-
七、图像分割
-
概念:把图像分解成构成它的部件和对象的过程;定位感兴趣对象在图像中的位置和范围
-
任务:把图像分离成互不交叠的有相同性质的区域
-
评价准则:最终测量精度UMA
-
7.1基于边缘的分割方法:先提取区域边界,在确定边界限定的区域
-
7.1.1边缘检测的对象:灰度或结构不连续的地方
-
7.1.2缺陷
- 用图像数据(二维、三维)表示实际物体(多维)有信息丢失
- 检测出有边缘的地方并不一定是物体实际边界
-
7.1.3边缘检测
- 一阶微分算子
- Roberts算子、Prewitt算子、Sobel算子
- 检测不同方向:方向匹配检测模板
- 方向算子(krisch)
- 二阶微分算子:拉普拉斯算子(对阶跃型边缘定位准确)
- 对细线和孤立点检测效果好
- 对噪声敏感,有加强作用
- 不能检测出边的方向:方向无关性
- 由于二阶导数特性,会产生双像素边缘
- 高斯拉普拉斯算子(LOG):先高斯平滑在使用拉普拉斯算子
- Canny算子:最优化问题
- 1.高斯平滑处理,抑制噪声的同时也损失了一些边缘
- 2.计算滤波后图像梯度的幅度值和方向
- 3.非极大值抑制处理
- 一阶微分算子
-
7.1.4边缘连接
- 局部处理法
- 通过比较图像中每个点与其邻域像素的相似性
- 比较梯度
- 比较梯度向量的方向角
- 通过比较图像中每个点与其邻域像素的相似性
- Hough变换:图像空间与参数空间的一一对应关系
- 图像空间中特定形状在参数空间聚为一个点
- 将困难的全局检测问题转变为峰值探测问题
- 计算结果具有鲁棒性
- 计算量大
- 局部处理法
-
-
7.2基于区域的方法:确定每个像素的归属区域,进而完成分割
-
7.2.1阈值分割方法
- 适用于物体内部灰度值较为均匀且它周围的背景灰度也比较均一
- 简单直方图分割方法:图像的灰度直方图有明显的双峰状,选择谷底的灰度值作为阈值
- 迭代式阈值选择方法
- Otsu阈值分割方法
- 最小误差法(考试)
-
7.2.2区域生长法
- 1.确定分割区域和每个区域的种子像元
- 2.选择有意义的特征
- 3.确定相似性度量准则
- 4.生长停止条件和准则的确定
- 常见的三种扩张方法
- 单一型
- 质心型
- 混合型
- 不依赖起始点的方法
- 假设检验法
-
7.2.3分裂合并法
- 可以实现图像的自动分割,不需要预先指定种子点,避免了种子点对分割结果的影响
- 常用的方法:四叉树法
-
数字图像处理知识梳理——5
最新推荐文章于 2024-10-11 20:44:23 发布