冈萨雷斯数字图像处理10技术报告.ppt

第10章 图像分割  一、主要内容 点检测 线检测 边缘检测 阈值分割 基于区域的分割 分水岭分割  二、点检测 图像中的孤立点，可以用模板来检测。若在某个点的位置模板响应值R大于指定阈值T，则认为该位置已检测到一个孤立点： |R|≧T 常用的一个点检测模板为： 点检测可用滤波函数imfilter来实现。 实例：g=abs(imfilter(double(f), w))=T; -1 -1 -1 -1 8 -1 -1 -1 -1  二、点检测 例10.1，点检测 f = imread(‘Fig1002(a)(test_pattern_with_single_pixel).tif’); w=[-1 -1 -1; -1 8 -1; -1 -1 -1]; %检测模板 g=abs(imfilter(double(f), w)); %滤波 T=max(g(:)); %得到最大值 g = g=T; %只取最大值一个点 imshow(g); %显示点的位置  三、线检测 可以用特定的模板来检测指定方向的线，如： 若对检测图像中指定方向的线感兴趣，则可以简单地在图像上运行掩膜并对结果的绝对值做阈值处理 -1 -1 -1 2 2 2 -1 -1 -1 -1 -1 2 -1 2 -1 2 -1 -1 -1 2 -1 -1 2 -1 -1 2 -1 2 -1 -1 -1 2 -1 -1 -1 2 水平 垂直 -45 ° +45 °  三、线检测 例10.2 检测指定方向的线 f = imread(‘Fig1004(a)(wirebond_mask).tif’); w=[2 -1 -1; -1 2 -1; -1 -1 2]; %-45 °方向 g=imfilter(double(f), w); %滤波 imshow(g, []); %滤波结果 gtop=g(1:120, 1:120); % 左上角图像 gtop = pixeldup(gtop, 4); %放大图像 figure, imshow(gtop, []); %显示放大的图像 gbot=g(end-119:end,end-119:end);% 右下角图像 gbot=pixeldup(gbot, 4); figure, imshow(gbot, []);  四、边缘检测 虽然点检测和线检测算法都很简单，但边缘检测在实际图像处理中更为常用。 边缘检测通常采用检测亮度的不连续性来实现，即采用一阶导数和二阶导数来检测。 一阶导数一般用梯度来表示，公式为： 常用梯度的幅值表示梯度，近似为： 二阶导数用拉普拉斯算子来计算，公式为：  四、边缘检测 灰度图像 灰度值截面图 一阶导数 二阶导数  四、边缘检测 边缘检测的基本准则： 找到亮度的一阶导数在幅度上比指定阈值大的位置 找到亮度的二阶导数有零交差的位置 matlab函数edge采用以上两个准则来检测边缘，其采用了不同的方法来计算梯度，语法为： [g, t]=edge(f, ‘method’, parameters) f是输入图像，g是边缘二值图像，method是梯度计算方法，t是梯度阈值。 检测梯度的方法有：Sobel, Prewitt, Roberts, Log, Zero crossing, Canny  四、边缘检测 Sobel采用两个模板来计算图像的梯度，如下图： 水平梯度为： 垂直梯度为： 梯度为： Sobel边缘检测器调用语法为： [g,t]=edge(f, ‘sobel’, T, dir); T是输入的阈值，t返回的阈值，dir是梯度方向，可以是’horizontal’, ‘vertical’或’both’ -1 -2 -1 0 0 0 1 2 1 -1 0 1 -2 0 2 -1 0 1 水平梯度模板 垂直梯度模板  四、边缘检测 Prewitt采用两个模板来计算图像的梯度，如下图 水平梯度为： 垂直梯度为： 梯度为： Prewitt边缘检测器调用语法为： [g,t]=edge(f, ‘prewitt’, T, dir); Prewitt边缘检测器比Sobel检测器要简单一些，但是容易产生一些噪声 -1 -1 -1 0 0 0 1 1 1 -1 0 1 -1 0 1 -1 0 1 水平梯度模板 垂直梯度模板  四、边缘检测 Roberts采用两个模板来计算图像的梯度，如下图 水平梯度为： 垂直梯度为： 梯度为： Robert