第7章 图像分割.pptVIP

L=watershed(f)分水岭算法MATLAB函数图10.25不准确标记分水岭算法导致过分割原始图像分水岭分割结果局部极小值总述间隔检测边缘连接与边界检测门限处理区域分割自动阈值第60页，共86页，星期日，2025年，2月5日改进的分水岭算法图10.26准确标记的分水岭算法分割过程原始图像原图像的距离变换标记外部约束标记内部约束由标记内外部约束重构的梯度图分割结果总述间隔检测边缘连接与边界检测门限处理区域分割自动阈值第61页，共86页，星期日，2025年，2月5日?拉普拉斯算子一般不以其原始形式用于边缘检测,这是因为：(1)作为一个二阶导数,拉普拉斯算子对噪声具有无法接受的敏感性;(2)拉普拉斯算子的幅值产生双边缘,这是复杂的分割不希望有的结果;(3)拉普拉斯算子不能检测边缘的方向.拉普拉斯算子在分割中所起的作用包括:(1)利用它的零交叉的性质进行边缘定位;(2)确定一个像素是在边缘暗的一边还是亮的一边.总述间隔检测边缘连接与边界检测门限处理区域分割拉普拉斯算子第28页，共86页，星期日，2025年，2月5日?噪声对边缘检测的影响总述间隔检测边缘连接与边界检测门限处理区域分割第29页，共86页，星期日，2025年，2月5日高斯－拉普拉斯算子?考虑函数:h的拉普拉斯算子(h关于r的二阶导数):高斯型的拉普拉斯算子(LoG)模糊图像用该函数对图像进行平滑滤波,然后再应用拉普拉斯算子.总述间隔检测边缘连接与边界检测门限处理区域分割第30页，共86页，星期日，2025年，2月5日拉普拉斯算子?高斯型拉普拉斯算子三维曲线图像横截面5×5的模板总述间隔检测边缘连接与边界检测门限处理区域分割第31页，共86页，星期日，2025年，2月5日拉普拉斯算子?总述间隔检测边缘连接与边界检测门限处理区域分割第32页，共86页，星期日，2025年，2月5日??Roberts算子：Roberts算子利用局部差分算子寻找边缘，边缘定位精度较高，但容易丢失一部分边缘，同时由于图像没经过平滑处理，因此不具备抑制噪声的能力。该算子对具有陡峭边缘且含噪声少的图像效果较好。?Sobel算子和Prewitt算子：都是对图像先做加权平滑处理，然后再做微分运算，所不同的是平滑部分的权值有些差异，因此对噪声具有一定的抑制能力，但不能完全排除检测结果中出现的虚假边缘。虽然这两个算子边缘定位效果不错，但检测出的边缘容易出现多像素宽度。总述间隔检测边缘连接与边界检测门限处理区域分割算子比较第33页，共86页，星期日，2025年，2月5日??Laplacian算子：是不依赖于边缘方向的二阶微分算子算子，对图像中的阶跃型边缘点定位准确，该算子对噪声非常敏感，它使噪声成分得到加强，这两个特性使得该算子容易丢失一部分边缘的方向信息，造成一些不连续的检测边缘，同时抗噪声能力比较差。总述间隔检测边缘连接与边界检测门限处理区域分割算子比较第34页，共86页，星期日，2025年，2月5日??LOG算子：该算子首先用高斯函数对图像作平滑滤波处理，然后才使用Laplacian算子检测边缘，因此克服了Laplacian算子抗噪声能力比较差的缺点，但是在抑制噪声的同时也可能将原有的比较尖锐的边缘也平滑掉了，造成这些尖锐边缘无法检被测到。应用LOG算子，高斯函数中方差参数的选择很关键，对图像边缘检测效果有很大的影响。高斯滤波器为低通滤波器，越大，通频带越窄，对较高频率的噪声的抑制作用越大，避免了虚假边缘的检出，同时信号的边缘也被平滑了，造成某些边缘点的丢失。反之，越小，通频带越宽，可以检测到的图像更高频率的细节，但对噪声的抑制能力相对下降，容易出现虚假边缘。因此，应用LOG算子，为取得更佳的效果，对于不同图像应选择不同参数。总述间隔检测边缘连接与边界检测门限处理区域分割算子比较第35页，共86页，星期日，2025年，2月5日7.2边缘连接和边界检测利用前面的方法检测出边缘点,但由于噪声、光照不均等因素的影响，获得边缘点有可能是不连续的，必须使用连接过程将边缘像素组合成有意义的边缘信息，以备后续处理。总述间隔检测边缘连接与边界检测门限处理区域分割第36页，共86页，星期日，2025年，2月5日局部处理