第六讲 图像分割经典案例.pptVIP

第六讲 图像分割;图像分析概述;图像分析步骤;图像分割;图像分割解释;图像分割方法;7.2 边缘检测算子;边缘检测的基本原理;两种图像边缘和边缘点近旁灰度方向导数变化规律;阶跃状;7.2 边缘检测算子;边缘检测算子：几种常用的边缘检测算子;梯度算子;梯度算子;Roberts算子;Roberts算子计算示例;Prewitt算子;Prewitt算子计算示例;Sobel算子;Sobel算子示例;不同算子的图像边缘检测结果;专门检测对角线边缘的prewitt和sobel算子;方向微分算子;Kirsch算子及特点分析;Kirsch算子;Nevitia算子;Laplacian算子;拉普拉斯算子;拉普拉斯算子;检测效果分析;Marr算子;其中σ是方差。用h(x,y)对图像f(x,y)的平滑可表示为： *代表卷积。令r是离原点的径向距离，即r2=x2+y2。对图像g(x,y)采用Laplacian算子进行边缘检测，并根据卷积微分/导数性质，可得： 这样，利用二阶导数算子过零点的性质，可确定图像中阶跃边缘的位置。 称为高斯－拉普拉斯滤波算子，也称为LOG滤波器，或“墨西哥草帽”。;一维LOG函数及其变换函数;由于的平滑性质能减少噪声的影响，所以当边缘模糊或噪声较大时，利用 检测过零点能提供较可靠的边缘位置。在该算子中，σ的选择很重要， σ小时边缘位置精度高，但边缘细节变化多； σ大时平滑作用大，但细节损失大，边缘点定位精度低。应根据噪声水平和边缘点定位精度要求适当选取σ。 ;(a)原图 (b)▽2h结果 (c)正值为白，负值为黑 (d)过零点 (边缘所在处);曲面拟合法;按拟合测度误差最小准则，将上式分别对a,b,c求导，并令其等于0，可解出参数a , b , c。可推导出： 按梯度的定义，由平面p(x,y)=ax+by+c的偏导数很容易求得梯度。可得梯度值为(a2+b2)1/2,可用(|a|+|b|)来近似，或者max(|a|,|b|)来近似。 由a和b的表达式可以看出，a为两行像元平均值的差分，b为两列像元平均值的差分。相当于先平滑再求差分，所以对噪声不敏感。;这种运算可简化为模板求卷积进行，计算a和b对应的模板如下：;例子;例子;7.3 边缘跟踪;7.3 边缘跟踪;光栅扫描跟踪;光栅扫描跟踪;光栅扫描跟踪;光栅扫描跟踪;光栅扫描跟踪;光栅扫描跟踪;全向跟踪;全向跟踪;全向跟踪;7.4 Hough变换线检测法;基本Hough原理;基本Hough原理;基本Hough原理;7.4 Hough变换检测法;Hough变换检测法基本思想;Hough变换检测法基本思想;Hough变换检测法基本思想;Hough变换检测法;7.4 Hough变换检测法;Hough变换曲线检测;7.4 Hough变换检测法;7.5 区域分割;阈值分割法;阈值分割法;峰谷法阈值分割;假定最简单图像f(i,j)的灰度区间为[0,l-1],选择一阈值t将图像的 像素分为c1,c2两组。;阈值分割法：最佳熵自动阈值法;阈值分割法：最佳熵自动阈值法;阈值分割法：最佳熵自动阈值法;特征空间聚类;特征空间聚类 k-均值聚类;空间聚类 k-均值聚类;空间聚类 k-均值聚类;7.6 区域增长;区域增长;区域增长;简单区域扩张法;质心型增长;混合型增长;混合型增长;7.7 分裂合并法;分裂合并法;分裂合并法;分裂合并法;分裂合并法