.图像分割.pptx

第( 1)页第5章图像分割第( 2)页目录? 阈值分割? 基于区域的图像分割? 基于边缘提取的图像分割? 图像分割的量化评价第( 3)页图像分割( Image Segmentation ) ?图像分割就是把一幅图像分成不同的区域,从而分离出图像中的各个对象,然后从这些区域中获取对象的特征,如大小、形状、颜色、纹理等。?它不仅是目标识别的前提,也可以用于图像压缩算法,同时也是自动图像分析时首先需要完成的工作。第( 4)页图像分割的基本原理?根据图像的某些特征或特征集合的相似性准则,对图像像素进行分组聚类,把图像平面划分为一系列“有意义”的区域,使其后的图像分析、识别等高级阶段所要处理的数据量大大减少,同时又保留有关图像结构等特征信息。第( 5) 阈值分割? 阈值分割原理与方法? 基于像素的阈值选取? 基于区域的阈值选取第( 6) 阈值分割?灰度阈值分割是一种简单的基于区域的分割技术,这种方法是把每个像素的灰度值与一个阈值 T进行比较,根据该像素的灰度值是否超过阈值 T而将该像素归于目标或背景中的一类。第( 7) 阈值分割?阈值运算可以看做是一种对图像中某点的灰度函数,或者该点的某种局部特征及该点在图像中的位置的检验,这种阈值检验函数可记做: ?g(x,y )是点(x,y )的灰度值; N ( x,y )是点(x,y ) 的局部邻域特性。( , , ( , ), ( , )) T x y N x y g x y 第( 8) 阈值分割原理与方法?最常用的灰度特征可描述如下:假设图像由具有单峰灰度分布的目标和背景组成, 在目标或背景内部的相邻像素间的灰度值是高度相关的,但在目标和背景交界处两边的像素在灰度值上有很大的差别。第( 9) 阈值分割原理与方法?最简单阈值分割方法: –1. 对一幅灰度取值在 g min和g max 之间的图像确定一个灰度阈值 T(g min<T<g max ) –2. 将图像中每个像素的灰度值与 T相比较,并将对应的像素根据比较结果划(分割)为两类第( 10) 阈值分割原理与方法?单阈值方法分割后的图像可定义为: ?多阈值方法: 1 , ( , ) ( , ) 0 , ( , ) f x y T g x y f x y T ????>≤( , ) g x y k ?( , ) k-1 k T f x y T ? ? 0,1, 2, , k K ? ???