图像分割把图像细分为其组成区域或物体,细分程度取决于要解决的问题。也就是说,细分
应在感兴趣物体已被隔离后停止。例如,在电子装配线的自动检测中,目的在于分析产品的图像,
以判断特定异常是否存在,如元件缺失或连线断裂等。没有必要进行超过识别这些元件所需细节
的分割。
特殊图像的分割是图像处理中最困难的任务之- - 。分割的精度决定了最终计算机分析过程的成功
与否。因此,应该仔细考虑稳定分割的可能性。在某些情况下,如工业检测应用,至少有时在控制环
境下的某些测量是可能的。在其他情形下,如在遥感应用中,用户对图像获取的控制主要受限于成像
传感器的选择。
单色图像的分割算法通常基于图像灰度值的两个基本性质:不连续性和相似性。在第-类算法中,
方法是基于灰度的突变(如边缘)来分割图像。第二类算法的主要方法是根据- -组预定义的规则,将图
像分割成相似的区域。
例1.1点检测。
图7.2(a)显示了一幅图像f,在球体的东北象限有- 个几乎看不见的黑点。我们按如下方式检测该点:
>> W=[-1-1-1; -18-1;-1-1 -1];
》> g= abs(imfilter(tofloat(f), w));
》> T= max(g(:));
>>g=g>=T;
>> imshow(g)
通过将T选为滤波后图像g中的最大值,然后在g中找到满足g >= T的所有点,我们就可识别出最大
响应的点。假设这些点是镶嵌在恒定或近似恒定背景上的孤立点。因为此时T被选定为g中的最大值,所
以g中不存在比T值大的点;为使表述上-致,我们使用运算符>=(代替=)。如图7.2(b)所示&
matlab中的图像分割
最新推荐文章于 2024-05-16 16:39:57 发布