數(shù)字圖像處理第5章圖像分割與邊緣檢測-在線瀏覽
2025-07-17 22:14本頁面
【正文】 ??? KiiNNik0)(? 當(dāng) K=L1時 ， ω(L1)=1； μ(L1)＝ μT， μT稱為圖像的平均灰度 。 將圖像分割成 M個灰度值的類 Cj（ Cj∈ ［ kj1+1, …, kj］ 。 k0=0, kM=L），則各類 Cj的發(fā)生概率 ωj和平均值 μj為 )()()()()()(111????????jjjjjjjjkkkkkk????????式中 , ω(0)=0， μ(0)=0。 若取 M為 2， 即分割成 2類 ， 則可用上述方法求出二值化的閾值 。若一幅圖像由亮背景和黑目標組成 ， 已知目標占圖像的(100p)%面積 ， 則使得至少 (100－ p)%的像素閾值化后匹配為目標的最高灰度 ， 將選作用于二值化處理的閾值 。 第五章 圖像分割 三角形法 第五章 圖像分割 直方圖是閾值分割方法的基礎(chǔ) ， 因此基于直方圖的處理和變換 ， 學(xué)者和研究人員進行了大量的研究 。 基于直方圖的分割方法獲得了廣泛的應(yīng)用 。 第五章 圖像分割 5. 3 區(qū)域生長法和區(qū)域分裂－合并法 區(qū)域生長 分割的目的是把一幅圖像劃分成一些區(qū)域 ， 最直接的方法就是把一幅圖像分成滿足某種判據(jù)的區(qū)域 ， 也就是說 ， 把點組成區(qū)域 。 第五章 圖像分割 ? 區(qū)域生長法在用來分割圖像的時候 ， 首先需要選定一些代表不同區(qū)域的起始象素 ， 稱作生長點 。 ? 生長點的選取通常需要使用者指定 ， 如果需要劃分 N個區(qū)域 ， 那么每一區(qū)域 Ri必須要有一個生長點 Si， 其中 。 (a) 原圖像數(shù)據(jù) (b) 第一次生長 (c) 第二次生長 (d) 最終生長結(jié)果 圖 55 區(qū)域生長示例 (閾值為 2,均一性準則 : ) ThRxf ?? ? |)(|[例 ] 第五章 圖像分割 (a) 原圖像數(shù)據(jù) (b) 閾值為 2區(qū)域生長結(jié)果 (c) 閾值為 6區(qū)域生長結(jié)果 圖 56 不同閾值時的區(qū)域生長結(jié)果 這里 ， 閾值和生長點的選取對區(qū)域分割至關(guān)重要 ， 需要使用者對每一個區(qū)域選擇生長點 ， 并慎重選擇閾值 ， 下圖則說明了閾值選擇的重要性 。 第五章 圖像分割 區(qū)域 合并 ? 首先用某種方法把圖象分割成許多小區(qū)域 ， 通過定義合并相鄰區(qū)域的準則 ， 然后按照合并準則合并所有相鄰的區(qū)域 ，如果沒有再能夠合并的塊后停止合并 。 ? 區(qū)域合并的分割方法是一個迭代過程 ， 每一步都要重新計算被擴大的區(qū)域成員隸屬關(guān)系 ， 并消除弱邊界 。 這樣的一個過程看起來象一個物體內(nèi)部區(qū)域不斷增長 ， 直到到達邊界為止的過程 。 ? 區(qū)域合并的過程可以通過下面的過程來實現(xiàn)： ? 比較相鄰區(qū)域的灰度統(tǒng)計特性 ， 如果滿足合并要求 ， 則把兩個區(qū)域合并成更大的區(qū)域 ， 并計算大區(qū)域的灰度統(tǒng)計特性； ? 如果不滿足合并要求 ， 則把該區(qū)域標記為沒有合并 。 第五章 圖像分割 ? 合并的條件可以定義為： ?當(dāng)兩個相鄰區(qū)域的絕大部分公共邊界由弱邊緣組成時 ，可以合并兩個區(qū)域；
高考資料相關(guān)推薦
鄂ICP備17016276號-1