎo)數(shù)的階躍下降區(qū)有 1個向下的脈沖，在這兩個脈沖之間有 1個過 0點，它的位置正對應(yīng)原圖像中邊緣的位置，所以可用二階導(dǎo)數(shù)的過 0點檢測邊緣位置，而用二階導(dǎo)數(shù)在過 0點附近的符號確定邊緣象素在圖像邊緣的暗區(qū)或明區(qū)。下面是幾種常 用的微分算子。 2 2 0 1 1 0 1 1 0 0 0 0 1 1 2 1 1 2 )1,1()1,(2)1,1()1,1()1,(2)1,1()1,1(),1(2)1,1()1,1(),1(2)1,1(??????????????????????????????????yxfyxfyxfyxfyxfyxffyxfyxfyxfyxfyxfyxffyx5） Kirsch算子（方向算子） ? 模板 3 5 3 0 5 3 3 5 3 3 3 3 0 5 3 5 5 3 3 3 3 0 3 3 5 5 5 3 3 3 0 3 5 5 3 5 3 3 5 0 3 5 3 3 5 5 3 5 0 3 5 3 3 3 5 5 5 0 3 3 3 3 3 5 5 3 0 5 3 3 3 3 ?Kirsch算子特點 ?在計算邊緣強度的同時可以得到邊緣的方向； 各方向間的夾角為 45186。對于一個 3x3的區(qū)域，經(jīng)驗上被推薦最多的形式是： ),(4)1,()1,(),1(),1(),(2 yxfyxfyxfyxfyxfyxf ??????????1 1 4 0 0 1 0 0 1 ? 拉普拉斯算子的分析： – 優(yōu)點 ： ? 各向同性 、 線性和位移不變的； ? 對細線和孤立點檢測效果較好 。 ? 由于 Laplacian算子對噪聲比較敏感，為了減少噪聲影響，可先對圖像進行平滑，然后再用 Laplacian算子檢測邊緣。 ),(*),(),( yxfyxhyxg ?對圖像 g(x,y)采用 Laplacian算子進行邊緣檢測，可得： 這樣，利用二階導(dǎo)數(shù)算子過零點的性質(zhì)，可確定圖像中階躍邊緣的位置。應(yīng)根據(jù)噪聲水平和邊緣點定位精度要求適當選取 σ。 1 1 1 1 0 0 1 1 1 0 1 1 0 1 1 1 0 1 1 1 1 1 0 0 1 1 1 0 1 1 0 1 1 1 0 1 w2 w7 w5 w1 w7 w4 w3 w9 w6 通過比較典型模板的計算值，確定一個點是否在某個方向的線上。 二階微分算子有： Laplacian算子， Marr算子， Log算子等。 當 R的值足夠大時 ， 說明該點的值與周圍的點非常不同 ， 是孤立 點 。若用平面或高階曲面來擬合圖像中某 一小區(qū)域的灰度表面，求這個擬合平面或曲面的外法線方向的微分或二階 微分檢測邊緣，可減少噪聲影響。 a為兩行像元平均值的差分， b為兩列像元平均值的差分。一般是在邊界檢測之后進行。 2）比較梯度向量的方向角 對于點 (x’,y’)，判斷其是否與鄰域內(nèi)的點 (x,y)的方向角相似，當： |? (x,y) – ? (x’,y’)| A 其中 A是一個角度閾值。邊緣跟蹤可將檢測的邊緣點連接成線，形成有意義的邊界。稱該閾值為“檢測閾值” 。 (4)確定跟蹤?quán)徲颉Ｈ绻瑫r有兩個，甚至三個鄰域點均被接受為對象點，則說明曲線發(fā)生分支，跟蹤將對各分支同時進行。 (8)當掃描完最后一行時，跟蹤便可結(jié)束。此外，每個點所對應(yīng)的鄰域也可以取其他的定義，不一定是緊鄰的下一行像素，稍遠一些的領(lǐng)域也許對于彌合曲線的間隙更有好處。 ? 光柵掃描跟蹤和掃描方向有關(guān)，因此最好沿其他方向再跟蹤一次，例如逆向跟蹤，并將兩種跟蹤的結(jié)合綜合起來能得到更好的結(jié)果。同樣，如果我們選取的跟蹤準則能夠辨別遠非緊鄰的像素，那么光 柵跟蹤會漏掉平行于掃描方向曲線的缺點也能得到適當?shù)乜朔? (2)選取一個適當?shù)摹⒛苓M行全向跟蹤的鄰域定義 (例如八鄰域 )和一個 適當?shù)母櫆蕜t (例如灰度閾值、對比度和相對流動點的距離等 )，對流動 點進行跟蹤。當按照跟 蹤準則沒有未被檢測過的點可接受為對象點時，一個分支曲線的跟蹤便 已結(jié)束。 特點是： 全向跟蹤改進了光柵掃描跟蹤法，跟蹤時把初始點的八鄰點全 部考慮進行跟蹤。 實際應(yīng)用中還可作以下修改： P(Ri)的定義為： 1）區(qū)域內(nèi)多于 80%的像素滿足不等式 |zjmi|=2σi，其中， zj是區(qū)域 Ri中第 j個點的灰度級， mi是該區(qū)域的平均灰度級， σi是區(qū)域的灰度級的標準方差。 Hough變換的基本思想 其基本思想是：對于邊界上的 n個點的點集，找出共線的點集和直線 方程。 算法特點： 1） 對 ρ、 θ量化過粗，直線參數(shù)就不精確，過細則計算量增加。 Hough變換的擴展 Hough變換不只對直線，也可以用于圓的檢測： （ x – a） 2 + (y b)2 = R2 這時需要三個參數(shù) (a,b,R)的參數(shù)空間。只需要從 (a , b , x0 , y0)中選擇三個參數(shù)進行檢測即可。集中的程度就是找最