1.区域生长算法实现
区域生长算法的生长准则常用的有三种,即相邻区域灰度差、区域形状与区域灰度分布统计。算法的实现流程和步骤如下:
1)、遍历分割图像,区分图像中的火焰像素点以及与其相邻的非火焰像素点,确定生长点。
2)、以前文RGB统计模型分割所得的疑似火焰区域为基础,求出所有已判定为火焰像素点的各通道分量均值。
式中,Rf(x,y),Gf(x,y),Bf(x,y)分别为火焰像素点(x,y)在红、绿、蓝各通道的分量,K为已检测到的火焰像素点的总数。
3)、计算合并所需的有关相似性参量。将之前判定的相邻非火焰像素点的三通道分量与火焰像素点的各均值作比较,此处,我们用dev(x,y)这一变量表征任一非火焰像素点与火焰像素点间的偏差,其计算公式如下,Rnf(x,y)、Gnf(x,y)、Bnf(x,y)分别代表任一非火焰像素点(x,y)的各通道分量:
4)、划定区域生长准则。通过约束偏差参量dev(x,y)的范围进行区域生长,同时更新表征像素点属性的firep(x,y)的数值,如公式所示:
式中,τ为相邻非火焰像素点合并至火焰区域的偏差阈值。若相邻非火焰像素点的R通道分量大于火焰像素点的R通道均值,则重新判定该点为火焰像素点;若相邻非火焰像素点的R通道分量小于火焰像素点的R通道均值,但二者的灰度偏差值dev小于τ,也将该点判定为火焰像素点;反之,则不改变该非火焰像素点的属性。
区域生长算法
最新推荐文章于 2022-02-20 22:16:39 发布