基于Matlab的数字图像分割PPT.pptVIP

* 基于Matlab的数字图像分割 黄山 自动化工程学院 总述 在一幅图像中，人们常常只对其中的部分目标感兴趣，这些目标通常占据一定的区域，并且在某些特性（如灰度、轮廓、颜色和纹理等）上和临近的图像有差别。这些特性差别可能非常明显，也可能很细微，以至肉眼察觉不出来。随着计算机图像处理技术的发展，使得人们可以通过计算机来获取和处理图像信息。图像识别的基础是图像分割，其作用是把反映物体真实情况的、占据不同区域的、具有不同特性的目标区分开来，并形成数字特征。图像分割是图像识别和图像理解的基本前提步骤，图像分割质量的好坏直接影响后续图像处理的效果，甚至决定其成败，因此，图像分割的作用是至关重要的。 分割定义和方法分类 图像分割是将图像中有意义或有用的特征提取出来，也可以说，将图像分成各具特点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到图像分析的关键步骤。 图像读入 （光电转换） 图像处理 （增强，编码） 图像分析 （分割，描述） 图像理解 （解释，理解） 光图像 数字图像 处理过的图像 特征数据 解释判断 图像分割算法 根据相邻象素在象素值方面的相似性和不连续性可分为区域法和边界法；根据处理策略不同分为串行算法和并行算法。 边缘检测 Roberts 算子 Roberts算子是一种利用局部差分算子寻找边缘的算子，对具有陡峭的低噪声的图像效果好。卷积核分别为： 采用范数1衡量梯度的幅度： Prewitt 算子 Prewitt算子对灰度渐变和噪声较多的图像处理得较好。卷积核分别为： 采用∞范数衡量梯度的幅度： Canny 算子 Canny 算子的梯度是用高斯滤波器的导数计算的。该方法不容易受噪声的干扰，能够检测到弱边缘，但是检测边缘的连续性不好。 算法步骤： 用高斯滤波器平滑图像； 计算滤波后图像梯度的幅值和方向； 对梯度幅值应用非极大值抑制，其过程为找出图像梯度中的局部极大值点，把其他非局部极大值点置零以得到细化的边缘； 用双阈值算法检测和连接边缘，使用两个阈值T1和T2（T1T2），T1用来找到每条线段，T2用来在这些线段的两个方向上延伸寻找边缘的断裂处，并连接这些边缘。 拉普拉斯（ Laplacian ） 算子 拉普拉斯算子对噪声有极高的敏感性，而且对于双边缘带不易检测出边缘的方向。 0 0 0 0 -1 -1 -1 -1 4 0 0 0 0 -1 -1 -1 -1 8 拉普拉斯-高斯算子（LoG：Laplacian of Gaussian；Mar算子） 基本思想：先用高斯函数对图像滤波，然后对滤波后的图像进行拉普拉斯运算，算得的值等于零的点认为是边界点。 缺点：产生虚假轮廓；定位精度不高。 *