本文章只做简单介绍各个分割方法,后续会对各个方法一一做详细介绍
数字图像处理常用的图像分割算法有:
- 基于阀值的分割方法。
- 基于边缘的分割方法。
- 基于区域的分割方法。
- 基于聚类分析的图像分割方法。
- 基于小波变换的分割方法。
- 基于数学形态学方法。
- 基于人工神经网络的方法。
- 基于遗传算法的方法。
阈值分割
1、原理
用一个或几个阈值将图像的灰度直方图分成几个类, 认为图像中灰度 值在同一类中的像素属于同一物体。(常用的二值分割)
2、优点
直接利用图像的灰度特性,所以计算简单、运算效率较高、速度快。
3、适用范围
相差很大的不同目标和背景能进行有效的分割。
4、缺点
对噪声敏感,对灰度差异不明显以及不同目标灰度值有重叠分割不明显,所以需要与其他方法进行结合。合适的阈值查找。
边缘分割
1、原理
通常不同的区域之间的边缘上像素灰度值的变化往往比较剧烈, 这是边缘检测方法得以实现的主要假设之一。常用灰度的一阶或二阶微分算子进行边缘检测。
2、优点
搜索检测的速度快,对边缘检测好。
3、适用范围
低噪声干扰,区域之间的性质差别很大(或则说边缘变化大)。
4、缺点
不能得到较好的区域结构,边缘检测时抗噪性和检测精度之间的矛盾。精度提高,则会牺牲抗噪性,反之。我们可以设置一个熵,取一个折中的办法,求取熵最大的时候的精度和抗噪性。
区域分割
1、原理
把具有