計(jì)算機(jī)軟件及應(yīng)用]數(shù)字圖像處理及matlab實(shí)現(xiàn)-展示頁(yè)
2025-01-27 20:19本頁(yè)面
【正文】 以決定該像素是否確實(shí)處于一個(gè)物體的 邊界上。 ? 選用高斯低通濾波器進(jìn)行預(yù)先平滑是很合適的。對(duì)經(jīng)拉普拉斯算子濾波后的圖像用零灰度值進(jìn)行二值化會(huì)產(chǎn)生閉合的、連通的輪廓并消除了所有的內(nèi)部點(diǎn)。 Kirsch的分割算法 物 體T 1T 2閾 值梯 度 ? 拉普拉斯算于是對(duì)二維函數(shù)進(jìn)行運(yùn)算的二階導(dǎo)數(shù)標(biāo)量算子。當(dāng)它們接觸上而又不至于合并時(shí)，可用接觸點(diǎn)來(lái)定義邊界。 ? 算法步驟 ? 用一個(gè)中偏低的灰度閾值對(duì)梯度圖像進(jìn)行二值化從而檢測(cè)出物體和背景，物體與背景被處于閾值之上的邊界點(diǎn)帶分開。 ? 2:搜索以邊界起始點(diǎn)為中心的 3 3鄰域，找 出具有最大灰度級(jí)的鄰域點(diǎn)作為第 2個(gè)邊界點(diǎn)。 邊界方法：利用邊界具有高梯度值的性質(zhì)直接把邊界找出來(lái)。 3. 迭代法求閾值 原理：圖像中前景與背景之間的灰度分布為相互不重疊，在該前提下，實(shí)現(xiàn)對(duì)兩類對(duì)象的閾值分割方法。 imshow(a) figure imhist(a) ? 利用灰度閾值 T對(duì)物體面積進(jìn)行計(jì)算的定義是 : ??? T dDDHA )(? ?? T dDDHA )(2. 最大類間方差法 (OTSU) OTSU算法定義：該算法是在灰度直方圖的基礎(chǔ)上用最小二乘法原理推導(dǎo)出來(lái)的，具有統(tǒng)計(jì)意義上的最佳分割閾值。d:\pic\39。由于這個(gè)原因，我們需要一個(gè)最佳的，或至少是具有一致性的方法確定閾值。 除非圖像中的物體有陡峭的邊沿，否則灰度閾值的取值對(duì)所抽取物體的邊界的定位和整體的尺寸有很大的影響。 自適應(yīng)閾值 改進(jìn)方法：在許多的情況下，背景的灰度值并不是常數(shù)，物件和背景的對(duì)比度在圖像中也有變化，這時(shí)，一個(gè)在圖像中某一區(qū)域效果良好的閾值在其它區(qū)域卻可能效果很差。 全局閾值化 思想：整個(gè)圖像中將灰度閾值的值設(shè)置為常數(shù)。第八章 圖 像分割 Contents 圖像分割定義 使用閾值進(jìn)行圖像分割 邊緣檢測(cè)和連接 Contents 區(qū)域增長(zhǎng) (Region Growing) 二值圖像處理 (Binary Image Processing) 分割圖像的結(jié)構(gòu) 小結(jié) 圖像分割定義 ? 圖像分割處理定義： – 將數(shù)字圖像劃分成互不相交（不重疊）區(qū)域的過(guò)程 . ? 區(qū)域 (region) 定義 : – 像素的連通集。 ? 連通 (connectedness)定義 : – 在一個(gè)連通集中的任意兩個(gè)像素之間，存住一條完全由這個(gè)集合的元素構(gòu)成的連通路徑。 前提條件：如果背景的灰度值在整個(gè)圖像中可合理地看作為恒定，而且所有物體與背景都具有幾乎相同的對(duì)比度，那么，只要選擇了正確的閾值，使用一個(gè)固定的全局閾值一般會(huì)有較好的效果。在這種情況下，把灰度閾值取成一個(gè)隨圖像中位置緩慢變化的函數(shù)值是適宜的。這意味著后續(xù)的尺寸（特別是面積）的測(cè)量對(duì)于灰度閾值的選擇很敏感。 ? 含有一個(gè)與背景明顯對(duì)比的物體的圖像其有包含雙峰的灰度直方圖 直方圖生成 ? a = imread(39。)。 ? OTSU基本原理：以最佳閾值將圖像的灰度直方圖分割成兩部分，是兩部分之間的方差取最大值，即分離性最大。 思路對(duì)比： 區(qū)域分割方法：通過(guò)將圖像劃分為內(nèi)部點(diǎn)集和外部點(diǎn)集來(lái)實(shí)現(xiàn)分割。 ? 算法步驟 ? 1：我們從一個(gè)梯度幅值圖像著手進(jìn)行處理， 這個(gè)圖像是從一幅處于和物
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1