图像分割-.7.21详解.pptxVIP

2015/8/17; 第六章 分割I;6.1 阈值化;?;6.1.1 阈值检测方法 P率阈值化法(p-tile thresholding) 印刷文本页中，文本字符占纸张面积的1/p，使用这个先验信息，选择一个阈值T使得1/p的图像面积具有比T小的灰度值，而其他具有比T大的灰度值。这种方法称为p率阈值化。 模式方法 若图像产生的直方图 是二模态的如图6.3,物体 像素构成其中的一个峰,而 背景像素构成另一个峰,阈 值取两个极大值间的最小 值。对于多模态,取任意两 个极大值间的最小值得到 多阈值。;6.1.2 最优阈值化(optimal thresholding) 定义：将图像的直方图用两个或更多个正态分布的概率密度函数来近似的方法。 阈值取为离对应于两个或更多个正态分布最大值之间的最小概率处最近的灰度值。 ;6.1.3 多光谱阈值化 实际图像往往含有多个谱段的信息，这种情况下先在每个谱段中独立地确定阈值，然后???合起来形成单一的分割图像。 算法6.3 递归的多光谱阈值化 1.将整个图像初始化为单个区域。 2.给每个谱段计算一个平滑的直方图。在每个直方图中找到一个最显著的峰，确定两个阈值分别对应于该峰两侧的局部最小值。根据这些阈值将各个谱段的每个区域分割为子区域。将各个谱段的每个分割投影到多光谱分割中,见图6.7。下一步处理的区域是这些在多光谱图像中的区域。 3.对于图像的每个区域重复第2步，直至每个区域的直方图只含有一个显著的峰。;6.2 基于边缘的分割;算法6.4 有方向的边缘数据的非最大抑制 1.根据8-邻接将边缘方向量化为8个方向。 2.对于每个非0幅值的像素,考察由边缘方向指出的两个邻接像素，图6.10 3.如果两个邻接像素的幅值有一个超过当前考察像素的幅值，则将当前考 察像素标记出来删除。 4.当所有的像素都考察过后，重新扫描图像，以0抹去所有的标记过的像素。;?;?;?; 6.2.3 边界跟踪 内边界跟踪 如果区域的边界未知，但区域本身在图像中己经定义了，那么边界可以唯一地检测出来。区域内边界是区域的一个子集。 ;外边界跟踪 如果没有定义区域的灰度图像中跟踪边界，就会遇到比较困难的情况。 ; 6.2.4 作为图有哪些信誉好的足球投注网站的边缘跟踪 将边界检测过程转换为在加权图中有哪些信誉好的足球投注网站最优路径的问题，目标是找到连接两个指定结点即起点和终点的最好路径。; 如果对图的建立和有哪些信誉好的足球投注网站没有施加额外的限制，容易造成死循环(如图 6.22)。为了防止这种行为，不允许将已经访问过的节点再次展开。另一种 解决死循环问题的简单方法是不允许反向有哪些信誉好的足球投注网站。在这种情况下，按照如图 6.23所示的方式将要处理的图像拉直。边缘图像按照如下方式作几何卷绕: 沿着与待寻找边界的近似位置垂直的剖面线进行重采样。 这种方法在检测道路、河流、脉管等细而长的物体边界时非常有用。; 6.2.5 作为动态规划的边缘跟踪 动态规划(dynamic programming)基于最优化原理(principle of optimality),给出了从多个起点和终点中同时有哪些信誉好的足球投注网站最优路径的一个有效方法。 ;?; 6.2.6 Hough变换 ; 6.2.7 使用边界位置信息的边界检测 对于噪声低且边界相对比较直的图像，可以利用基于终点的先验信息，迭代地对边界进行分割，如图6.40。 ; 6.2.8 从边界构造区域 有些图像可以通过部分边界构建区域。 超切面(superslice)方法 假设部分边界的位置在图像中已知，然后用不同的阈值对图像数据作阈值化处理。将如下的区域作为正确的区域:该区域由阈值化产生，其检测到的边界与假设边界片段最符合。 ;6.3 基于区域的分割;?; 6.3.3 分裂与归并 分裂与归并方法在金字塔图像上进行，以一致性标准衡量区域是否需要分裂与归并。 若金字塔层中任一区域不是一致的(排除最底层)，就将其分裂为四个子区域，放入金字塔下一层。若金字塔的任一层中有四个区域具有接近 相同的一致性度量数 值，就将它们归为金 字塔的上一层中的单 个区域，见图6.4。; 6.3.4 分水岭分割 图像数据可以解释为地形表面， 区域边缘对应于高的分水岭线，低 梯度的区域内部对应集水盆地。;?;6.4 匹配;6.4.1 匹配标准 实际图像中，模式通常由于噪声、几何变形、遮挡等因素损坏，有哪些信誉好的足球投注网站最大匹配位置。 算法6.23 基于匹配的分割 1.对于模式在图像中的每个位置和旋转，计算出衡量匹配的标 准。 2.该标准的超过预先设置阈值的局部最大值代表了模式在图像 中的位置。;6.5 分割的评测问题;?;?;?; 第七章 图像分