第五章图像分割材料.ppt

C、如果点(x1,y1)与点(x2,y2)共线，那么这两点在参数 ab平面上的直线将有一个交点。 D、在参数ab平面上相交直线最多的点，对应的xy平面 上的直线就是我们的解 a b y x (x1,y1) (x2,y2) a’ b’ a A （3）实例 3 MATLAB实现 设计与实现一个基于Hough变换的直线检测器。（作业） 5.3 门限处理 1 基础 （1）单阈值分割 思考题：如何寻找阈值？ （2）多阈值分割 （3）门限处理的分类 A、全局门限处理 T仅取决于f(x,y)，即仅取决于灰度级值。 B、局部门限处理 T取决于f(x,y)和p(x,y)。 C、动态（自适应）门限处理 T取决于空间坐标x和y。 f(x,y)是点(x,y)的灰度级，p(x,y)表示点(x,y)的局部性质。 2 照明不均匀的影响 照明条件不好的图像，用单阈值时很难分割的。 常用的改进措施： 3 基本全局门限处理 4 基本自适应门限处理 不均匀亮度等成像因素会造成单一全局门限无法有效分割。另一种改进措施是将图像进一步细分为子图像，并对不同的子图像使用不同的门限进行分割。 你有什么其它的改进方法？ 5 最佳全局和自适应门限（自学） 6 利用边界特性改进直方图和局部门限处理 （1）基本思想 如果直方图的尖峰很高、很窄、具有对称性且被很深的波谷割开，则门限处理就具有非常好的效果。 一种改进直方图形状的方法是只考虑边缘附近的像素，使得直方图对于对象和背景大小的依赖性变小。 另外，使用某些简单度量的像素会趋向于加深直方图尖峰之间的波谷，如拉普拉斯算子。 （2）基本方法 A、 对图像分别进行梯度运算和拉普拉斯运算； （局部运算） B、由梯度图计算门限T； C、生成三级图像： D、进行扫描，标记目标和对象。 (…)(-,+)(0,或+)(+,-)(…) 7 基于不同变量的门限 （自学） 8 MATLAB实现 全局阈值处理 语法：T=graythresh(f) 说明：T是阈值，归一化为0至1之间的值。 局部阈值处理 通过一个形态学顶帽算子并对得到的结果使用graythresh来计算。 示例： f=imread(‘cell.tif’); imshow(f); T=graythresh(f); G=f=T; figure, imshow(g); * 第5章 图像分割 图像分割实例：虹膜定位 主要内容 5.1 间断检测 5.2 边缘连接和边界检测 5.3 门限处理 5.4 基于区域的分割 5.5 基于形态学分水岭的分割 （自学） 概念 1、图像分割是指将图像划分为它的子区域或对象的过程。 2、有选择性地定位感兴趣对象在图像中的位置和范围。 虹膜定位 原理 1、基于灰度的不连续性。（区域之间） 2、基于灰度的相似性。（区域内部） 5.1 间断检测 1 点检测 （1）原理 用空域的高通滤波器来检测孤立点。 -1 -1 -1 -1 8 -1 -1 -1 -1 -1 -2 -1 -2 12 -2 -1 -2 -1 与前面学过的滤波器有什么区别？ （2）实例 （3）MATLAB实现 点检测模板w： -1 -1 -1 -1 8 -1 -1 -1 -1 检测方法： g=abs(imfilter(double(f), w))=T 示例 f=imread(‘moon.tif’); w=[-1 -1 -1; -1 8 -1; -1 -1 -1]; g=abs(imfilter(double(f), w)); T=max(g(:)); T=T*0.9; g=g=T; imshow(f); figure, imshow(g); 2 线检测 （1）原理 模板检测。 （2）实例 （3）MATLAB实现 水平模板、+45度模板、垂直模板、-45度模板。 示例 f=imread(‘wirebond_mask.tif’); imshow(f); w=[2 -1 -1; -1 2 -1; -1 -