检测图像像素的灰度值的相似性.ppt

第七章 图像分割;7.1 概述;7.1 概述;7.1 概述;图像分割的定义: 令集合R代表整个图像区域，对R的分割可看作将R分成N个满足以下五个条件的非空子集（子区域）R1，R2，…，RN： ； 对所有的i和j，i≠j，有Ri∩Rj =φ； 对i = 1,2,…,N，有P(Ri) = TRUE； 对i≠j,有P(Ri∪Rj) = FALSE； 对i =1,2,…,N，Ri是连通的区域。 其中P(Ri)是对所有在集合Ri中元素的逻辑谓词,φ代表空集。 ;7.1 概述;7.1 概述;7.1 概述;分割对象;7.2 边缘检测算子;阶跃状;;7.2 边缘检测算子;7.2 边缘检测算子;7.2 边缘检测算子;7.2 边缘检测算子;梯度算子;为了检测边缘点，选取适当的阈值T，对梯度图像进行二值化，则有： 这样形成了一幅边缘二值图像g(x,y) 特点：仅计算相邻像素的灰度差，对噪声比较敏感，无法抑止噪声的影响。;Roberts算子;Prewitt算子;Sobel算子;Sobel算子;Kirsch算子（方向算子）;特点 在计算边缘强度的??时可以得到边缘的方向 各方向间的夹角为45o 分析 取其中最大的值作为边缘强度，而将与之对应的方向作为边缘方向； 如果取最大值的绝对值为边缘强度，并用考虑最大值符号的方法来确定相应的边缘方向，则考虑到各模板的对称性，只要有前四个模板就可以了。 ;;拉普拉斯算子;拉普拉斯算子;拉普拉斯算子;Marr算子;其中σ是方差。用h(x,y)对图像f(x,y)的平滑可表示为： *代表卷积。令r是离原点的径向距离，即r2=x2+y2。对图像g(x,y)采用Laplacian算子进行边缘检测，可得： 这样，利用二阶导数算子过零点的性质，可确定图像中阶跃边缘的位置。 称为高斯－拉普拉斯滤波算子，也称为LOG滤波器，或“墨西哥草帽”。;一维LOG函数及其变换函数;由于的平滑性质能减少噪声的影响，所以当边缘模糊或噪声较大时，利用 检测过零点能提供较可靠的边缘位置。在该算子中，σ的选择很重要， σ小时边缘位置精度高，但边缘细节变化多； σ大时平滑作用大，但细节损失大，边缘点定位精度低。应根据噪声水平和边缘点定位精度要求适当选取σ。 下面是σ＝10时，Marr算子的模板：;;;;;在该方向上Gn*f(x,y)有最大的输出响应;;;(a)原图 (b) ▽2h结果 (c)正值为白，负值为黑 (d)过零点 ;;;;;曲面拟合法;按均方差最小准则,令可解出参数a , b , c。可推导出： 按梯度的定义，由平面p(x,y)=ax+by+c的偏导数很容易求得梯度。 a为两行像元平均值的差分，b为两列像元平均值的差分。;这种运算可简化为模板求卷积进行，计算a和b对应的模板如下：;;Laplacian算子;例子;;作业