數(shù)字圖像處理第9章(編輯修改稿)
2025-06-19 22:10 本頁面
【文章內(nèi)容簡介】 性判據(jù) 。 第九章 圖像分割與邊緣檢測 分割區(qū)域的一種方法叫區(qū)域生長或區(qū)域生成 。 假定區(qū)域的數(shù)目以及在每個區(qū)域中單個點的位置已知 ， 則從一個已知點開始 ， 加上與已知點相似的鄰近點形成一個區(qū)域 。 相似性準(zhǔn)則可以是灰度級 、 彩色 、 組織 、 梯度或其他特性 ，相似性的測度可以由所確定的閾值來判定 。 從滿足檢測準(zhǔn)則的點開始 ， 在各個方向上生長區(qū)域 ， 當(dāng)其鄰近點滿足檢測準(zhǔn)則就并入小塊區(qū)域中 。 當(dāng)新的點被合并后再用新的區(qū)域重復(fù)這一過程 ， 直到?jīng)]有可接受的鄰近點時生成過程終止 。 第九章 圖像分割與邊緣檢測 圖 95給出一個簡單的例子 。 此例的 相似性準(zhǔn)則是鄰近點的灰度級與物體的平均灰度級的差小于 2。 圖中被接受的點和起始點均用下劃線標(biāo)出 ， 其中： （ a） 圖是輸入圖像； （ b） 圖是第一步接受的鄰近點； （ c） 圖是第二步接受的鄰近點； （ d） 圖是從 6開始生成的結(jié)果 。 第九章 圖像分割與邊緣檢測 圖 95 區(qū)域生長示例 從滿足檢測準(zhǔn)則的點開始 (或者已知點 )在各個方向上生長出區(qū)域 。 例如：每一步所接受的鄰近點的灰度級與先前物體的平均灰度級相差小于 2。 起始： 區(qū)域生長的過程 3333382279846855 第二步 33333822798468553333382279846855 第三步 第九章 圖像分割與邊緣檢測 2. 邊 緣 檢 測 在視覺計算理論框架中 ， 抽取二維圖像上的邊緣 、 角點 、 紋理等基本特征 ， 是整個系統(tǒng)框架中的第一步 。 這些特征所組成的圖稱為基元圖 。 在不同 “ 尺度 ” 意義下的邊緣點 ， 在一定條件下包含了原圖像的全部信息 。 圖 97是一幅圖像中典型的邊緣點 ， 僅僅根據(jù)這些邊緣點 ， 就能識別出三維物體 ， 可見邊緣點確實包含了圖像中的大量信息 。 第九章 圖像分割與邊緣檢測 物體邊緣的作用 圖 97 物體邊緣的作用 第九章 圖像分割與邊緣檢測 邊緣的類型 ? 盡管邊緣在數(shù)字圖像處理和分析中具有重要作用，但是到目前為止，還沒有關(guān)于邊緣的被廣泛接受和認(rèn)可的精確的數(shù)學(xué)定義。 ? 一方面是因為圖像的內(nèi)容非常復(fù)雜，很難用純數(shù)學(xué)的方法進(jìn)行描述，另一方面則是因為人類對本身感知目標(biāo)邊界的高層視覺機(jī)理的認(rèn)識在還處于善之中。 第九章 圖像分割與邊緣檢測 ? 目前，具有對邊緣的描述性定義，即兩個具有不同灰度的均勻圖像區(qū)域的邊界，即邊界反映局部的灰度變化。 ? 局部邊緣是圖像中局部灰度級以簡單（即單調(diào)）的方式作極快變換的小區(qū)域。這種局部變化可用一定窗口運(yùn)算的邊緣檢測算子來檢測。 第九章 圖像分割與邊緣檢測 邊
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1