影像分割(面特征提取).pptVIP

腐蚀后 膨胀后 原图 使二值图像减小一圈 使二值图像扩大一圈 [二]、影像分割的主要方法 四、数学形态学法 影像分割 开运算 闭运算 开运算 1）消除细小对象 2）在细小粘连处分离对象 3）在不改变形状的前提下，平滑对象的边缘 闭运算 1）填充对象内细小空洞 2）连接邻近对象 3）在不明显改变面积前提下，平滑对象的边缘 [二]、影像分割的主要方法 四、数学形态学法 影像分割 初始种子的位置与数量对结果影响比较大，抗噪能力一般，计算量较大 原理简单直观，可以进行并行计算 目标为面状均匀区域，区域轮廓比较明显 区域生长 应用了目标的灰度以及特征信息，可以进行并行计算 抗噪能力强，原理简单 综合了图像的局部灰度信息和目标形态信息，适于形态学方法处理，可以并行处理 优点 初始类别的确定、样本的数量、不同的方法均对结果有较大影响，计算量较大 目标区域类别未知且复杂分布 聚类分割 大多数情况下，目标和背景的灰度分布不满足正态分布，分割阈值难以确定，对内容复杂的图像效果不好，迭代计算效率不高 特征空间谷峰差异明显，目标和背景的灰度分布接近正态分布，图像内容简单，细节较少 阈值分割 对噪声敏感，无法保证区域内部的一致性，边缘的准确性难以确定，大多数边缘无法形成闭合的区域轮廓，琐碎边缘的处理难度较大 噪声少，边缘清晰连贯，细节少，以内容分类为主要目的 边界检测 缺点 适用范围 方法 影像分割