图像分割的研究与实现讲述.ppt

单阀值、多阀值 图像只有目标和背景两大类,那么只需选取一个阈值称为单阈值分割。这种方法是将图像中每个像素的灰度值与阈值相做比较。然后将图像分为两类，灰度值大于阈值的像素为一类，灰度值小于阈值的像素为另一类。如果图像中有多个目标就需要选取多个阈值将各个目标分开，这种方法称为多阈值分割。 双峰之间的波谷处就是图像的阈值所在，如图1—1所示很容易理解波谷的两侧分别对应着差异明显的两个区域：前景和背景。这种方法一般适用于差异对比很明显的图像。 但是在很多情况下，图像的背景由多部分构成，其中的一些部分在目标阈值灰度的左侧，一些在目标灰度值的右侧，假如进行单阈值分割的话，必然会造成其中的一部分背景在分割时被当做背景处理了。这时就需要设置多个阈值即使用多阈值分割。 特定理论的图像分割方法 1. 基于神经网络的分割方法 ：神经网络方法分割图像的思想是用训练样本集对神经网络进行训练以确定节点间的连接和权值，再用训练好的神经网络分割新的图像数据，这种方法需要大量的训练数据。神经网络存在巨量的连接，容易引入空间信息，能较好地解决图像中的噪声和不均匀问题。选择何种网络结构是这种方法要解决的主要问题。 2. 基于数学形态学的边缘检测方法：它的基本思想是用 具有一定形态的结构元素去量度和提取图像中的对应 形状以达到对图像分析和识别的目的。基于形态学的 图像边缘检测的关键是针对各种运算的特点，结合形 态学多结构元多尺度的特性，构造优良的边缘检测算 子来较好地解决边缘检测精度与抗噪声性能的协调问 题。 常见图像分割方法的算法实现 基于阈值的图像分割的算法实现 基于边缘检测的图像分割的几种算法 基于小波变换的图像边缘检测的算法实现 基于边缘检测的图像分割的几种算法 （1）滤波。边缘检测主要基于导数计算，但受噪声影响。但滤波器在降低噪声的同时也导致边缘强度的损失。（2）增强。增强算法将邻域中灰度有显著变化的点突出显示。一般通过计算梯度幅值完成。（3）检测。但在有些图像中梯度幅值较大的并不是边缘点。最简单的边缘检测是梯度幅值阈值判定。（4）定位。精确确定边缘的位置。 流程图 仿真结果 毕业课题:图像分割的研究与实现答辩人：李金文 1.基于区域的分割方法:基于阀值的分 割方法、边缘检测法 2.特定理论的常见的图像分割方法 3.常见图像分割方法的算法实现 4.图像分割的仿真与结果分析 图像分割的研究与实现 意义：基于区域的分割方法是根据区域内特点的相似程度把图像划分成一系列有实际意义区域的处理方法。 基于阀值的分割方法：单阀值、多阀值 边缘检测法：Roberts算子，Prewitt算子，Sobel算子，Log算子，canny算子 基于区域的分割方法 原始图像 平滑图像 平滑图像 得出边缘的二值化图像既检出边缘点 阈值分割 梯度算子 边缘增强 边缘检测 边缘定位 图像滤波 对于前景与北京对比比较明显且只有单一前景的话，图像分割还能达到比较好的效果，但是对于有多个前景，且前景和背景都有大于和小于阈值部分的存在时，那么在单阈值分割的情况下，就会有些背景或者前景图像没有分离出来的情况。 谢谢老师