圖像分割第三講ppt課件-展示頁
2025-05-15 23:03本頁面
【正文】 作為閾值 t，則分割后的圖像 g(x,y)，可由下式表示： g(x,y)= 1 f(x,y)≥t 0 f(x,y)t g(x,y)= 1 f(x,y)≤t 0 f(x,y)t 或 二、閾值分割 另外，還可以將閾值設(shè)置為一個灰度范圍 [t1,t2]，凡是灰度在范圍內(nèi)的象素都變?yōu)?1，否則皆變?yōu)?0，即 g(x,y)= 1 t1≤f(x,y)≤t2 0 其它 某種特殊情況下，高于閾值 t的象素保持原灰度級，其它象素都變?yōu)?0，稱為半閾值法，分割后的圖像可表示為： g(x,y)= f(x,y) f(x,y)≥t 0 其它 閾值分割圖像的基本原理，可用下式表示： g(x,y)= ZE f(x,y)∈ Z ZB 其它 閾值 閾值的選取是閾值分割技術(shù)的關(guān)鍵，如果過高，則過多的目標(biāo)點被誤歸為背景；如果閾值過低，則會出現(xiàn)相反的情況。 分割對象 分割對象 圖像閾值分割是一種廣泛應(yīng)用的分割技術(shù)，利用圖像中要提取的目標(biāo) 物與其背景在灰度特性上的差異，把圖像視為具有不同灰度級的兩類區(qū)域 (目標(biāo)和背景 )的組合，選取一個合適的閾值，以確定圖像中每個象素點應(yīng) 該屬于目標(biāo)還是背景區(qū)域，從而產(chǎn)生相應(yīng)的二值圖像。 3) 區(qū)域生長 :將屬性接近的連通像素聚集成區(qū)域。 ： 1) 基于邊緣的分割方法 :先提取區(qū)域邊界，再確定邊界限定的區(qū)域。 ? 感興趣的對象：汽車牌照 ? 不相干圖像成分：非矩形區(qū)域 ： 分割算法基于灰度值的兩個基本特性： ? 不連續(xù)性 —— 區(qū)域之間 ? 相似性 —— 區(qū)域內(nèi)部 ?根據(jù)圖像像素灰度值的 不連續(xù)性 ： 先找到點、線（寬度為 1）、邊（不定寬度），再確定區(qū)域。 其中 P(Ri)是對所有在集合 Ri中元素的邏輯謂詞 ,φ代表空集。如下圖： ： ： ? 所謂圖像分割是指將圖像中具有特殊涵義的不同區(qū)域區(qū)分開來，這些區(qū)域是互相不交叉的，每一個區(qū)域都滿足特定區(qū)域的一致性。 一、圖像分割概述 ? 典型的圖像分析和理解的系統(tǒng)： ?系統(tǒng)分為圖像輸入、預(yù)處理、圖像分割（ image segmentation）、圖像識別與理解。 可以以逐個象素為基礎(chǔ)去研究圖象分割，也可以利用在規(guī)定鄰域中的某些圖象信息去分割。圖像分割 (Image Segmentation） 機器視覺 第三講 本節(jié)內(nèi)容： ? 圖像分割概述 ? 閾值分割 ? 邊緣檢測 ? 區(qū)域分割 ? Hough變換檢測法 一、圖像分割概述 分割的目的是把圖象空間分成一些有意義的區(qū)域，是實現(xiàn)圖像自動識別與理解的必不可少的過程，是計算機視覺的中間層次。 例如，一幅航空照片，可以分割成工業(yè)區(qū)、住宅區(qū)、湖泊、森林等等。 分割的依據(jù)可建立在 相似性 和 非連續(xù)性 兩個基本概念之上。 知識庫 表示與描述 預(yù)處理 分割 低級處理 高級處理 中級處理 識別 與 解釋 結(jié)果 圖像獲取 問題 把圖像分成互不重疊的區(qū)域并提取感興趣的目標(biāo)。 ? 數(shù)學(xué)定義 令集合 R代表整個圖像區(qū)域，對 R的分割可看作將 R分成 N個滿足以下五個條件 的非空子集（子區(qū)域） R1， R2， … ， RN： ? ； ? 對所有的 i和 j， i≠j，有 Ri∩Rj =φ； ? 對 i = 1,2,…,N ，有 P(Ri) = TRUE； ? 對 i≠j,有 P(Ri∪ Rj) = FALSE； ? 對 i =1,2,…,N ， Ri是連通的區(qū)域。 RRNi i ???1： ? 從簡到難，逐級分割； ? 分割矩形區(qū)域 ? 定位牌照 ? 定位文字 ? 控制背景環(huán)境，降低分割難度； ? 背景環(huán)境 :：路面、天空 ? 把焦點放在增強感興趣對象，縮小不相干圖像成分的干擾上。 ?根據(jù)圖像像素灰度值的 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。 2) 區(qū)域分割 :確定每個像素的歸屬區(qū)域，從而形成一個區(qū)域圖。 4) 分裂－合并分割 :綜合利用前兩種方法，既存在圖像的劃分，
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1