圖像分割ppt課件(2)(參考版)
2025-05-09 23:02本頁面
【正文】 由于峰值代表的是區(qū)域內(nèi)外的典型值，一般情況下，比選谷底更可靠，可排除噪音的干擾 灰度閾值法 T ?簡單全局閾值分割 ? 基本思想：用前述方法獲得閾值 T，并產(chǎn)生一個二值圖，區(qū)分出前景對象和背景 ? 算法實現(xiàn)： 1. 規(guī)定一個閾值 T，逐行掃描圖像 2. 凡灰度級大于 T的，顏色置為 255；凡灰度級小于 T的，顏色置為 0 灰度閾值法 0 255 255 0 255 0 255 255 255 ? 灰度閾值分割技術都沒有考慮到圖像像素空間的連通性。（可通過先求背景，然后求反得到物體） ? 這種方法總可以得到封閉且連通區(qū)域的邊界 灰度閾值法 灰度值 f(x0,y0) T ?全局閾值法（固定的閾值） ? 如果背景的灰度值在整個圖像中可合理地看為恒定，且所有目標與背景都具有幾乎相同的對比度，那么只要選擇了正確的閾值，使用一個固定的全局閾值就會有較好的分割效果 ?自適應閾值法（變化的閾值） ? 背景的灰度值并不是常數(shù)，目標和背景的對比度在圖像中也有變化。先找邊，后確定區(qū)域 圖像分割的基本原則 ?檢測圖像像素的灰度值的相似性，通過選擇閾值，找到灰度值相似的區(qū)域，區(qū)域的外輪廓就是對象的邊 ? P180頁改錯 圖像分割的基本原則 ?基于邊緣的分割方法（梯度方法） ? 先提取區(qū)域邊界，再確定邊界限定的區(qū)域 ?區(qū)域分割（灰度閾值法） ? 確定每個像素的歸屬區(qū)域，從而形成一個區(qū)域圖 ?區(qū)域生長（區(qū)域生長方法） ? 將屬性接近的連通像素聚集成區(qū)域 圖像分割的方法 ?邊緣的定義： ? 圖像中像素灰度有階躍變化或屋頂變化的那些像素的集合 ?邊緣的分類 ? 階躍狀 ? 屋頂狀 圖像分割：基于邊緣的分割方法 階躍狀 屋頂狀 邊緣檢測算子 ?基本思想：計算局部微分算子 一階微分 截面圖 邊界圖像 ?梯度算子 ? Roberts算子 ? Prewitt算子 ? Sobel算子 ? Laplacian算子 幾種常用的邊緣檢測算子 一階微分 二階微分 梯度算子 函數(shù) f(x,y)在 (x,y)處的梯度為一個向量： ?f = [?f / ?x , ?f / ?y] 計算這個向量的大小為： G = [(?f / ?x)2 +(?f / ?y)2]1/2 近似為 : G ? |?fx| + |?fy| 梯度的方向角為： φ(x,y)
教學課件相關推薦
鄂ICP備17016276號-1