处理_第十章_图像分割.ppt

Chapter 10 Image Segmentation 10.2 边缘连接和边界检测 参见图10.24： Chapter 10 Image Segmentation 10.2 边缘连接和边界检测 定义图形G（N，U）是有限非空节点集合N+无序点对集合U，U中 对（ ）叫作一条弧， 、 为节点。 如果弧从节点 指向 ，则 为后继节点， 为父节点。 被指出了弧的图叫指向图 定义开销C（ ），它与弧 联系。 节点序列 ，叫从 到 的路径。整条路径的开销： 是 的后继节点。 Chapter 10 Image Segmentation 10.2 边缘连接和边界检测 边缘像素:由 来定义 图10.23说明把刚才的概念如何用于边缘检测 Chapter 10 Image Segmentation 10.2 边缘连接和边界检测 每个边缘像素有个相应的开销： H为图像中最高灰度级。 按惯例，P点位于边缘像素追踪方向的右手一边。p、q是四邻接的。 图10.24中：每个矩形→边缘像素，如果前后紧随的两个相应的边缘像素是同一边缘的一部分，则两个节点间存在一条弧。 通过寻找最小开销路径，进行边缘连接。 为减少搜索工作量，可采用试探的方法，具体步骤见P481。 Chapter 10 Image Segmentation 10.2 边缘连接和边界检测 例子见P482例10.9 Chapter 10 Image Segmentation 10.3 门限处理 10.3 门限处理 10.3.1 基础 参见图10.26 Chapter 10 Image Segmentation 10.3 门限处理 可以把门限处理看作下列形式函数T的一种操作 ，p(x,y):局部性质,如：平均灰度 最后： Chapter 10 Image Segmentation 10.3 门限处理 10.3.2 照度（明）的作用 反对率 照度（明） 参见右图图10.27 照度不均匀，难以分割。 Chapter 10 Image Segmentation 10.3 门限处理 的直方图是 和 的直方图卷积，如果 为常数（均匀照明），则 为常数，其直方图是一个尖峰（脉冲）。可函数与任何函数卷积，结果不变（直方图不变）否则，卷积后，直方图发生变化。 补偿均匀性的方法是：照明投射到一均匀白色反对面上，生成一幅图像： 的门限为T， 门限为 。 Chapter 10 Image Segmentation 10.3 门限处理 10.3.3 基本全局门限 采用一门 限进行判别。 例子见 P415 例10.10。 Chapter 10 Image Segmentation 10.3 门限处理 自动门限的获得： ①选一个T的初值 ②用T分割图像，分成了两类像素 ③对区域G1, G2计算平均灰度 ④新门限 ⑤重复②—④，直至T值变化小于T。 Chapter 10 Image Segmentation 10.3 门限处理 例10.11：全局门限分割 Chapter 10 Image Segmentation 10.3 门限处理 10.3.4 基本自适应门限 当照明不均匀时，易使全局门限失效。一种解决办法是将图像进一步细分为子图像，并对不同的子图像使用不同门限进行分割。 P427例10.12为基本的自适门限处理。 Chapter 10 Image Segmentation 10.3 门限处理 图10.30 Chapter 10 Image Segmentation 10.3 门限处理 图10.31 Chapter 10 Image Segmentation 10.3 门限处理 10.3.5 最佳全局和自适应门限 本节讨论一种产生最小平均分割误差的门限估计法。假设一幅图像仅包含两个主要灰度级区域，直方图可以看作对分布的概率密度函数（PDF）的估计P（z）。 参见P490图10.32 Chapter 10 Image Seg