最新数字图像处理及MATLAB实现8课件PPT.ppt

《最新数字图像处理及MATLAB实现8课件PPT.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、数字图像处理及MATLAB实现8Contents8.1图像分割定义8.2使用阈值进行图像分割8.3基于梯度的图像分割方法8.4边缘检测和连接Contents8.5区域增长(RegionGrowing)8.6二值图像处理(BinaryImageProcessing)8.7分割图像的结构小结8.2.3最佳阈值的选择除非图像中的物体有陡峭的边沿，否则灰度阈值的取值对所抽取物体的边界的定位和整体的尺寸有很大的影响。这意味着后续的尺寸（特别是面积）的测量对于灰度阈值的选择很敏感。由于这个原因，我们需要一个最佳的，或至少是具有一致性的方法确定阈值。1.直方图技术含有一个与背景明显对比的物体

2、的图像其有包含双峰的灰度直方图直方图生成a=imread('d:pici_boat_gray.bmp');imshow(a)figureimhist(a)利用灰度阈值T对物体面积进行计算的定义是:2.最大类间方差法(OTSU)OTSU算法定义：该算法是在灰度直方图的基础上用最小二乘法原理推导出来的，具有统计意义上的最佳分割阈值。OTSU基本原理：以最佳阈值将图像的灰度直方图分割成两部分，是两部分之间的方差取最大值，即分离性最大。3.迭代法求阈值原理：图像中前景与背景之间的灰度分布为相互不重叠，在该前提下，实现对两类对象的阈值分割方法。8.3基于梯度的图像分割方法思路对比：区

3、域分割方法：通过将图像划分为内部点集和外部点集来实现分割。边界方法：利用边界具有高梯度值的性质直接把边界找出来。8.3.1边界跟踪算法步骤1：我们从一个梯度幅值图像着手进行处理，这个图像是从一幅处于和物体具有反差的背景中的单一物体的图像进行计算得来的。2:搜索以边界起始点为中心的3×3邻域，找出具有最大灰度级的邻域点作为第2个边界点。8.3.2梯度图像二值化如果用适中的阈值对一幅梯度图像进行二值化，Kirsch的分割法利用了这种现象。算法步骤用一个中偏低的灰度阈值对梯度图像进行二值化从而检测出物体和背景，物体与背景被处于阈值之上的边界点带分开。随着阈值逐渐提高，就引起物体和背景

4、的同时增长。当它们接触上而又不至于合并时，可用接触点来定义边界。这是分水岭算法在梯度图像中的应用。Kirsch的分割算法8.3.3拉普拉斯边缘检测拉普拉斯算于是对二维函数进行运算的二阶导数标量算子。它定义为:一个无噪声图像具有陡峭的边缘，可用拉普拉斯算子将它们找出来。对经拉普拉斯算子滤波后的图像用零灰度值进行二值化会产生闭合的、连通的轮廓并消除了所有的内部点。但是由于噪声的存在，在运用拉普拉斯算子之前需要先进行低通滤波。选用高斯低通滤波器进行预先平滑是很合适的。由卷积的结合律可以将拉普拉斯算子和高斯脉冲响应组合成一个单一的高斯拉普拉斯核：这个脉冲响应对x和y是可分离的，因此可以

5、有效地加以实现。8.4边缘检测和连接边缘点：确定图像中的物体边界的另一种方法是先检测每个像素和其直接邻域的状态，以决定该像素是否确实处于一个物体的边界上。具有所需特性的像素被标为边缘点。边缘图像:当图像中各个像素的灰度级用来反映各像素符合边缘像素要求的程度时，这种图像被称为边缘图像。8.4.1边缘检测边缘检测算子检查每个像素的邻域并对灰度变化率进行量化，通常也包括方向的确定。有若干种方法可以使用，其中大多数是基于方向导数掩模求卷积的方法。Roherts边缘算子其中，f（x，y）是具有整数像素坐标的输入图像。其中的平方根运算使该处理类似于人类视觉系统中发生的过程。Sobel边缘算

6、子两个卷积核形成了Sobel边缘算子。图像中的每个点都用这两个核做卷积。一个核对通常的垂直边缘响应最大而另一个对水平边缘响应最大。两个卷积的最大值作为该点的输出值。运算结果是一幅边缘幅度图像。Sobel边缘算子图Prewitt边缘算子Prewitr边缘算子Kirsch边缘算子图像中的每个点均与这8个模板进行卷积，每个掩模对某个特定边缘方向作出最大响应。所有8个方向中的最大值作为边缘幅度图像的输出。最大响应掩模的序号构成了对边缘方向的编码。Kirsch算子的梯度幅度值Kirsch边缘算子Kirsch边缘算子边缘检测器性能:使用两个掩模板组成边缘检测器时，通常取较大得幅度作为输出值

7、。这使得它们对边缘的走向有些敏感。取它们的平方和的开方可以获得性能更‘致的全方位响应。这与真实的梯度值更接近。边缘提取方法原图边缘提取方法边缘提取后8.4.2边缘连接问题：如果边缘很明显，而且噪声级低，那么可以将边缘图像二值化并将其细化为单像素宽的闭合连通边界图。然而在非理想条件下，这种边缘图像会有间隙出现，需要加以填充。填充小的间隙可以简单地实现，通过搜索一个以某端点为中心的5×5或更大的邻域，在邻域中找出其它端点并填充上必要的边界像素，从而将它们连接起来。对具有许多边缘点的复杂场景，这种