数字图像处理笔记⑥——图像分割

一、边缘检测

边缘：图像像素的灰度有阶跃变化或屋顶变化的像素的集合。

①阶跃变化的一阶导数在边缘为零点，二阶导为极值点
②阶跃变化的一阶导数在边缘为二阶导，二阶导为零点

二、Hough（霍夫）变换

1.检测直线
用极坐标中的点代替直角坐标系的线
2.检测曲线
①检测圆

对其求导，就能把参数化为两个。
②检测椭圆

求导，把四个参数化为三个再计算。

三、区域分割

1.最简单图像(两个域)分割

阈值T的获取方法


③最小误差分割

2.复杂图像分割

1.步骤：
①自动平滑直方图
②确定区域类数
因为平滑后的直方图可能每个峰不一定对应一个区域类，因此要确定峰对应的区域类。
③自动搜索多个阈值
依次计算各峰两两之间的最佳阈值，再用这个阈值分割原始图像。
2.方法——特征空间聚类
利用特征空间聚类进行图像分割，可以看成是对阈值分割概念的推广。它将图像空间中的像素用对应的特征空间点表示，再根据在特征空间的聚类情况对特征空间进行图像分割，再映射回原图像空间。

K-均值聚类

四、区域增长（扩展）法

把一个区域分为若干小区域（并非分割），再根据小区域的像素相似则合并，最后形成不同的区域。

1.简单区域生长

以像素灰度为特征
1.步骤：
①对图像进行光栅扫描，从当前像素出发找到全部不属于任何区域的像素。
②把这个像素灰度同其4-/8-领域中不属于其他区域的像素进行毕竟，若灰度差小于T则合并并对合并的像素赋予标记。
③从新像素开始反复进行②
④反复②③
⑤返回①寻找新区域出发点像素。

2.质心型区域生长

3.混合区域生长

n一般为5-10

五、分裂合并法

适用于复杂图像

1.思想

基于四叉树思想，把原始图像作为树根或零层，将图像四等分，作为被分裂的第一层
对第一层的每个子块，如果各像素属性一致则不再等分

2.原则

3.步骤