第七章图像分割课件.pptVIP

* * * * * * * * * * * * * * * * * * 7.3 阈值分割 边缘阈值分割 Example： 7.3 阈值分割 局部统计阈值分割 当背景照明不均匀时，全局阈值处理会失败，采取局部统计阈值分割，其思想为： Step1： 计算每个像素邻域内的均值mxy和标准差σxy Step2：计算可变阈值Txy ： Txy = aσxy+bmxy Step3：根据Txy分割图像 7.3 阈值分割 局部统计阈值分割 当背景照明不均匀时，全局阈值处理会失败，采取局部统计阈值分割，其思想为： Step1： 计算每个像素邻域内的均值mxy和标准差σxy Step2：根据均值和标准差分割： 7.3 阈值分割 局部统计阈值分割 当背景照明不均匀时，全局阈值处理会失败，采取局部统计阈值分割，其思想为： Step1： 计算每个像素邻域内标准差σxy Step2： 计算图像灰度均值m Step3：计算可变阈值Txy ： Txy =aσxy+bm Step4：根据Txy分割图像 7.3 阈值分割 局部统计阈值分割 clc;clear;close all; f = imread(cell.tif); f= rgb2gray(f); subplot(221);imshow(f,[]);title(original image); zones = ones(3,3); mean = uint8(imfilter(double(f),zones/9)); std = uint8(stdfilt(f,zones)); subplot(222);imshow(std,[]);title(standard image); a=10;b=0.5; g = (fa*std fb*mean); subplot(223);imshow(g,[]);title(local segmented image); th = graythresh(f); g1 = im2bw(f,th); subplot(224);imshow(g1,[]);title(Otsu segmented image) 7.3 阈值分割 局部统计阈值分割 7.3 阈值分割 移动平均阈值分割 局部阈值处理方法的一种特殊情况是：沿着一幅图像的扫描线计算移动平均。典型的扫描是以zigzag模式逐线执行，进而减少照明偏差。令Zk+1表示在扫描顺序中，在第k+1步遇到的一个点。在新点处的移动平均(平均灰度)由下式给出： 7.3 阈值分割 移动平均阈值分割 clc;clear;close all; f = imread(word.tif); [M,N]=size(f); f0= double(f); subplot(131);imshow(f,[]);title(original image); f1 = f0(:); maf = ones(1,20)/20; ma =filter(maf,1,f1); k =0.5; g = f1 k*ma; g = reshape (g,M,N); subplot(132);imshow(g,[]);title(‘moving thresh segmented image); TH = graythresh(f); g1 = im2bw(f,TH); subplot(133);imshow(g1,[]);title(otsu segmented image); 7.3 阈值分割 移动平均阈值分割 * * * * * * * * * * * * * * * * * * * * * * * 极坐标方程 2.按点的坐标(x,y)和每个角度θ求r (x,y) -45° 0° 45° 90° (2,0) 1.4 2 1.4 0 (1,1) 0 1 1.4 1 (2,1) 0.7 2 2.1 1 (1,3) -1.4 1 2.8 3 (2,3) -0.7 2 3.5 3 (4,3) 0.7 4 4.9 3 (3,4) -0.7 3 4.9 4 7.2 hough 变换 极坐标方程 3 统计 出现的次数。 最大次数3出现 7.2 hough 变换 极坐标方程 则相对应的图像空间中的线分别为： 和 7.2 hough 变换 极坐标方程 霍夫变换检测到的直线 7.2 hough 变换 Hough 变换的函数实现 7.2 hough 变换 hough：计算图像的hough变换空间 Syntax： [H, theta, rho] = hough(BW) [