2021 |
您所在的位置：网站首页 › 图像量化时如果量化级比较小会出现什么现象为什么 › 2021 |
|
图像分割与边缘检测
定义
根据图像的灰度、颜色、空间纹理、几何形状等特征，将图像划分成若干个互不相交的区域的过程。 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-V4dwG7IQ-1636795729944)(C:\Users\lenovo\AppData\Roaming\Typora\typora-user-images\image-20211108094552258.png)] 图像中同一区域内部所考虑的特征是相同的或者相近的（具有同质特征）；但这些特征在不同区域中则是不同的或者是存在差异的。区域：是指相互连通的、有一致属性的像素的集合。像素间的连通性：在一个连通集合中，任意两个像素之间都存在一条完全由该集合中的像素构成的连通路径。连通路径：一条可以在相邻像素间移动的路径。对于数字图像，有两种常用的连通性准则：4连通、8连通4连通：[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-pXh0N0cl-1636795729946)(图片/image-20211108101122367.png)]8连通：[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-YYqIApQc-1636795729948)(图片/image-20211108101154220.png)] 目的具有共同特征的目标列在一起 关键问题在于如何描述目标的共同特性 图像分割方法 灰度图像分割算法一般是基于相邻像素灰度的不连续性或相似性来实现。不同区域之间的边界上一般具有灰度不连续性，可根据灰度的不连续变化来分割图像。同一区域内部的像素一般具有灰度的相似性，可根据事先定义的相似性准则来分割图像。外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-V2ouo3qe-1636795729950)(图片/OWZ54MEF`UO][email protected]) 灰度阈值分割法基本思想：用一个或几个灰度阈值（也称灰度门限值）将图像的灰度级范围分成几个部分，然后将每个像素的灰度值和阈值相比较，根据比较结果把像素归类——前景目标物体或背景。 灰度阈值分割法的基本步骤： 确定阈值（关键）将像素灰度值与阈值进行比较把像素归类 全局阈值利用灰度直方图确定阈值 该方法适用于目标物体与背景分别占据不同灰度级范围的图像。此时图像的灰度直方图呈明显的双峰特征（分别对应背景和目标物体），或呈明显的多峰特征（分别对应背景和多个目标物体）。可以在两峰之间的谷底区域选取一个灰度值作为阈值，进行分割。 图像二值化 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EcpVWYRZ-1636795729952)(图片/image-20211108110725047.png)] note：由于噪声及光照影响，给阈值的选择增加了复杂性 极小点阈值法如果将直方图的包络线看成一条曲线，则通过求取曲线的极小值的方法可以找到直方图的低谷点，作为分割阈值。 [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Td2Kue8e-1636795729953)(图片/image-20211108111843087.png)] 在求极小值点之前，若对直方图进行平滑处理，则效果会更好。例如3点平滑，平滑后的灰度级i的相对频数用灰度级i-1，i，i+1的相对频数的平均值代替。 迭代阈值法 算法基本步骤：选择一个初始阈值T1根据阈值T1,将图像分割为G1和G2两部分。其中G1包含灰度值小于等于T1的所有像素，G2包含灰度值答于等于T1的所有像素分别计算G1和G2的灰度平均值μ1和μ2计算新的阈值T2=(μ1+μ2)/2如果|T2-T1| |
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 |