数字图像处理复习资料课题.ppt

第三步 平均灰度相似性检测准则算法： 算法实现步骤与单连接区域增长相似。设某一图像区域O，其中 象素数为N，则均值为： 设检测阈值为 K，于是，区域 O 的均匀测度度量可写为 在图像区域 O 中，各象素灰度值与均匀值的差不超过阈值 K， 则其均匀测度度量为真。 例：设有一数字图像，如图所示。检测灰度为9，平均灰度均匀测 度度量的阈值为2，采用区域增长技术对图像进行分割。 1 2 6 4 6 1 5 6 8 5 5 8 9 7 6 5 7 8 5 8 5 6 7 8 3 1 2 6 4 6 1 5 6 8 5 5 8 9 7 6 5 7 8 5 8 5 6 7 8 3 (8＋9＋8＋8)/4=8.25 (8+8+9+7+7+8+7+8)/8=7.75 8 8 7 7 7 6 8 8 6 8 6 6 6 (6+6+6+8+8+9+7+6+7+8+8+6+7+8)/14=7.14 0 0 1 0 1 0 0 1 1 0 0 1 1 1 1 0 1 1 0 1 0 1 1 1 0 Huffman编码 输入 S1 S2 S3 S4 S5 S6 输入概率 0.4 0.3 0.1 0.1 0.06 0.04 第一步 0.4 0.3 0.1 0.1 0.1 第二步 0.4 0.3 0.2 0.1 第三步 0.4 0.3 0.3 第四步 0.6 0.4 0 1 0 1 0 1 0 1 0 1 S2=00 Huffman编码 输入 S1 S2 S3 S4 S5 S6 输入概率 0.4 0.3 0.1 0.1 0.06 0.04 第一步 0.4 0.3 0.1 0.1 0.1 第二步 0.4 0.3 0.2 0.1 第三步 0.4 0.3 0.3 第四步 0.6 0.4 0 1 0 1 0 1 0 1 0 1 S3=011 Huffman编码 输入 S1 S2 S3 S4 S5 S6 输入概率 0.4 0.3 0.1 0.1 0.06 0.04 第一步 0.4 0.3 0.1 0.1 0.1 第二步 0.4 0.3 0.2 0.1 第三步 0.4 0.3 0.3 第四步 0.6 0.4 0 1 0 1 0 1 0 1 0 1 S4=0100 Huffman编码 输入 S1 S2 S3 S4 S5 S6 输入概率 0.4 0.3 0.1 0.1 0.06 0.04 第一步 0.4 0.3 0.1 0.1 0.1 第二步 0.4 0.3 0.2 0.1 第三步 0.4 0.3 0.3 第四步 0.6 0.4 0 1 0 1 0 1 0 1 0 1 S5=01010 Huffman编码 输入 S1 S2 S3 S4 S5 S6 输入概率 0.4 0.3 0.1 0.1 0.06 0.04 第一步 0.4 0.3 0.1 0.1 0.1 第二步 0.4 0.3 0.2 0.1 第三步 0.4 0.3 0.3 第四步 0.6 0.4 0 1 0 1 0 1 0 1 0 1 S6=01011 熵： 计算编码效率： 编码效率： 平均码长： ＝0.4＋0.3×2＋0.1×3＋0.1×4＋0.06×5＋0.04×5＝2.2 bit 为在接收端对上述编码进行解码，可以采用树形解码方法唯一地解码，每输入一位即可确定分支情况，并自动确定码字的起止位。为此需要建立右图的解码树。 wi 1 0 1 1 1 1 0 0 0 0 w1 w3 w6 w2 w4 w5 在解码时将输入的数码按树去分配，得到码字的切分和代码符号，例如，输入序列 1 0 1 1 1 0 0 0 1 0 1 0 1 从上述解码过程可以看到，虽然 Huffman 码不是等长码，但解码中能自动确定起止位。解码结果是唯一的。 作业： 1.有如下信源x， X＝ u1 u2 u3 u4 u5 u6 u7 u8 P1 P2 P3 P4 P5 P6 P7 P8 其中：P1＝0.21, P2＝0.09, P3＝0.11, P4＝0.13, P5＝0.07, P6＝0.12, P7＝0.08, P8＝0.19。 将该信源进行哈夫曼编码。 7.1 间断检测 Detection of Discontinuities 基于图像灰度值的不连续性，在图像分割技术中主要有点、线和边缘检测等检测类型，其中边缘检测成为近年来图像分割算法的主题。 用于检测图像灰度值不连续的常用方法是空间滤波。 w9 w8 w7 w6 w5 w4 w3 w2 w1 模板的响应与其中心相关。 7.1.1 点检测 Point Dete