图像分割课件.ppt.pptVIP

边缘连接和边界检测 通过Hough变换进行整体处理 边缘连接和边界检测 边缘连接和边界检测 边缘连接和边界检测 阈值处理 阈值处理 阈值处理 阈值处理 阈值处理 基于区域的分割 基于区域的分割 基于区域的分割 基于区域的分割 基于区域的分割 基于区域的分割 区域生长的关键： 区域一致性准则 一致性准则举例 一致性准则： 1、邻近点的灰度级与物体的平均灰度级的差小于2 2、该象素最少和区域中的一个象素8-连接 基于区域的分割 基于区域的分割 80％的像素满足 基于区域的分割 使用分水岭变换的分割 分水岭变换将在图象中找到汇水盆地和脊线。在求解时，关键概念是将初始图象变换成另一幅图象，在变换后，汇水盆地就是我们想要识别的 对象或区域。 分水岭变换的分类 使用距离变换 使用梯度 使用控制标记符 图像分割 不连续检测 点检测 线检测 边缘检测 基于相似性 阈值处理 区域生长 区域分离与合并 使用分水岭变换的分割 第十章 图像分割 图像分割 概述 不连续检测 边缘连接和边缘检测 阈值处理 基于区域的分割 概述 分割概念：把图像分成互不重叠的区域并提取感兴趣目标的技术 分割目的：把图像空间分成一些有意义的区域。 分割依据：本节重点介绍单色图像的分割算法，通常基于图像亮度值的两个基本特性：不连续性（如：点、线、边缘检测）和相似性（如：阈值处理、区域生长、区域分割和合并）。 概述 图像分割满足以下条件： 概述 分割方法： 不连续检测 根据区域间灰度不连续搜寻区域之间的边界。 阈值处理 基于像素属性的分布的阈值 区域生长 将属性接近的连通像素聚集成区域 分裂－合并 把图像细分为一组任意且互不相连的区域，然后按一定规则合并或分离这些区域 概述 分割举例： 概述 分割举例： 基于地图集的图像分割 不连续检测 不连续检测分类 点检测 线检测 边缘检测 寻找间断的方法 模版匹配 不连续检测 不连续检测 点检测举例 孤立点可以通过检测模板并设置阈值进行检测 不连续检测 不连续检测 不连续检测 不连续检测 线检测举例 使用阈值方法，阈值等于图像中最大值得到的结果，一些孤立点使用点模板检测删除，或用形态学腐蚀法删除 不连续检测 边缘检测 边缘的概念：一组相连的像素集合，这些像素位于两个区域的边界上。 检测手段：一阶导数和二阶导数。 不连续检测 理想数字边缘模型 斜坡数字边缘模型 斜坡的产生是由光学系统、取样和图像采集系统的不完善带来的边缘模糊造成的。 不连续检测 不连续检测 边缘检测 一阶导数可用于检测图像中的一个点是否在边缘上。 二阶导数可以判断一个边缘像素是在边缘亮的一边还是暗的一边。 一条连接二阶导数正值和负值的虚构直线将在边缘中点附近穿过零点。 一阶导数使用梯度算子，二阶导数使用拉普 拉斯算子 不连续检测 梯度算子 不连续检测 1 不连续检测 不连续检测 1 不连续检测 结论 不连续检测 拉普拉斯算子 不连续检测 拉普拉斯算子缺点 拉普拉斯算子对噪声具有敏感性 拉普拉斯算子的幅值产生双边缘 拉普拉斯算子不能检测边缘的方向 拉普拉斯算子优点： 可以利用零交叉的性质进行边缘定位 可以确定一个像素是在边缘暗的一边还是亮的一边 不连续检测 边缘检测举例 边缘连接和边界检测 边缘连接和边界检测 局部处理 边缘连接和边界检测 边缘连接和边界检测 边缘局部处理举例