圖象分割ppt課件-wenkub.com
2025-05-03 23:20 本頁面
【正文】 直方圖的全局特性限制了其在復(fù)雜圖象中的應(yīng)用。現(xiàn)在也有一些基于圖象直方圖的啟發(fā)式方法，但對于復(fù)雜圖象，這些方法仍不能適用。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。 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。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。 ? 雙閾值方法 在許多應(yīng)用中，屬于物體的某些灰度值是已知的。 二、水線閾值方法 該算法是基于數(shù)學形態(tài)學理論提出的，其基本思想是將圖象象素點的灰度看作高度，圖象中不同灰度值的區(qū)域就對應(yīng)于山峰和山谷盆地，盆地的邊緣就是所謂的水線。首先把圖象分成一個個小區(qū)域，或稱為子圖象，這些子圖象可以互相重疊也可以只相接。 二、灰度值和梯度值散射圖 三、灰度值和平均灰度值散射圖 基于坐標位置的閾值（動態(tài)閾值） 如果場景中照明不均勻、有陰影、各處的對比度不同、突發(fā)噪聲、背景灰度變化等，則只用一個全局閾值無法滿足整幅圖象的分割要求。比僅基于象素值來確定閾值的方法，一方面由于考慮的因素增多使算法的復(fù)雜度有所增加；另一方面由于考慮了區(qū)域性質(zhì)，抗噪聲能力和分割魯棒性也有所增強。又如當圖象中目標和背景面積相差較大時，直方圖的一個峰會被另一個峰淹沒，也基本為單峰形式。閾值的改進策略是該方法的關(guān)鍵。這時錯誤地將目標象素劃分為背景的概率和將背景象素錯誤地劃分為目標的概率分別為： 而總誤差概率為： ob ?? ?? ??? T ob dzzpTE )()(??? T bo dzzpTE )()()()()( TEPTEPTE obbo ?? 將 E（ T）對 T求導并令導數(shù)為零，解得： 將該結(jié)果代入 可得二次式： 該二次式在一般情況下有兩個解。如果已知密度函數(shù)的形式，就有可能計算出一個最優(yōu)閾值。實際圖象的直方圖由于圖象噪聲等原因經(jīng)常有許多起伏，使得直接求導得到很多極小值點不能對應(yīng)目標和背景之間的谷。 圖象的灰度直方圖是圖象灰度分布的一種統(tǒng)計度量，很多閾值選取方法是根據(jù)直方圖來進行的。 （ 3）動態(tài)閾值。 這些分類方法考慮的角度不同，但結(jié)果?；ハ嘤兄丿B；另外有一定的時效性，不易包容新技術(shù)；還有就是各類算法之間的關(guān)系也不明確。 應(yīng)注意，無論是單閾值分割還是多閾值分割，分割結(jié)果都有可能出現(xiàn)不同區(qū)域具有相同標號或區(qū)域值的情況，這是因為選取閾值時只考慮了象素本身的值，而未考慮象素的空間位置，所以劃分到同一類的象素有可能分屬于圖象中不相連通的區(qū)域，這往往需借助一些對場景的先驗知識來進一步確定目標區(qū)域。 對一幅原始圖象 取單閾值 T分割后的圖象定義為： 當 當 ),( yxf????01),( yxgTyxf ?),(Tyxf ?),(單閾值分割和多閾值分割例 在一般的多閾值分割情況下，分割后的圖象可表示為： 如
教學課件相關(guān)推薦
鄂ICP備17016276號-1