分割是将图像细分为子区域,这些子区域互不重叠,并集为初始图像,每个子区域内的像素分布符合预定规则。用数学描述可表示为:
一般有4种分割思路:基于点线、边缘的分割;基于阈值的分割(二值化);基于区域的分割;基于分水岭的分割
1. 基于点线、边缘的分割
这种分割的目的是把图像中灰度变化剧烈的区域找出来,这也是大部分机器视觉应用的必要步骤。
无论是点、线还是边缘的分割,都是基于图像微分(《图像局部不变性特征与描述》阅读笔记(3)-- 点与边缘检测)
由(LOG)Laplacian of Guassian & (DOH)Determinant of Hessian 斑点检测对高斯一阶和二阶微分的讨论,可以知道:
1)一阶导数得到的边缘比二阶要粗
2)二阶导数对细线、噪声更敏感
3)二阶导数在灰度过渡处会产生双边缘,此外通过二阶导数的符号可以推断边缘的过渡是从暗到亮还是相反
基于以上讨论,孤立点的检测一般用二阶导数(laplace),如Harris角点检测,除此之外还有很多别的角点检测算法,如SUSAN,SIFT,SURF
线的检测主要针对空间上连续的线段,一般使用对方向敏感的模板对线做方向筛选
图1-1. 各向互异的Laplace线检测算子
边缘检测比点线检测要复杂,因为边缘一般是弯曲的,因此需要首先检测点或小线段,然后做拟合,其