第7章 图像分割61367.pptVIP

(a) (b) (c) (d) 图中红色区域为目标，其它区域为背景，它们都具有常数灰度值 对整个图像R，P(R)=FALSE，(P(R)=TRUE代表在R中的所有象素都具有相同的灰度值 )，将其分裂成如图(a)所示四个正方形区域，左上角区域满足P，不必继续分裂，其它三个区域继续分裂而得到(b)，除包括目标下部的两个子区域外，其它区域都可按目标和背景合并。下面两个子区域继续分裂得到( c)，此时所有区域都已满足P ，最后一次合并可得到(d)的分割结果 已知二值图像，如下图所示。 （1）对该图像使用四叉树进行划分； （2）用四叉树表达该图像。 思考题 2.判断分析法 假定最简单图像f(i,j)的灰度区间为[0,L-1],选择一阈值t将图像的像素分为c1、c2两组； 计算组内方差： 计算组间方差： 判别： 越大越好 通过改变t的取值，使判别最大。此时的t就为分割阈值 3.最佳熵自动阈值法 通过研究图像灰度直方图的熵测量，自动找出图像分割的最佳阈值。 KSW熵方法:基于两个分布假设的方法 设有阈值t，将灰度范围为[0，L-1]的图像划分为目标W与背景B两类。[0,t]的像素分布和[t+1,L-1]的像素分布分别为： 使分割后图像的熵最大 计算两个分布对应的熵，设分别为HW(t)和HB(t)，则整幅图像的熵为： 使熵H(t)取最大值的t,就是分割目标与背景的最佳阈值。 4.最小误差分