图像分析与识别-课件-5PPT.ppt

北京航空航天大学 仪器科学与光电工程学院 School of Instrumentation Science Optoelectronics Engineering;;;;;;;算法：单阈值化;单阈值化的例子;算法：带阈值化;带阈值化的例子;算法：半阈值化;半阈值化的例子;多阈值的阈值化，其处理后的结果图像不再是二值的，而是由一个有限的灰度值集合组成的图像。;;;局部阈值（自适应阈值）的例子;一、阈值检测方法;p率阈值化;基于直方图形状分析的阈值检测方法 ;二模态的直方图;;;二、最优阈值化;由两个正态分布近似的灰度直方图，按照使得分割错误概率最小取阈值 ;;算法：迭代的(最优的)阈值选择 ;;;使用最优阈值分割核磁共振脑图像中白质、灰质和脑脊髓流;;三、多光谱阈值化;算法：递归的多光谱阈值化;;;迭代的多光谱阈值化;四、分层数据结构下的阈值化 ;;;分层阈值化;;;;;;;一、边缘图像阈值化;边缘图像阈值化中的两个问题;算法：有方向的边缘数据的非最大抑制 ;非最大抑制：考察相对于局部边缘信息的邻接像素;算法：边缘检测算子输出的滞后过滤;;二、边缘松弛法;;局部邻域中的边缘模式;;;;;算法：边缘松弛法;边缘松弛的例子;三、边界跟踪;;算法：内边界跟踪;;;内边界跟踪的例子;根据4-邻接跟踪区域内边界直至完成。 外边界由所有的在搜索过程中测试过的非区域像素组成，如果某些像素被测试超过一次，它们就被在外边界上列出超过一次。 ;外边界跟踪;;;按照标准的方法定义一个扩展边界的起始像素（按照从左到右、从上到下一行一行地搜索图像的方式找到第一个区域像素）。 从起始像素沿着跟踪边界的第一个移动方向依赖于背景和区域点的局部结构以及通向当前像素的方向。;;在跟踪扩展边界时所有可能出现的12种情况的查找表;;算法：灰度图像中的边界跟踪 ;;;四、作为图搜索的边缘跟踪;;;;;边缘图像的图表示 ;;;;;用于边界检测的图搜索算法（Nilsson的A-算法）;;图搜索A-算法的例子;;;一些通常可用的费用函数;;;;;五、作为动态规划的边缘跟踪;作为动态规划的边缘跟踪;使用动态规划的图搜索序列的例子;; ;;使用动态规划检测肺部裂缝;算法：作为动态规划的边界跟踪;;;;;;;六、Hough变换;;;;;;Hough变换，圆形检测的例子 ;;;;;;;;;;;;;;Hough变换-直线检测;算法：使用Hough变换的曲线检测;;检测圆的Hough变换 ;广义Hough变换;;;;;R-表;算法：广义Hough变换;;;;;七、使用边界位置信息的边界检测;;;;;;;八、从边界构造区域;;算法：从部分边界形成区域 ;;;;;;;;;一、区域归并;;算法：区域归并（大纲）;;;算法：通过边界溶解的区域归并;;;;;区域归并分割;二、区域分裂;;;;;区域分裂和区域归并方法可能会产生不同的分割 ;;三、分裂与归并 ;;;;;;;算法：分裂与归并;;;四、分水岭分割 ;;;;;分水岭的定义;分水岭形成过程的示意图;;;;;分水岭图像分割的例子_1;分水岭图像分割的例子_2;分水岭图像分割的过分割现象;;平滑梯度图像后的分水岭变换;;;标记控制分水岭图像分割方法的流程框图;使用标记控制分水岭图像分割的例子_1;使用标记控制分水岭图像分割的例子_2;使用标记控制分水岭图像分割的例子_3;分水岭图像分割算法分割彩色图像的例子;五、区域增长后处理 ;;算法：小图像区域消解;;;;;;;;一、匹配标准;;算法：基于匹配的分割 ;;;;最优性匹配标准评价，对于不同模式位置的C3最优性标准的一个简单例子，最好的匹配位于左上角。 ;;二、匹配的控制策略;;;;;;;;;;;;一、图像分割;;二、阈值化 ;;;;;三、基于边缘的分割;;;;;;;;;;;;;四、基于区域的分割 ;;;;;;;;五、匹配;;