图像工程概论2012no2.pptVIP

* * 类间方差阈值分割 这是由Ostu提出的最大类间方差法，又称为大津阈值分割法，是在判决分析最小二乘法原理的基础上推导得出的 具体算法： 设原始灰度图像灰度级为L，灰度级为i的象素点数为ni，则图像的全部象素数为 N=n0+n1+…+nL-1 归一化直方图，则 pi=ni/N，∑i=0L-1pi=1 按灰度级用阈值t划分为两类：C0=(0,1,..t)和C1=(t+1,t+2,…L-1),因此，C0和C1类的类出现概率及均值层分别由下列各式给出 其中： 可以看出，对任何t值，下式都能成立： C0和C1类的方差可由下式求得： 定义类内方差为： 类间方差为： 总体方差为： 引入关于t的等价判决准则： 类间/类内 三个准则是等效的，把使C0,C1两类得到最佳分离的t值作为最佳阈值，因此，将λ(t)、η(t)、κ(t)定义为最大判决准则。 由于σw2是基于二阶统计特性，而σB2是基于一阶统计特性，它们都是阈值t的函数，而σT2与t值无关，因此三个准则中η(t)最为简单，因此选其作为准则，可得到最佳阈值t* * * * * * * * * * * * * 基于边缘的分割 先检测不连续的点，然后将点连接成边界 点检测 线检测 边缘检测 无论哪种方法，其处理过程为 R = w1z1+w2z2+…+w9z9 = S wkz 其中 zk 是 与模板系数wk相联系的灰度级象素 R代表模板中