系统学习数字图像处理之图像分割

图像分割，有区域法，直接确定边界，边缘检测法，大多数算法基于灰度的不连续性（边缘检测）和相似性（阈值处理，区域生长，区域分裂，区域聚合）。

边缘分类：台阶边缘，斜坡边缘，屋顶边缘，一阶导数会产生粗边缘，二阶导数会产生精细边缘，在增强剧烈变化方面，二阶导数比一阶导数更加激进，同时二阶导的正负号反应边缘的类型（亮到暗或者暗到亮），即二阶导数有双边缘效应，二阶导的零交叉点可以确定粗边缘的中心位置。实际中，常见的都是斜坡边缘，台阶边缘更用于算法推导，例如Canny算法。而屋顶边缘常见于道路这样的特征。屋顶边缘的宽度，也叫基底是由该线的宽度和尖锐度决定。

一阶导数，可以确定一个点是否存在一个边缘，二阶导数可以确定该点是在亮侧还是暗侧。

基本的边缘检测有：

梯度，即一阶导数，梯度方向与边缘方向正交，常见算子有罗伯特交叉算子，普瑞维特算子，索贝尔算子

更先进的边缘检测技术:

即二阶导数

LOG算子

http://blog.sina.com.cn/s/blog_73428e9a0101abwb.html

canny算子

http://www.cnblogs.com/CBDoctor/archive/2011/10/21/2220331.html

灰度阈值分割核心点：

1.直方图波峰距离，

2.噪声

4.光源的均匀性

5.图像反射特性的均匀性

光照和反射是是核心考虑问题，可以用三种方式矫正阴影

1.直接矫正阴影

2.顶帽变换

3.可变阈值近似，即由领域决定指定像素的阈值

大津算法http://blog.csdn.net/timidsmile/article/details/8493468

阈值分割方法：

1.物体和背景的相对大小分布明显时（即背景和物体的直方图存在相当清晰的波谷时），可全局阈值，给出一个估计初始值，然后不断计算阈值上/下像素的均值，阈值等于该均值的均值，如此迭代，直到T值间差在一定范围内。

2.OTSU最佳全局阈值算法。

3.利用边缘位置像素的直方图，全局分割图像。

4.多阈值处理，即Otsu分多个类，与Otsu类似，但在求k时，要嵌套循环讨论，例如k1从1~k2时，每增加一次，则k2在k1~L-1范围内遍历一次。

5.可变阈值分析，包括：

图像分块，即将图像划分成若干小矩形，进行近似均匀。补偿光照和反射的不均匀性。

基于局部图像特性，即领域内的均值和标准差值，计算出局部阈值。

移动平均，即滑动窗口计算出平均阈值。可减少光照偏差。

6.多个变量阈值，例如彩色，利用欧式距离，以及更有用的马氏距离。

区域分割方法：

其思想是，选择与输入图像相同大小的种子阵列，种子阵列中种子点的位置为1，其他为0.然后在输入图像中每个p（x,y）出判断是否满足一定的属性，满足该属性的点形成一幅二值图像fQ,那么分割图像是fQ中满足8连接的所有1值点添加到种子阵列中的种子点。然后标记处分割图像中的每个连通分量。

区域分裂和聚合：

将原始图像分割成四象限数据，不满足属性的象限数据再分裂，即四叉树。然后对任意两个满足属性的区域进行聚合、直到聚合停止。

分水岭分割算法

http://blog.sina.com.cn/s/blog_725866260100rz7x.html

图像分割完整总结

http://baike.baidu.com/link?url=X3uqhj3SnAfLM77VgX4ndqH5_ZZr4RZ7re4YhoxVRQvQ7XIYgNBE1zTI7fuErt08_mnb3kes3jIsr7_JjCy3sa

系统学习数字图像处理之图像分割相关推荐

系统学习数字图像处理之目标识别
模式:描绘子组合,即特征.x = (x1,x2,...xn)T. •模式类:共享某些属性的模式族 •常见模式组合: 向量.串和树 •类型可分离的程度的高低很大程度上取决于应用的描绘子的选择两大模式识 ...
paper 108：系统学习数字图像处理之图像复原与重建
首先,必须注意这里所限制的处理条件. 关于图像退化/复原模型退化的图像是由成像系统的退化加上额外的噪声形成的. 1.只考虑噪声引起的退化噪声模型,包含于空间不相关和相关两种,除了空间周期噪声,这里 ...
系统学习数字图像处理之图像复原与重建
首先,必须注意这里所限制的处理条件. 关于图像退化/复原模型退化的图像是由成像系统的退化加上额外的噪声形成的. 1.只考虑噪声引起的退化噪声模型,包含于空间不相关和相关两种,除了空间周期噪声,这里 ...
系统学习数字图像处理之频域滤波
最近在看模板匹配,虽然很简单,但还是想认真过下基础,因此把信号处理频域相关的内容,接着图像处理再过一遍. 理论上,对连续变量t的连续函数f(t)的傅里叶变换为F(u),利用f(t)取样后的函数重建f( ...
系统学习数字图像处理之描绘子
图像分割结果是得到了区域内像素集合,或位于区域边界上的像素集合. 把图像分割后,为了进一步的识别等处理,分割后的图像一般要进行表示和描述. 表示是直接具体地表示目标,好的表示方法应具有节省存储空间.易 ...
系统学习数字图像处理之形态学分析补充（灰度级处理）
一基本概念所谓的灰度级膨胀和腐蚀即将而知图像的二值形态学运算推广到灰度图像上.对于一幅图像的腐蚀(膨胀)运算定义为对每个像素赋值为某个领域内输入图像灰度级的最小(或最大值).在二值变换中的结 ...
系统学习数字图像处理之图像压缩
1.霍夫曼编码霍夫曼编码的基本思想:输入一个待编码的串,首先统计串中各字符出现的次数,称之为频次,假设统计频次的数组为count[],则霍夫曼编码每次找出count数组中的值最小的两个分别作为左右孩 ...
系统学习数字图像处理之形态学分析
http://blog.csdn.net/app_12062011/article/details/27351043 继膨胀.腐蚀.开运算和闭运算之后的有一个基本操作就是击中击不中变换(HMT),HM ...
系统学习数字图像处理之彩色图像处理
这章没啥要记的,因为经常用... http://blog.csdn.net/to_xidianhph_youth/article/details/12055627

系统学习数字图像处理之图像分割

系统学习数字图像处理之图像分割相关推荐

最新文章

热门文章