LabVIEW读书笔记--图像处理、分析与机器视觉_chapter11阈值分割与边缘分割(1)

本文深入探讨了图像处理中的阈值分割技术,包括手动、自动全局和局部分割。重点介绍了自动全局分割的五种方法,如聚类法、最大熵信息法、最小均匀性度量法、矩保持法和最大类间方差法,并阐述了它们的特点和适用场景。局部阈值分割中,提到了背景纠正法和Niblack二值化算法。这些方法对于图像二值化、目标识别和噪声消除至关重要。
摘要由CSDN通过智能技术生成


前言

阈值分割常用于图像二值化处理。
遇到背景和目标之间分界不清的问题。可以先对图像进行预处理,如LUT、直方图均衡、空域与频域滤波等。使用线灰度工具观察一条跨边缘的线段上的灰度分布,也有助于选择合适的阈值。此外,形态学处理可以对分割后的二值图像进行纠正,以滤除阈值分割过程的错误选择。

一、阈值分割的分类

手动分割、自动全局分割、局部分割。
局部分割对于光照不均匀图像有明显效果。


二、自动全局分割种类及特点

1.cluster-聚类法

聚类法是唯一支持自动多阈值分割的算法。LabVIEW使用IMAQ AutoMthreshold和IMAQ MultiThreshold来实现。也可以使用IMAQ AutoBthreshold选择cluster以实现二值化分割。
聚类法适用于具有图像直方图具有明显波谷的图像。

2.entropy-最大熵信息法

最大熵信息法。使用香农的熵信息论。
特点是可以区分目标物体原小与背景的图像。

3.metric-最小均匀性度量法

使用于目标物与背景各自区域内灰度较为均匀的图像。

4.moment-矩保持法

使用图像对比度较低的情况。主要是消除图像的噪声影响

5.inter class variant-最大类间方差法

适用于图像直方图具有明显的双波峰,并且目标与背景面积像差不大。对噪声相对敏感,常与其他方法配合使用。

三、局部阈值分割

使用IMAQ LocalThreshold对图像进行局部阈值分割。
背景纠正法(此算法速度相对较快,效果较差):
使用 BackgroundCorrecttion会对图像像素与邻域内像素做减法运算,再使用最大类间方差法进行阈值分割。
Niblack二值化算法:
在这里插入图片描述

总结

在这里插入图片描述

未完待续

  • 0
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值