多媒體搜索引擎-免費閱讀
【正文】 2023年 2月 7日星期二 上午 8時 21分 52秒 08:21: ? 1最具挑戰(zhàn)性的挑戰(zhàn)莫過于提升自我。 2023年 2月 7日星期二 8時 21分 52秒 08:21:527 February 2023 ? 1空山新雨后，天氣晚來秋。 , February 7, 2023 ? 很多事情努力了未必有結果，但是不努力卻什么改變也沒有。 :21:5208:21Feb237Feb23 ? 1故人江海別，幾度隔山川。 圖像分割 ?對象分割 ? Sobel算子檢測例 很強很完美？ 圖像分割 ?對象分割 ?邊緣檢測的問題 ?噪聲敏感 ? 導數(shù)反映的是變化 ? 噪聲是高頻的變化 ? ?階越高對噪聲越敏感 ? 很少使用二階導數(shù) ? 基本上不考慮更高階的導數(shù) 圖像分割 ?對象分割 ?邊緣檢測的問題 ?不大可能總是檢測出連續(xù)的邊緣 圖像分割 ?對象分割 ?局部連接 ?如果在很近的領域內(nèi)像素的梯度幅度和方向都很相似，則連接這兩個像素 ? |?f (x,y) – ?f (x’ ,y’ )| ? T ? |? (x,y) – ? (x’ ,y’ )| A ? ?在同一邊緣上的像素 ? 能連接的仍然很少 ? 只能在很小的局部進行連接 (3x3, 5x5) 圖像分割 ?對象分割 ? Hough變換 ?把坐標空間變換到參數(shù)空間，檢測峰值 y=ax+b X Y A B a b 出現(xiàn)峰值 任何可以化為參數(shù)方程的形狀都可以檢測 “簡化”的 Hough變換：實際變換的理論更復雜 圖像分割 ?對象分割 ?邊緣檢測 ?雖然可以使用大量技術，要獲得完整的邊緣并不容易 ??邊緣檢測只作為圖像分割和其它圖像處理技術的輔助手段 如何更好地進行分割？ 圖像分割 ?對象分割 ?基于顏色、紋理特征的分割 ?假設：對象和對象之間總要有差異 ? 要么顏色，要么紋理 ? ?檢測這種差異，即可進行分割 原始圖像 特征圖像 聚類 ！ 機器學習??？ 圖像分割 ?對象分割 ?基于顏色、紋理特征的分割 ?使用 RGB顏色作為特征， K均值聚類算法 紋理區(qū)域被分割 分割過細 必須指定類數(shù) 圖像分割 ?對象分割 ?基于顏色、紋理特征的分割 ?MeanShift聚類 視頻分割 ?視頻分割（ shot detection） ?視頻是圖像的時間序列 ?在時間軸
法律信息相關推薦
鄂ICP備17016276號-1