梯度分割技术四.pptVIP

* 缺图 * * 缺图 * * 缺图 3 梯度分割技术 利用边缘象素梯度的相似性 注意：当邻域较小时，则不是所有边界都能闭合。此方法对复杂图像效果较差。 3 梯度分割技术 3）边缘拟合 思想：若边缘点很稀疏，则需要用某个解析函数如分段线性或高阶样条曲线来拟合边缘。称为边缘拟合。 方法：常根据图像一小块区域来建立拟合模型。 常用方法有： （1）迭代端点拟合的分段线性方法； （2）灰度阶跃边缘模型； （3）灰度渐变边缘模型等。 3 梯度分割技术 （1）迭代端点拟合（iterative endpoint fitting） 3 梯度分割技术 3 梯度分割技术 （2）灰度阶跃边缘模型 3 梯度分割技术 ‘A-D’还有什么含义呢? 3 梯度分割技术 （3）灰度渐变边缘模型 3 梯度分割技术 3 梯度分割技术 3 梯度分割技术 4）Hough变换 目的：检测图像中某些给定形状的曲线并用参数方程描绘。并较少受曲线中断点的影响。 思想：Hough变换是对图像进行坐标变换，使之在另一个坐标空间的特定位置出现峰值。 原理：点-线的对偶性（duality）。 3 梯度分割技术 3 梯度分割技术 3 梯度分割技术 计算方法 3 梯度分割技术 极坐标方法 原因：上一方法在直线接近垂直时，A累加数组变得很大。 方法：采用极坐标方法。 3 梯度分割技术 4 边界跟踪和区域生长 1）边界跟踪 2）区域生长 4 边界跟踪和区域生长 1）边界跟踪 目的：要求目标轮廓边界细、连续无间断、准确。 边界跟踪（boundary tracking）或边缘点连接（edge point linking）的思想是：由图像梯度出发，依次搜索并连接相邻边缘点从而逐步检测出边界。 4 边界跟踪和区域生长 边界跟踪的三个基本步骤： （1）确定作为搜索起点的边缘点； （2）确定和采用一种合适的搜索机理，在已发现的边界点基础上确定新的边界点； （3）确定搜索终结的准则或终止条件（如边界闭合或回到起点）。则满足条件时，结束搜索。 4 边界跟踪和区域生长 简单方法 此方法适用于噪声较小图像。 4 边界跟踪和区域生长 4 边界跟踪和区域生长 跟踪虫技术（Tracking bug） 窗口越大，对梯度的平滑作用越强，也越抗噪声。 4 边界跟踪和区域生长 4 边界跟踪和区域生长 2）区域生长 目的：从单个象素出发，逐渐合并以形成所需的分割区域； 思想：将具有相似性质的象素集合起来构成区域。 与边界跟踪不同，边界跟踪基于梯度得到的是边界；而区域生长基于灰度得到的是区域。 举例： 4 边界跟踪和区域生长 4 边界跟踪和区域生长 区域生长应解决三个问题： （1）选择或确定一组能正确代表所需区域的种子象素； （2）确定在生长过程中能够将相邻象素包括进来的准则； （3）确定在生长过程中停止的条件或准则。 4 边界跟踪和区域生长 确定种子象素 可以将灰度呈现聚类的情况，则将聚类中心的象素取为种子象素。 基于区域灰度差的生长准则 4 边界跟踪和区域生长 基于区域内灰度分布统计性质的生长准则 基于区域形状的生长准则 4 边界跟踪和区域生长 要点总结 图像域值化分割的统一模型和分类； 了解和掌握几种常用的域值化分割算法； 了解什么是边界闭合，其主要解决方法是什么； 了解什么是边缘拟合，其主要解决方法是什么； 了解哈夫变换的思想，计算方法和极坐标方法； 了解边界跟踪思想，和跟踪虫技术； 了解边缘生长思想，和主要生长准则。 * 缺图 * 缺图 * 缺图 数字图像处理 第十七章 图像分割 CH17 图像分割 一、序言 二、区域分割技术 三、梯度分割技术 四、边界跟踪和区域生长 要点总结 1 序言 1）与图像处理的关系 2）分割算法分类 3）目前研究应用方向 图像分割的目的: 使输出图像所包含的数据远少于输入图像, 但这些数据信息却与图像分析更有关系. 1 序言 2）分割算法分类 算法分类的原则 （1）每个算法都能归到某一类； （2）所有算法都能包含在各类中； （3）同一类中的算法具有某些相同的性质； （4）不同类中的算法具有某些不同的性质。 图像分割的三种不同基本原理 （1）区域方法：把各象素归到不同物体或区域中； （2）边界方法：确定区域间的边界； （3）边缘方法：确定边缘象素，并把象素连接在一起构成所需边界或区域； 后两种往往不区分 1 序言 3）目前研究方向 （1）首先，大量的研究集中在对分割算法的研究上； （2）其次，根据分割评价方法，对各种分割算法的性能进行刻画和比较； （3）最后，对分割评价方法的研究。 图像分割: IMAGE SEGMENTATION 边缘检测: EDGE DETECTION 2 区域分割技术 1）阈