图像与识别_课件_5讲述.ppt

图像处理、分析与理解 Image Processing, Analysis and Understanding 在对处理后的图像数据进行分析之前，图像分割是最重要的步骤之一。 图像分割的主要目标是将图像划分为与其中含有的真实世界的物体或区域有强相关性的组成部分。 我们可以将目标定位于完全分割，其结果是一组唯一对应于输入图像中物体的互不相交的区域。 我们也可以将目标定位于部分分割，其中的区域并不直接对应于图像物体。 为了获得完全分割，必须与使用有关问题领域的专门知识相协作。 如果目标是部分分割，则图像被划分为分开的同态的区域。这样部分分割的图像必须经过进一步处理，并借助高层知识找到最终的图像分割。 图像分割方法可以划分为三组： 基于图像或图像部分的全局知识，这种知识一般由图像直方图来表达； 基于边缘的分割； 基于区域的分割。 灰度级阈值化是最简单的分割处理。 很多物体或图像区域表征为不变的反射率或其表面光的吸收率，因此可以确定一个亮度常量即阈值来分割物体和背景。 阈值化计算代价小、速度快。 图像R的完全分割是区域R1,…,RS的有限集合： 算法：单阈值化 单阈值化是输入图像f到输出图像g的如下变换，对于属于物体的像素g(i,j)=0，对于属于背景的像素g(i,j)=255（或反之亦然）。 单阈值化的例子 算法：带阈值化 将图像分割为具有一个集合D内的灰度的区域而其它作