图像分析与识别幻灯片.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;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