圖像分割第三講ppt課件-在線瀏覽
2025-06-23 23:03本頁面
【正文】 又有像元的合并。 閾值分割法的特點(diǎn)是： 適用于物體與背景有較強(qiáng)對(duì)比的情況，重要的 是背景或物體的灰度比較單一；而且總可以得到封閉且連通區(qū)域的邊界。 由此可見，閾值化分割算法主要有兩個(gè)步驟： 1) 確定需要的分割閾值； 2) 將分割閾值與象素值比較以劃分象素?；谝欢ǖ膱D像模型的。 如果一幅圖像滿足這些條件，它的灰度直方圖基本上可看作是由分別對(duì)應(yīng)目標(biāo)和背景的兩個(gè)單峰直方圖混合構(gòu)成的。 Z1 Zi Zt Zj Zk 暗 亮 P 背景 目標(biāo) 圖像灰度直方圖 雙峰法選取閾值的缺點(diǎn)： 會(huì)受到噪音的干擾，最小值不是預(yù)期的閾值， 而偏離期望的值。由于峰 值代表的是區(qū)域內(nèi)外的典型值，一般情況下，比選谷底更可靠，可排除 噪音的干擾； 2）加強(qiáng)對(duì)噪音的處理。 2 通過邊界特性選擇閾值 基本思想： 改善直方圖的波峰形狀，我們只把區(qū)域邊緣的像素繪入直方 圖，而不考慮區(qū)域中間的像素。這樣直方圖的各個(gè)波峰很高、很窄、對(duì)稱，且被很深的波谷 分開時(shí)，有利于選擇閾值。 算法的實(shí)現(xiàn) ： 1）對(duì)圖像進(jìn)行梯度計(jì)算，得到梯度圖像。 3）通過直方圖的谷底，得到閾值 T。 3 最佳閾值 所謂最佳閾值是指使圖像中目標(biāo)物與背景的分割錯(cuò)誤最小的閾值。 一般的圖像很難獲得灰度的概率密度函數(shù)以及先驗(yàn)概率，在一些特殊的應(yīng) 用場合，如文字、樂譜等圖像，可以從大量圖像得到一個(gè)統(tǒng)計(jì)規(guī)律，獲得符號(hào)部 分在全圖像中的百分比，以此為基礎(chǔ)，結(jié)合直方圖谷點(diǎn)分析，可以得到近似最優(yōu) 的結(jié)果 若選為 Zt分割門限，則將背景象素錯(cuò)認(rèn)為是目標(biāo)象素的概率是： ? 將目標(biāo)物象素錯(cuò)認(rèn)為是背景象素的概率是： ? 因此，總的錯(cuò)誤概率 E(Zt)為 E(Zt)= (1－ ?)E2(Zt)+?E1(Zt) ? 最佳門限就是使 E(Zt)為最小值時(shí)的 Zt，將 E(Zt)對(duì) Zt求導(dǎo)，并令其等于零，得 : (1－ ?)P2(Zt)＝ ?P1(Zt) ? ? ? ?22 dtZtE Z P Z Z??? ?? ? ? ?11 dtt ZE Z P Z Z?? ?? 例如： P2(Zt)和 P1(Zt)均為正態(tài)分布函數(shù)，其灰度均值分別為 μ1和 μ2。也可以在人工選出閾值后，根據(jù)分割效果，不斷的交互操作，從而選擇出最佳的閾值。 在迭代過程中，關(guān)鍵之處在于選擇什么樣的閾值改進(jìn)策略，好的閾值的改進(jìn)策略應(yīng)該具備兩個(gè)特征： ? 能夠快速收斂； ? 在每一個(gè)迭代過程中，新產(chǎn)生閾值優(yōu)于上一次的閾值。 (2) 利用閾值 Ti把圖像分割成兩部分區(qū)域 ， R1和 R2， 并計(jì)算其灰度均值 1012 10,iiiiLTiiiTiTLiiiTiininuunn????????????1 1 21 ()2iT ??? ??(3) 計(jì)算新的閾值 Ti+1 (4) 重復(fù)步驟 3，直到 Ti+1和 Ti的值差別小于某個(gè)給定值 5 自適應(yīng)閾值 —— 分水嶺算法 ?分水嶺算法 (watershed)是一種借鑒了形態(tài)學(xué)理論的分割方法，它將一幅圖象看成為一個(gè)拓?fù)涞匦螆D，其中灰度值被認(rèn)為是地形高度值。將水從任一處流下，它會(huì)朝地勢(shì)底的地方流動(dòng)，直到某一局部低洼處才停下來，這個(gè)低洼處被稱為 吸水盆地 ， 最終所有的水會(huì)分聚在不同的吸水盆地 , 吸水盆地之間的山脊被稱為 分水嶺 ， 水從分水嶺流下時(shí)，它朝不同的吸水盆地流去的可能性是相等的。 (a)原始圖像 (b)圖像對(duì)應(yīng)的拓?fù)涞匦螆D 圖像對(duì)應(yīng)的拓?fù)浔砻鎴D 5 自適應(yīng)閾值 —— 分水嶺算法 5 自適應(yīng)閾值 —— 分水嶺算法 分水嶺閾值選擇算法可以看成是一種自適應(yīng)的多閾值分割算法 分水嶺形成示意圖 分水嶺對(duì)應(yīng)于原始圖像中的邊緣 三、邊緣檢測 ? 基于一階導(dǎo)數(shù)法的邊緣檢測 ? 基于二階導(dǎo)數(shù)法的邊緣檢測 ? 邊緣連接 1 基于一階導(dǎo)數(shù)法的邊緣檢測 ? 基本思想 檢測圖像一階導(dǎo)數(shù)的峰值或者谷值確定邊緣，可用一階微分算子和圖 像卷積實(shí)現(xiàn)。 ? 模板卷積 無論哪種模板，其卷積過程為 ：
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1