基于模式识别图像分割知识点讲解.pptVIP

?? 模式识别：图像分割 1.? 引言 2.? 阈值与图像分割 3. 边缘检测与图像分割 4. Hough变换 5. 区域增长 引言 统计模式识别 模式识别的一个例子 图像分割是将图像划分为若干互不相交的小区域的过程。 图像分割就是指把图像分成互不重叠的区域并提取出感兴趣目标的技术和过程。图像分割是由图像处理进到图像分析的关健步骤。一方面，它是目标表达的基础，对特征测量有重要的影响。另一方面，因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式，使得更高层的图像分析和理解成为可能。 图像分割的基本策略： 分割算法是基于灰度值的两个基本特性：不连续性和相似性。 第一类性质的应用途径是基于灰度的不连续变化分割图像，比如图像的边缘。第二类的主要途径是依据事先制定的准则将图像分割为相似的区域。 阈值与图像分割 阈值是在分割时作为区分物体与背景像素的门限，大于或等于阈值的像素属于物体，而其它属于背景。这种方法对于在物体与背景之间存在明显差别（对比）的景物分割十分有效。实际上，在任何实际应用的图像处理系统中，都要用到阈值化技术。为了有效地分割物体与背景，人们发展了各种各样的阈值处理技术，包括全局阈值、自适应阈值、最佳阈值等等。 阈值与图像分割 全局阈值是指整幅图像使用同一个阈值做分割处理。适用于背景和前景有明显对比