圖象分割ppt課件-資料下載頁
2025-05-06 23:20本頁面
【正文】 點的灰度看作高度，圖象中不同灰度值的區(qū)域就對應于山峰和山谷盆地，盆地的邊緣就是所謂的水線。 水線名稱的來歷是想象將圖象逐漸沉入一個湖中，圖象的最低點先進水，然后水逐漸漫過整個山谷盆地，當水位達到該盆地的邊緣高度時就將溢出該盆地，這時在水溢出處建壩攔截，如此直到整個圖象沉入水中，所建的 壩 就成為分開各個山谷盆地的水線。 閾值插值分割例 ? 變量閾值化方法 在非均勻照明條件下的另一種實用的閾值化方法是使用簡單的函數(shù)，如平面、二次曲面等，來逼近不均勻照明下的物體圖象與背景圖象之間的分界面。也即，首先利用非均勻照明亮度分布的數(shù)學模型將非均勻照明條件下得到的圖象變換為均勻照明條件下的圖象，然后再進行分割。 ? 雙閾值方法 在許多應用中，屬于物體的某些灰度值是已知的。然而，可能還有一些灰度值或者屬于物體，或者屬于背景。在這種情況下，可先使用一個保守一點的閾值T1來分離物體圖象，稱之為物體圖象核，然后使用有關算法來增長物體圖象。增長物體圖象的方法取決于特定的應用。通常使用另一個閾值 T2來吸收那些圖象核象素的鄰接象素，或用圖象強度特性（如直方圖）來決定屬于物體區(qū)域的那些點。一種簡單的方法是吸收高于第二個閾值 T2并且與原先物體圖象點相連的那些點。 區(qū)域增長的雙閾值算法： （ 1）選擇兩個閾值 T1和 T2 ； （ 2）把圖象分割成三個區(qū)域： R1，包含所有灰度值高于 T1的象素； R2，包含所有灰度值介于 T1和 T2 之間的象素； R3，包含所有灰度值低于 T2的象素； （ 3）查看分配給區(qū)域 R2中的每一個元素。如果某一象素鄰接 R1，則把這一象素重新分配給 R1 ； （ 4）重復步驟（ 3）直到沒有象素被重新分配； （ 5）把區(qū)域 R2剩下的所有象素重新分配給 R3。 上述算法中， R1是區(qū)域核， R2是邊緣區(qū)（過度區(qū)）， R3是背景。 把邊緣區(qū)域中鄰接核區(qū)域的象素點歸并為核區(qū)域，使核區(qū)域得到增長。核區(qū)域增長結束后，剩下的那些不屬于核區(qū)域的象素為背景象素。區(qū)域增長的雙閾值算法體現(xiàn)了 灰度相似性 和 空間鄰接性 。邊緣區(qū)的象素灰度值十分接近核區(qū)域象素灰度值是由于兩個區(qū)域的象素點集合在直方圖意義下是相鄰的，而邊緣區(qū)象素在空間上接近核區(qū)域象素是由于它們是鄰點。 ? 直方圖的局限性 用圖象直方圖信息來選擇圖象分割閾值的方法在物體圖象灰度值為常數(shù)（或變化不大）的情況下特別有用。如果場景中不同部分具有不同的照明，那么，即使圖象中僅包含一個物體，也無法用一個閾值來分割圖象。在這種情況下，我們應該使用更有效的分割方法，或者在每一個子圖象中獨立地選擇閾值?，F(xiàn)在也有一些基于圖象直方圖的啟發(fā)式方法，但對于復雜圖象，這些方法仍不能適用。 基于直方圖的圖象分割方法沒有利用圖象強度的空間信息，因此在本質上存在著局限性。直方圖僅描述了圖象強度分布，因此具有不同灰度空間分布的圖象可能具有類似的直方圖。如，用直方圖無法區(qū)分隨機分布的黑白點圖象、黑白棋格圖象和黑白各半的圖象等。直方圖的全局特性限制了其在復雜圖象中的應用。直方圖完全沒有考慮由于物體表面的連續(xù)性而使得物體圖象點常常在空間上非常密集這一特點。 ? 圖象分割的其它方法 ? 基于邊緣檢測的圖象分割法 ? 統(tǒng)計學分割方法 ? 醫(yī)學圖象的分割 ? 基于數(shù)學形態(tài)學的方法 ? 基于最小描述長度的方法 ? 基于函數(shù)優(yōu)化的方法 ? ??
教學課件相關推薦
鄂ICP備17016276號-1