基于matlab的數(shù)字圖像分割開題報告(編輯修改稿)
2024-12-16 03:36 本頁面
【文章內容簡介】 像的空間特性 , 這樣就對噪聲很敏感它也沒有考慮圖像的紋理信息等有用信息 ,使分割效果有時不能盡如人意 （ 2）基于邊緣檢測的圖像分割 邊緣檢測的分割方法是通過檢測包含不同區(qū)域的邊緣來解決圖像分割問題 。 所謂 邊緣的檢測正是利用物體和背景在某種圖像特性上的 差異來實現(xiàn)的 ， 這差異包括灰度 、 顏色以及紋理特征 。 邊緣檢測實際上就是要檢測出圖像的特性發(fā)生變化的位置 。 圖像的信息量很大 ， 而邊緣信息是圖像的一種緊描述 ， 它所包含的往往是圖像中最重要的信息 。 因此邊緣檢測在計算機視覺中有著非常重要的地位。 開始 通過數(shù)組 g[255]讀入直方圖 逐個查看能每個像素值在直方圖中能作為谷底的范圍 找出能作為谷底范圍最大的像素值作為閾值 根據(jù)取得的閾值對圖像進行二值化 結束 畢 業(yè) 設 計（論 文）開 題 報 告 邊緣的檢測常常借助于邊緣檢測算子進行 ,常用的邊緣檢測算子有 : Roberts 算子、Laplace 算子、 Prewitt 算子、 Sobel 算子、 Robinson 算子、 Kirsch 算子和 Canny 算子等。其中 Canny 邊緣檢測是一 種比較新的邊緣檢測算子 ,不容易受噪聲的干擾 ,能夠檢測到真正的弱邊緣?；谶吘壍姆指罴夹g依賴于由邊緣檢測算子找到的圖像邊緣 ,這些邊緣標示出了圖像在灰度、色彩、紋理等方面不連續(xù)的位置。常見的基于邊緣的分割方法有 :邊緣圖像閾值化、邊緣松馳法、邊界跟蹤法、作為圖搜索的邊緣跟蹤法、作為動態(tài)規(guī)劃的邊緣跟蹤法、 Hough 變換法和基于邊界位置信息的邊界檢測法等。 該類方法對邊緣灰度值過渡比較尖銳且噪聲較小等不太復雜的圖像 ,大都可以取得較好的效果。但對于邊緣復雜、采光不均勻的圖像來說 ,則效果不太理想 ,主要表現(xiàn)在邊緣模糊、弱邊緣丟失和整體邊緣不連續(xù)等方面 .在噪聲較大的情況下常用的邊緣檢測算法 ,如 Marr 算子 ,遞歸濾波器和 Canny 算子等都是先對圖像進行適當?shù)钠交?,抑制噪聲 ,然后求導數(shù) ,或者先對圖像進行局部擬合 ,然后再用擬合的光滑函數(shù)的導數(shù)來代替直接的數(shù)值導數(shù)。 Canny 算子較簡單 ,而且考慮 梯度方向 ,效果比較好 。 （ 3）基于區(qū)域的圖像分割 基于區(qū)域的圖像分割是根據(jù)圖像灰度、紋理、顏色和圖像像素統(tǒng)計的均勻性等圖像的空間局部特征 ,把圖像中的像素劃歸到各個物體或區(qū)域中 ,進而將圖像分割成若干個不同區(qū)域的一種分 割方法。基于區(qū)域的分割方法主要有區(qū)域生長法、分裂合并法和分水嶺分割方法。 （ 4）基于模型的圖像分割 基于模型的圖像分割都是基于一定的模型 ,將圖像分割問題轉換成目標函數(shù)的求解問題 ,其中目標函數(shù)的設計和求解是問題的難點?；谀Ｐ偷膱D像分割方
法律信息相關推薦
鄂ICP備17016276號-1