概述
图像处理的两大目的:
- 改善像质(增强,恢复)
- 图像分析:从图像中提取有用的测量数据,对图像内容做出描述,图像识别。
图像分割的基本思路
- 从简到难,主机分割
- 控制背景环境,降低分割难度
- 把焦点放在增强感兴趣的对象,缩小不相干图像成分的干扰上。
图像分割四种不同的方法
- 边缘检测: 检测出边缘,再将边缘像素连接,构成边界形成分割,找出目标物体的轮廓,进行目标的分析、识别、测量等。
- 阈值分割: 最常用法。有直方图门限选择,半阈值选择图像分割,迭代阈值
- 边界方法: 直接确定区域边界,实现分割;有边界跟踪法,轮廓提取法。
- 区域法: 将各像素划归到相应物体或区域的像素聚类方法;有区域增长法等。
阈值分割
基本原理
原始图像—— f ( x , y ) f(x,y) f(x,y)
灰度阈值——T
阈值运算得到二值图像—— g ( x , y ) g(x,y) g(x,y)
g ( x , y ) = { 1 , if f(x,y) ≥ T 0 , if f(x,y) < T g(x,y)= \begin{cases} 1, & \text{if f(x,y) $\geq$ T} \\ 0, & \text{if f(x,y) < T} \end{cases} g(x,y)={
1,0,if f(x,y) ≥ Tif f(x,y) < T
阈值的选择包括人工阈值
人工阈值
人工选择法是通过人眼的观察,应用人对图像的知识,在分析图像直方图的基础上,人工选出合适的阔值。也可以在人工选出阈值后,根据分割效果,不断的交互操作,从而选择出最佳的阈值。
直方图阈值的选择
利用灰度直方图两峰之间的谷底作为阈值。
若直方图呈现多个明显的峰值,如三个峰值,取两个峰谷出的灰度值T1,T2作为阈值,同样,可以将阈值化后的图像编程二值化图像。
迭代阈值分割
基本思想:选择一个阈值作为初始值,按某种策略不断地迭代改进,直到满足给定的准则。自动输出一个阈值。在迭代过程中,关键是阈值改进策略,阈值改进策略要求:快速收敛,新产生阈值优于上一次的阈值。
步骤
-
选择图像灰度的中值作为初始阈值 T i = T 0 T_i=T_0 Ti=T