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![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/5fc7e9dff5f499a443e0499b3470cd17.png)
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