图像数字处理图像分割优秀培训书.pptVIP

8.7.1分水岭算法 分水岭算法 分水岭算法不是简单地将图像在最佳灰度级进行阈值处理，而是从一个偏低但仍然能正确分割各个物体的阈值开始。然后随着阈值逐渐上升到最佳值，使各个物体不会被合并。这个方法可以解决那些由于物体靠得太近而不能用全局阈值解决的问题。 如果初始的阈值太低，那么低对比度的物体开始时会被丢失，然后随着阈值的增加就会和相邻的物体合并。如果初始阈值太高，物体一开始便会被合并。最终的阈值决定了最后的边界与实际物体的吻合程度。 分水岭方法和距离变换方法分割相互连接图像 二进制图像 距离变换方法 分水岭方法 8.7.2 物体隶属关系图 在物体隶属关系图中，每个像素的灰度级按其在原始图像中所对应的像素所属的物体序号进行编码。 隶属关系图技术通用性很强，但它不是一种对保存分割信息特别紧凑的方法。它需要一幅附加的全尺寸的数字图像来描述甚至只包含一个小物体的场景。 如果仅对物体的大小和形状感兴趣，分割后可舍弃原始图像。如果仅有一个物体或物体不需要区分，还可以进一步减少数据量。 8.7.3边界链码 链码是从在物体边界上任意选取的某个起始点的(x，y)坐标开始的。这个起始点有8个邻接点，其中至少有一个是边界点。边界链码规定了从当前边界点走到下一个边界