ch10-圖像分析基礎-文庫吧資料
2025-05-19 16:41本頁面
【正文】 的紋理分析器 2. 法國楓丹白露數(shù)學形態(tài)學研究中心 3. 發(fā)展過程 ?60年代：孕育和形成 1964誕生， Matheron指導下的 Serra做巖相學分析，擊中擊不中變換開閉運算、紋理分析器。 形態(tài)學的用途主要是獲取物體拓撲和結(jié)構(gòu)信息， 它通過物體和結(jié)構(gòu)元素相互作用的某些運算，得 到物體更本質(zhì)的形態(tài)。 最開始時，模板的左上角點和圖象的左上角點是重 合的，拿模板和原圖象中同樣大小的一塊區(qū)域去對 比，然后平移到下一個象素，仍然進行同樣的操作， …… 所有的位置都對完后，差別最小的那塊就是我們 要找的物體。 ４ .圖象的檢測常見算法： （３）模板匹配 ４ .圖象的檢測常見算法： 利用模板匹配可以在一幅圖象中找到已知的物體。 （ 2）線檢測： Hough變換 Hough變換的性質(zhì)： （ 2）線檢測： Hough變換 Hough變換的性質(zhì)： –在參數(shù)平面上相交最多的交點，對應的 xy 平面上的直線就是我們的解 （４） (x,y)域中一條直線上的 n個點對應于變換 域中經(jīng)過一個公共點的 n條曲線。)。 BW2 = edge(I,39。sobel39。)。 I = imread(39。 if current region homogeneous test is FALSE then split into four quadrants attempt to merge these quadrants recursively call the procedure for each subdivision find any remaining merges ? 一種簡單直接實現(xiàn)算法 (4)區(qū)域分割與合并 圖像分割： ?圖像分割是圖像分析的第一步，是所有分析和識別 的基礎，如果這一步做好，將大大提高分析能力； ?缺乏有力的統(tǒng)一的理論指導，算法繁多； ?可和其他學科交叉應用。 (4)區(qū)域生長法 將圖像分割成越來越小的區(qū)域直至每個區(qū)域中的像素點具有相似的數(shù)值。 ? 這是一個在高層編程實現(xiàn)遞歸調(diào)用很好的方式 ? 不過這種方法的一個主要缺點是怎樣獲得初始的種子像素點。 label_region_of(I,x1,y,label,intensity)。 label_region_of(I,x,y1,label,intensity)。 區(qū)域生長法的 程序偽碼 procedure label_region_of(I,x,y,label,intensity)。 ? 兩個不同的區(qū)域 Ri和 Rj具有的規(guī)則不同。 ? 在區(qū)域 Ri中每一個像素點必須遵從某種規(guī)則 P(Ri)。常用的有兩種各向同性連通方式：四連通和八連通。 ? 在同一區(qū)域的像素點必須相連。 原始圖像 分割結(jié)果(T=170) OTSU算法以最佳門限將圖像灰度直方圖分割成兩部分 , 使兩部分類間方差取最大值 ,即分離性最大 . 設圖像灰度級 1~M,第 i 級象素 ni個 ,總象素 : 則第 i 級灰度出現(xiàn)的概率為 Pi= ni/N. 設灰度門限值為 k,則圖像像素按灰度級被分為兩類 : C0={1,2,...,k}, C1={k+1,...,M}, 圖像總平均灰度級 : ????MiiPi1????MiinN1???kiinN10? ? ???? kiiPik1?(3) OTSU算法 C0類的平均灰度級為 : 像素數(shù)為 : C1類的平均灰度級為 : μμ(k), 像素數(shù)為 : NN0 兩部分圖像所占比例分別為 : )(10 kwPw kii ?? ??1=1w(k)。 ? 這種單一閾值分割方法一種拓展就是將圖像分成一個個子區(qū)域，不同的子區(qū)域采用不同的閾值。 2. 通過下面的公式循環(huán)迭代直至前后兩次循環(huán)得到的閾值Ti+1和 Ti相 差非常小，循環(huán)過程停止。 (2)灰度閾值分割法 若 T為圖像的一個閾值，它應具備的條件： (1)T應介于目標 /背景灰度之間 (2)近似于 T的象素應是少數(shù)。 ?如果圖像適合這種分割法，那么圖像的直方圖在表示對象和背景的小范圍灰度值附近出現(xiàn)一個高峰值。 ? 這種方法的關鍵是怎樣選擇閾值，一種簡便的方法是檢查圖像的直方圖，然后選擇一個合適的閾值。 傳統(tǒng)的圖像分割技術： ? 基于像素灰度值的分割技術 ? 基于區(qū)域的分割技術 ? 基于邊界的分割技術 ? 圖像的描述，包括邊界和區(qū)域的描述 ? 對圖像區(qū)域的操作 ― 數(shù)學形態(tài)學 (1)概論 1. 特征空間聚類方法 （ clustering） 閾值化 、 尺度空間聚類 、 均值遷移 … . 對含噪圖像以及紋理圖像分割的魯棒性較好 但特征選取依賴一定的先驗和統(tǒng)計知識 2. 基于邊緣的方法 梯度法 、 Snake模型 …… 方法直觀 ， 分割結(jié)果比較美觀簡單 ， 但邊緣檢測受噪聲影響大 ， 不能保證邊緣的封閉性 （最近新方法） 3. 基于區(qū)域的方法 區(qū)域生長法、分裂合并法 …… 保證得到邊緣封閉的區(qū)域，缺點是邊緣復 雜，沒有統(tǒng)一標準描述區(qū)域 4. 全局優(yōu)化方法
法律信息相關推薦
鄂ICP備17016276號-1