自用数图复习 |
您所在的位置:网站首页 › 区域生长法图像分割方法中的3个关键问题 › 自用数图复习 |
自用笔记 冈萨雷斯第四版 分割算法都基于图像灰度值的两个基本性质之一:不连续性和相似性 不连续性:根据灰度突变(如边缘)分割区域 相似性:根据一组预定义的准则分割区域。例阈值处理、区域生长、区域分离和聚合等 所谓图像分割指的是根据灰度、颜色、纹理和形状等特征把图像划分成若干互不交迭的区域,并使这些特征在同一区域内呈现出相似性,而在不同区域间呈现出明显的差异性。 基于边缘的分割方法基于阈值的分割方法基于区域的分割方法 :种子区域生长法 区域分裂合并法 自动估计全局阈值:
解决方法:
多重阈值 关键:连通性 首先在每个像素位置计算相同的属性集,然后在生长过程中使用这些属性集将像素分配给不同的区域。这些计算的结果显示了一簇值时,就将属性靠近这簇值的中心的像素为种子。 相似性准则的选取不仅取决于所考虑的问题,而且取决于可用图像数据的类型。 如果在区域生长过程中不考虑连通性,那么单独使用描述子会产生错误的结果。 区域生长的另一个问题是停止规则的制定。不再有像素满足加人某个区域的准则时,这个区域生长就应停止。 例子:
点、线和边缘检测 使用导数检测灰度局部突变
双边效应:二阶导数产生双边效应,对于一条一个像素宽度的细线纵向在图像中显示,对于这个细线求二阶导数,则细线部分细线左右部分的二阶导数异号,然后在图像中就显示为左右部分为两条细线,形成双线 一正一负? 点检测:保持系数相加为0 线检测: 注意45°的方向 边缘模型: 图中:一阶导数可看出是粗边缘?二阶导数可看出是双线效应?
梯度算子:
与Sobel 核相比,Prewitt 核实现起来更简单,但它们在计算上的差别并不大。Sobel核能够更好地抑制(平滑)噪声,因此用途更为广泛 原图,gx,gy,gx+gy 先(平滑)去噪,再处理: p和s核应该看0的方向是啥就是啥吧应该 计算过零点是Marr-Hildreth 边缘检测方法的关键特征 Canny边缘检测子 (考了好几年)
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |