9第九章数字图像处理之图像分割解析
图像数字处理图像分割
图像数字处理图像分割图像分割是图像数字处理中的一项重要技术，它将图像中的像素点划分成多个区域，以便更好地理解和分析图像。
在本文中，我将介绍图像分割的原理、常用方法及其应用领域。
一、图像分割的原理图像分割的目标是将图像划分成一系列具有相似特征的区域，使得每个区域内的像素点具有相同或相似的属性。
它的基本原理是通过寻找像素点之间的差异来确定区域边界。
常用的图像分割方法包括阈值分割、边缘检测和区域生长等。
阈值分割是最简单的分割方法，它根据像素点的灰度值与预设的阈值进行比较，将像素点分为不同的区域。
边缘检测通过检测图像中的边缘信息来进行分割，常用的方法有Sobel算子和Canny算子。
区域生长是利用像素之间的相似性来逐步迭代地合并像素点，直到形成连续的区域。
二、常用的图像分割方法1. 基于阈值的分割方法：阈值分割是最简单且常用的分割方法之一。
它根据像素点的灰度值与预设的阈值进行比较，将像素点分为不同的区域。
常用的阈值分割方法有全局阈值分割和自适应阈值分割。
2. 基于边缘检测的分割方法：边缘检测是一种常用的图像分割方法，它通过检测图像中的边缘信息来进行分割。
常用的边缘检测方法有Sobel算子、Canny算子等。
3. 基于区域生长的分割方法：区域生长方法是利用像素之间的相似性来逐步迭代地合并像素点，直到形成连续的区域。
它常用于分割具有明显纹理特征的图像。
三、图像分割的应用领域图像分割在计算机视觉、医学影像处理、遥感图像分析等领域具有广泛的应用。
以下列举几个典型的应用领域：1. 目标检测与识别：图像分割可以帮助检测和识别图像中的目标物体，如人脸识别、车辆检测等。
2. 医学影像处理：在医学影像中，图像分割可以帮助医生准确地定位和分析病变区域，如肿瘤检测、血管分割等。
3. 遥感图像分析：遥感图像通常包含大量的地物信息，通过图像分割可以将不同类型的地物区分开来，如土地利用分类、城市区域划分等。
4. 视频分析：图像分割在视频分析中扮演重要角色，可以提取视频中的运动目标，如行人检测、行为分析等。
数字图像处理实验报告——图像分割实验
实验报告课程名称数字图像处理导论专业班级_＿____＿＿_＿___＿_姓名 __＿___＿_____＿__学号___＿＿_____＿____电气与信息学院与谐勤奋求就是创新一．实验目得1.理解图像分割得基本概念;2.理解图像边缘提取得基本概念；3.掌握进行边缘提取得基本方法；4.掌握用阈值法进行图像分割得基本方法.二。
实验内容1.分别用Roｂerｔs，Ｓobel与拉普拉斯高斯算子对图像进行边缘检测。
比较三种算子处理得不同之处；2.设计一个检测图1中边缘得程序，要求结果类似图2，并附原理说明。
3.任选一种阈值法进行图像分割、图1 图２三．实验具体实现1.分别用Robｅrts,Ｓobel与拉普拉斯高斯算子对图像进行边缘检测。
比较三种算子处理得不同之处；I=ｉｍreａｄ(’ｍｒi、ｔｉｆ');imshｏw（Ｉ)BW1=edgｅ（I，’ｒoｂerｔs’）;ｆigure ，ｉｍshow（BＷ1）,titlｅ(’用Robeｒｔs算子’)ＢW2=edgｅ(Ｉ，’sｏbel’);ｆigure,imshoｗ（BW2），ｔitle（’用Sｏbｅl算子 ')BW３＝ｅdge(I，’log’);figure，iｍshｏw（BW３)，titlｅ(’用拉普拉斯高斯算子’）比较提取边缘得效果可以瞧出,sｏbｅr算子就是一种微分算子,对边缘得定位较精确,但就是会漏去一些边缘细节.而Ｌaplaｃｉan—Gaussiaｎ算子就是一种二阶边缘检测方法，它通过寻找图象灰度值中二阶过零点来检测边缘并将边缘提取出来，边缘得细节比较丰富。
通过比较可以瞧出Ｌａplaciaｎ-Gauｓsｉan算子比sobeｒ算子边缘更完整，效果更好。
2.设计一个检测图1中边缘得程序，要求结果类似图2，并附原理说明.i=ｉmread（＇m８3、ｔif’）;subplｏｔ（１，2,1）；ｉmｈｉst（i）;ｔitle（'原始图像直方图'）;thread＝1３０/２5５；subplot（1，２，2);ｉ3=ｉｍ2bｗ(i，thrｅaｄ）；imsｈow（i3)；titlｅ('分割结果’);3.任选一种阈值法进行图像分割、i=iｍread（'tｒｅes、tif’）;subploｔ（１,2,1）；imｈist（i)；ｔitle（＇原始图像直方图’)；threａd=10０/２5５；sｕｂploｔ（１，2,2）;i3=iｍ2bｗ(i,thread）;imｓhow（i３）;titlｅ('分割结果’)1、分别用Robｅrts，Sobel与拉普拉斯高斯算子对图像进行边缘检测。
数字图像处理图像分割课件
基于Mumford-Shah模 …
该方法可以获得更准确、更平 滑的分割结果，并且可以更好 地处理噪声和细节。此外，它 还可以更好地处理形状约束和 边界条件。
基于Mumford-Shah模 …
该方法需要更多的计算资源和 时间来处理每个时间点的水平 集，并且可能难以处理大规模 的形状变化和复杂的形状约束 。
响。
图像分割还可以帮助缩小处理和 分析的规模，提高处理效率，并 为后续的图像分析提供可靠的预
处理结果。
图像分割的分类
01
02
03
04
按照处理方式
图像分割可以分为阈值法、区 域生长法、边缘检测法、图切
割法等。
按照应用领域
图像分割可以分为医学图像分 割、遥感图像分割、人脸识别
等。
按照分割对象
图像分割可以分为二维图像分 割和三维图像分割。
该方法具有能够处理复杂的图像内容和噪声等优点，但也可能需要更多的计算资源和时间。
07
实例展示与结果分析
基于阈值的图像分割实例
总结词
简单、快速、有效的图像分割方法
详细描述
基于阈值的图像分割是一种基本的图像分割方法，通过设置不同的阈值将图像分 割成不同的区域。其优点是简单、快速、有效，适用于简单背景和对比明显的图 像。但是，对于复杂背景和低对比度图像，分割效果较差。
些方法可以自动适应不同图像的特点，且能够根据图像内容的变化自适
应调整阈值。
03
自适应阈值
根据图像的局部特征自适应地设置阈值，例如基于区域生长的方法、基
于边缘检测的方法等。这些方法能够更好地适应图像的局部特征，提高
分割的精度和鲁棒性。
阈值法的优缺点
优点
阈值法简单易行，适用于简单背景和 对比度较高的图像；对于实时性要求 较高的应用场景，阈值法具有较快的 处理速度。
精品文档-数字图像处理(第三版)(何东健)-第9章
第9章 图像编码
它将标量数据组织成一系列k维矢量， 根据一定的失真测 度（如均方误差、 lp范数、 极大范数等）在码书中搜索出 与输入矢量失真最小的码字的索引， 传输时仅传输相应码字 的索引，接收方根据码字索引在码书中查找对应码字， 再现 输入矢量。 矢量量化编码的核心是码书设计， 经典的码书设 计算法有LBG（Linde, Buzo和Gray三人的首字母） 算法（又称为K-means算法）。 码书设计过程就是寻求把M 个训练矢量分成N类（N<M）的一种最佳方案（如均方误差最 小）， 并把各类的中心矢量作为码书中的码字。
第9章 图像编码 9.1.2
人们不断提出新的图像编码方法， 如基于人工神经网络 的编码、 子带编码（Sub band Coding）、 分形编码 （Fractal Coding）、 小波编码（Wavelet Coding）、 基 于模型的编码（Model based Coding）、 基于对象的编码 （Object based Coding）和基于语义的编码（Semantic Based Coding）等。
（2） 预测编码。 预测编码是基于图像数据的空间或时 间冗余特性， 它用相邻的已知像素（或像素块）来预测当 前像素（或像素块）的取值， 然后再对预测误差进行量化和 编码。 预测编码可分为帧内预测和帧间预测， 常用的预测编 码有差分脉码调制（DPCM， Differential Pulse Code Modulation）和运动补偿法。 图9-1和图9-2分别给出了无损 预测编码和有损预测编码系统的原理图，均包括编码器和解码 器， 其中符号编码器通常采用变长编码。
第9章 图像编码 信息熵是无损编码的理论极限， 当平均码长大于等于信 息熵时， 总可设计出一种无失真编码， 这是熵编码的理论基 础。 若使用相同长度的码字表示信源符号， 则称该编码方法 为等长编码， 否则称为变长编码。 变长编码的基本原理是给 出现概率较大的符号赋予短码字， 而给出现概率较小的符号 赋予长码字， 从而使得最终的平均码长很小。 哈夫曼编码和 香农-范诺编码就是两种变长编码方法。
图像分割
Image Segmentation诸薇娜zhuweina@Image Segmentation•数字图像处理的目的之一是图像识别，图像分割与测量是图像识别工作的基础。
•图像分割将图像分为一些有意义的区域，然后可以对这些区域进行描述，相当于提取出某些目标区域图像的特征，判断图像中是否有感兴趣的目标。
图像分割举例•图像分割是把图像分解成构成的部件和对象的过程•把焦点放在增强感兴趣对象–汽车牌照•排除不相干图像成分：–非矩形区域图像分割的策略•图像分割的基本策略是基于灰度值的两个基本特性：–不连续性•是基于亮度的不连续变化分割图像，如图像的边缘–区域内部的相似性•通过选择阈值，找到灰度值相似的区域•区域的外轮廓就是对象的边Image Segmentation•间断检测• 点检测• 线检测• 边缘检测 寻找间断的一般方法：模板检测 点检测•使用如图所示的模板，如果|R| >=T，则在模板中心位置检测到一个点–其中，T是阈值，R是模板计算值•基本思想：如果一个孤立点与它周围的点不同，则可以使用上述模板进行检测。
•注意：如果模板响应为0，则表示在灰度级为常数的区域TRImage SegmentationImage Segmentation线检测: 通过比较典型模板的计算值，确定一个点是否在某个方向的线上4个线检测模板• 第一个模板对水平线有最大响应• 第二个模板对45方向线有最大响应• 第三个模板对垂直线有最大响应• 第四个模板对-45方向线有最大响应Image Segmentation用R1,R2,R3和R4分别代表水平、45、垂直和-45方向线的模板响应，在图像中心的点，如果|Ri| >|Rj| , j !=i则此点被认为与在模板i方向上的线更相关例：如果|R1| > |R j| , j = 2,3,4则该点与水平线有更大的关联•在灰度恒定的区域，上述4个模板的响应为零•可以设计其它模板：•模板系数之和为0•感兴趣的方向系数值较大Image Segmentation边缘检测边缘检测•一阶–在边缘斜面上，一阶导数为正，–其它区域为零•二阶–在边缘与黑色交界处，二阶导数为正–在边缘与亮色交界处，二阶导数为负–沿着斜坡和灰度为常数的区域为零Image Segmentation边缘检测•结论– 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–拉斯算子边缘检测•一阶导数：用梯度算子来计算Image Segmentation边缘检测边缘检测边缘检测边缘检测•结论–Prewitt和Sobel算子是计算数字梯度时最常–用的算子–Prewitt模板比Sobel模板简单，但Sobel模–板能够有效抑制噪声Image SegmentationImage SegmentationImage SegmentationImage Segmentation边缘检测•二阶导数：通过拉普拉斯来计算边缘检测•拉普拉斯算子总结– 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– 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边缘检测Image Segmentation边缘检测•高斯型拉普拉斯算子总结–高斯型函数的目的是对图像进行平滑处理–拉普拉斯算子的目的是提供一幅用零–交叉确定边缘位置的图像平滑处理减少了噪声的影响Image Segmentation边缘检测•对比二阶拉普拉斯算子和一阶Sobel梯度算子– 缺点• 边缘由许多闭合环的零交叉点决定• 零交叉点的计算比较复杂– 优点• 零交叉点图像中的边缘比梯度边缘细• 抑制噪声的能力和反干扰性能• 结论：梯度算子具有更多的应用边缘连接和边界检测• 为什么需要边缘连接？• 局部处理• 整体处理之霍夫变换边缘连接和边界检测•为什么需要边缘连接？–由于噪声、照明等产生边缘间断，使得一组像素难以完整形成边缘–因此，在边缘检测算法后，使用连接过程将间断的边缘像素组合成完整边缘边缘连接和边界检测•局部处理– 分析图像中每个边缘点(x,y)的一个邻域内的像素，根据某种准则将相似点进行连接，由满足该准则的像素连接形成边缘– 如何确定边缘像素的相似性• 边缘像素梯度算子的响应强度• 边缘像素梯度算子的方向边缘连接和边界检测Image Segmentation边缘连接和边界检测•通过Hough变换进行整体处理•Hough变换– 问题的提出– Hough变换的基本思想– 算法实现– Hough变换的扩展•Hough变换问题的提出– 在找出边界点集之后，需要连接，形成完整的边界图形描述•Hough变换的基本思想–对于边界上的n个点的点集，找出共线的点集和直线方程。
遥感数字图像处理-第9章 感兴趣目标及对象提取
11
三、对象提取
遥感图像中的对象即遥感图像上具有相同特征（如光谱、纹 理和空间组合关系等特征）的“同质均一”单元，“同质均 一”不仅体现在光谱域上，也体现在空间域上。图像分割并 经二值图像处理之后，虽然提取出了“同质均一”的各目标 单元，但得到的结果仍然是二值图像，所有的目标单元像元 值均为1。
当存在多个连通域时还需将各个连通域分开来单独分析其属 性，因此需对各目标单元进行识别并赋以单独的编号（即贴 标签）。同时，为了方便对对象的形态特征进行分析，还需 将各目标单元进行矢量化，以提取各目标单元的封闭边界轮 廓。
12
第9章
感兴趣目标及对象提取
感兴趣目标及对象提取
一、图像分割 二、二值图像处理 三、对象提取 难点：形态学分水岭分割过程 重点：图像分割方法
2
一、图像分割
图像分割是指从图像中将某个特定区域与其它部分进行分 离并提取出来的处理，即把“前景目标”从“背景”中提 取出来，通常也称之为图像的二值化处理，主要包括：阈 值法、边界分割法、区域提取法、形态学分水岭分割。
同样，八连通是指当前目标像元在其八近邻中存在同类 像元。所以，四连通成立的时候，八连通一定成立；但 八连通成立，四连通不一定成立。
连通域 （a）四连通；（b）八连通
9
二、二值图像处理
3）内部点和边界点 在每个连通域中，与背景相邻接的点称为边界点，与背景
不邻接的点称为内部点。在四连通定义下，如果当前目标 像元的八近邻像元中没有背景像元，则该像元为内部点； 反之，为边界点。在八连通定义下，如果当前目标像元的 四近邻像元中没有背景像元，则该像元为内部点；反之， 为边界点。
分水岭分割示意图
浅谈数字图像处理中的图像分割技术
（） 性 阈值 ２适应
在 不 同 的区 域有 不 同 的阈值 ，即 自适 性 阙
值。
２２ 区域法 实现 图像 分 割 ．
区域法实现分割是以某种规则为约束 （ 如子 区域全部像素灰度相同、 子区域不重合且相连接
等） ，直接找 取区域 的方 式实现分割 。
摘 要 数字图像处理科学迅速发展并得到广泛应用．图 像分割是其中重要的中间 技术．它依托图
像数字处理底层技术 ，为模 式识别等 高层应用服务 ．本文 简要介 绍了图像分割 的概念范畴和常见的分割 技术的方法描 述．掌握图像分割技术有助 于系统理解数字 图像处理技 术的层次．
关键词 数 字图像处理 图像分剖 阚值
阈值 １整体
就是对整幅图像选定一固定灰度值 ， 以此去 １ 图像分割的范畴
图像 分割 处 理 技 术属 于数 字 图像 处理 技术 中的 图像 分析 范畴 ， 图像 分析 的中 间层处理技 是 术。 图像分 割 的 目的是把经过 底层 处 理的数字 图 像 空 间分 成 若干有 意义 的区域 ， 后期 的一些高层 应 用 如模 式 识 别等 将 在这 些 分 割 的 区域基 础上 进 行 。 割 的依据建 立在这 些 由像 素组 成 的区域 分 做 图像 分类找 出图像 的物体 。 在物体与 背景 单纯
边 界 的损 害 。 （） ３ 拉式 边 界 检测法
参考文献。
【】 ｌ章霄， 董艳雪， 赵文 娟等 ． 数字图像 处理技 术． 北京： 冶金
工业 出版社 ． ０ ２ ５ ０
利 用拉 式 卷 积做 二阶导数搜 寻 边界 的方 法 。
２ ． ４边缘法实现图像分割
利用一 阶导数的大小检测边缘所在并用一
数字图像处理之图像分割PPT课件
第13页/共69页
直方图阈值法matlab实现
• 函数：im2bw，全局阈值函数 • BW=im2bw（I ,level); • BW=im2bw（I ,map ,level); • BW=im2bw（RGB ,level); • 分别将灰度图像、索引图像、彩色图像转化为二值图像， • level，为归一化阈值
型钢截面只需少量加工即可用作构件省工省时成本低但型钢截面受型钢种类及型钢号限制难于完全与受力所需的面积相对应用料较多梯度算子roberts算子prewitt算子kirsch算子原始图像型钢截面只需少量加工即可用作构件省工省时成本低但型钢截面受型钢种类及型钢号限制难于完全与受力所需的面积相对应用料较多laplacian算子曲面拟合法型钢截面只需少量加工即可用作构件省工省时成本低但型钢截面受型钢种类及型钢号限制难于完全与受力所需的面积相对应用料较多梯度算子roberts算子prewitt算子sobel算子kirsch算子原始图像型钢截面只需少量加工即可用作构件省工省时成本低但型钢截面受型钢种类及型钢号限制难于完全与受力所需的面积相对应用料较多laplacian算子marr算子曲面拟合法型钢截面只需少量加工即可用作构件省工省时成本低但型钢截面受型钢种类及型钢号限制难于完全与受力所需的面积相对应用料较多a原图h结果c正值为白负值为黑d过零点例3
图像灰度直方图
暗 Z1
Zi
Zt Zj Zk 亮
背景
目标
双峰法选取阈值的缺点：会受到噪音的干扰，最小值不是预期的阈值， 而偏离期望的值。 改进办法：1）取两个峰值之间某个固定位置，如中间位置上。由于峰 值代表的是区域内外的典型值，一般情况下，比选谷底更可靠，可排除 噪音的干扰；2）加强对噪音的处理。对直方图进行平滑处理，如最小 二乘法等补点插值。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
边缘检测
3、边缘检测的基本步骤
锐化滤波 平滑图像 锐化图像
平 滑 滤 波
边 缘 判 定
原始图像
二值图像
边缘图像
10/15/2018
边缘检测
4、边缘检测方法的分类 可将其算法分为：基于查找的算法和基于零穿 越的算法。除此还有Canny边缘检测算法、统计判 别方法等。 查找方法：通过寻找图像一阶导数中的最大和最 小值检测边界。 零穿越方法：通过寻找图像二阶导数零穿越来寻 找边界。
-1 -1 1 1
10/15/2018
边缘检测
为了检测边缘点，选取适当的阈值T，对梯度图像 进行二值化，则有：
这样形成了一幅边缘二值图像g(x,y).
特点:仅计算相邻像素的灰度差，对噪声比较敏感，无
法抑止噪声的影响。
10/15/2018
边缘检测
图片演示：
-1 1
10/15/2018
2）Roberts算子
函数f(x,y)在(x,y)处的梯度为一个向量：f = [f / x , f / y] 计算这个向量的大小为： G = [(f / x)2 +(f / y)2]1/2 近似为: G |fx| + |fy| 或 G max(|fx|, |fy|)
梯度的方向角为： φ(x,y) = tan-1(fy / fx) 可用下图所示的模板表示：
剖面： 阶跃状
10/15/2018
屋顶状
边缘检测
各种边缘其一阶、二阶导数特点
图像：
剖面：
一阶 导 数 ：
二阶
导 数 ：
10/15/2018
边缘检测
说明：对阶跃边缘，其一阶导数在图像由暗变明的位置处有1个向上的阶 跃，而其它位置都为0，这表明可用一阶导数的幅度值来检测边缘的存在， 幅度峰值一般对应边缘位置。 其二阶导数在一阶导数的阶跃上升区有1个向上的脉冲，而在一阶导数的 阶跃下降区有1个向下的脉冲，在这两个脉冲之间有1个过0点，它的位置 正对应原图像中边缘的位置，所以可用二阶导数的过0点检测边缘位置， 而用二阶导数在过0点附近的符号确定边缘象素在图像边缘的暗区或明区。 对(c)而言，脉冲状的剖面边缘与(a)的一阶导数形状相同，所以(c)的 一阶导数形状与(a)的二阶导数形状相同，而它的2个二阶导数过0点正好分 别对应脉冲的上升沿和下降沿，通过检测脉冲剖面的2个二阶导数过0点就 可确定脉冲的范围。 对(d)而言，屋顶状边缘的剖面可看作是将脉冲边缘底部展开得到， 所以它的一阶导数是将(c)脉冲剖面的一阶导数的上升沿和下降沿展开得到 的，而它的二阶导数是将脉冲剖面二阶导数的上升沿和下降沿拉开得到的， 通过检测屋顶状边缘剖面的一阶导数过0点，可以确定屋顶位置。
• 公式：
f x f ( x 1, y 1) f ( x 1, y 1) f y f ( x 1, y 1) f ( x 1, y 1)
• 模板：
-1
1 1
fx
’
fy’
-1
• 特点：与梯度算子检测边缘的方法类似，对噪声敏感，但效果较梯度 算子略好。
图像分割是图像分析过程中最重要的步骤之一， 分割出的区域可以作为后续特性提取的目标对象。
10/15/2018
图像分割概述
图像分析系统的基本构成如下图：
分割
表示与描述
中级处理
预处理 问题
图像获取
知识库
低级处理
识别 与 解释
结果
高级处理
10/15/2018
图像分割概述
图像分割方法和种类
基于图像灰度值的不连续性或相似性，图像分割方法可 以划分为以下种类。
10/15/2018
边缘检测
5、边缘检测算子 可用一阶、二阶局部微分算子来检测图像中 的边缘。下面是几种常用的微分算子。 –梯度算子
Roberts算子 Prewitt算子 Sobel算子
–高斯-拉普拉斯算子 –Carry边缘检测算子
10/15/2018
9.2.2 常用的边缘检测算子
• 二维图像的一阶导数：梯度算子
串行区域技术(LR) ♦ 区域生长 ♦ 区域分裂与合并
图像分割概述
10/15/2018
图像分割概述
图像分割的目的
•把图像分解成构成它的部件和对象； •有选择性地定位感兴趣对象在图像中的位置和范围像分割的基本思路
从简到难，逐级分割
• 控制背景环境，降低分割难度
• 注意力集中在感兴趣的对象，缩小不相干图像成分的干 扰。
提取轮廓 车牌定位
车牌识别
10/15/2018
图像分割概述
图像分割的几何定义
令集合R代表整个图像区域，对R的分割可看作将R分成N 个满足以下五个条件的非空子集（子区域）R1，R2，…， RN.
i 1
Ri R
N
对所有的i和j，i≠j，有Ri∩Rj =φ； 对i = 1,2,…,N，有P(Ri) = TRUE； 对i≠j,有P(Ri∪Rj) = FALSE； 对i =1,2,…,N，Ri是连通的区域。 其中P(Ri)是对所有在集合Ri中元素的逻辑谓词,φ代表空集。
10/15/2018
并行策略(Global) 不连续性 (Discontinuity) 并行边界技术(GB) ♦ 霍夫变换 串行策略(Local) 串行边界技术(LB) ♦ 边缘跟踪 ♦ 图论法
边界 (Boundary)
相似性 (Similarity)
10/15/2018
区域 (Region)
并行区域技术(GR) ♦ 全局阈值法 ♦ 局部阈值法
10/15/2018
9.2 边缘检测
• • • •
9.2.1 9.2.2
边缘检测概述 常见的边缘检测算子
9.2.3 Matlab实现 9.2.4 Visual C++实现
10/15/2018
边缘检测
9.2.1 边缘检测概述
1.边缘的定义：
图像中周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。
2.边缘的分类 – 阶跃状 – 屋顶状 图像：
第9章 图像分割
主讲人：王珊
10/15/2018
主要内容
• • • • • •
10/15/2018
9.1 9.2 9.3 9.4 9.5 9.6
图像分割概述 边缘检测 霍夫变换 阈值分割 区域分割 小结
9.1 图像分割概述
概念：图像分割是指将图像中具有特殊意义的不 同区域划分开来，这些区域互不相交，每个区域 满足灰度、纹理、彩色等特性的某种相似性准则。