視覺的底層處理ppt課件-文庫吧資料
2025-05-09 06:49本頁面
【正文】 1）比較他們的灰度平均值，假若兩區(qū)域灰度平均值低于閾值，可考慮將兩區(qū)域合并。 有兩個問題需要注意：一、如何判斷一個區(qū)域?qū)傩圆灰恢?？二、如何將這兩個區(qū)域分裂開？ 對于前者，可利用灰度方差和最優(yōu)函數(shù)誤差技術(shù)來判斷同一區(qū)域?qū)傩允欠褚恢拢粚τ诤笳?，人們采用?guī)則分類算法（四叉樹算法）。在分裂和合并過程中，可以采用如下啟發(fā)信息： ?合并相鄰的具有同類屬性的區(qū)域。 基于區(qū)域的分割 分裂與合并 利用灰度特征分割圖像時，噪聲可形成偽邊緣，甚至形成假目標。如果圖像有幾個不同的目標區(qū)域，則每個區(qū)域都有自己的灰度特征，在這種情景下，灰度圖像的直方圖有幾個峰值，每個峰值相應一個或者幾個區(qū)域，單閾值分割法將不能準確的從灰度圖像中分割出不同的區(qū)域目標。 高斯濾波 圖 多尺度的邊緣檢測 基于區(qū)域的分割 上節(jié)討論了線特征的邊界分割法，本節(jié)將介紹兩種區(qū)域分割的方法：閾值區(qū)域分割法和分裂與合并。在 較小時，圖中包括了較多的“細”節(jié)；反之在 較大時，圖中的細節(jié)則要“粗”的多。上式的對數(shù)形式表示為 它在二維坐標系中的圖形如圖 . 應用不同的 ，采用過零技術(shù)，做多尺度的邊緣檢測如圖 。 其中高斯濾波函數(shù)為 ▽ 2代表 Laplace運算， *代表卷積運算。 具體 算法 如下： 首先對圖像采用高斯函數(shù)卷積濾波，濾波的結(jié)果去除了原圖噪聲點和小尺寸的細節(jié)，使得檢測到的邊緣更可靠。 因此提出一種 多分辨率的邊緣檢測算法 。離散 Laplace算子形式 為 圖 圖像的 3*3領(lǐng)域 實驗表明，該算子對線段噪聲更敏感。 圖 理想邊緣輪廓
教學課件相關(guān)推薦
鄂ICP備17016276號-1