毕业设计（论文）PPT答辩-基于聚分析的图像分割的研究和应用.pptVIP

陈述内容 研究背景和意义 研究动态 研究的主要内容 图像分割系统实现 分割系统的应用 总结与展望 研究背景和意义 研究动态 对图像分割的方法，可分为四类: 基于邻域的方法 基于直方图的方法 颜色聚类的方法 结合特定理论工具的方法 研究的主要内容 图像分割系统的实现 系统整体处理流程 图像分割系统的实现 图像分割系统的实现 图像分割系统的实现 聚类分析模块 （本模块主要用K-means算法实现聚类分析） 其算法描述如下： 任意选择k个对象作为初始的簇中心 Repeat 根据簇中对象的平均值，将每个对象重新赋给最类似的簇 更新簇的平均值，即计算每个簇中对象的平均值 Until各簇的中心点不再发生变化 图像分割系统的实现 图片显示模块 RGB的值转换成Pixels[x][y]的形式,具体转换过程如下： pBitmap-Canvas- Pixels[x][y]= R+(G8)+(B16) 通过函数Image-Canvas-Draw()来实现显示图片，从而实现本模块的功能 实例验证 实例验证 在RGB颜色空间下当K=4、5、6时的效果图如下所示： 实例验证 在HSV颜色空间下当K=4、5、6时的效果图如下所示： 分割系统的应用 图片特性：遥感图像 地 区：东营 大 小：162×151 分 辨 率: 30米分辨率 分割系统的应用 在RGB颜色空间下，当K=4, 5, 6时的效果图如下所示： 分割系统的应用 在 HSV颜色空间下，当K=4, 5, 6时的效果图如下所示： 图像分割效果比较 从图像分割后区域内的杂点数来说，HSV空间下的效果更好些 从视觉效果上看，HSV颜色空间比RGB颜色空间能更好的符合原来图像的特点要求，它能更好的对原图的同类事物进行分类 综上所述，HSV空间能更好的满足图像分割要求 总结与展望 利用聚类分析中的K-means算法实现图像分割系统 实现HSV颜色空间下的分割系统 完成对遥感图像的应用 * * * 基于聚类分析的图像分割的研究和应用 姓 名： 指导老师： 全套设计加QQ 174320523 图像分割是图像理解、模式识别和计算机视觉领域 中一个十分重要的问题 图像分割是计算机视觉技术中首要的关键步骤 聚类分析把数据按照相似性归纳成若干类别，使同 一类中的数据彼此相似，不同类中的数据相异 了解数据挖掘的相关概念，熟悉聚类分析的思想和算法，特别掌握K-means算法，实现图像分割系统 将图像分割系统应用于遥感图像分割，并对分割结果进行分析 图像分割系统的实现 经过分析，把系统为以下四个模块： 图像分割系统 图片提取模块 聚类分析模块 图片显示模块 空间转换模块 开始 选择目标图片 RGB? 输入K值 束结 RGB转换成HSV空间 聚类分析算法实现 N Y 图片提取模块 通过 C++ Builder 中的控件OpenDialog1来选择图片的位置,打开并读取图片像素信息 通过“与”操作和移位操作，获取R、G、B的值并保存，作为以下各步骤处理的原始数据对象 空间转化模块 本模块的主要功能是实现颜色空间RGB和HSV的相互转换 由于人的视觉对亮度的敏感程度远强于对颜色浓淡的敏感程度，为了便于颜色处理和识别，人的视觉系统经常采用HSV颜色空间，它比RGB颜色空间更符合人的视觉特性 选取下面一副图片进行简单的验证 原图 原图 K=4 K=5 K=6 原图 K=4 K=5 K=6 K=6 K=4 K=5 原图 原图 K=4 K=5 K=6 *