数字图像处理ch05(MATLAB)PPT.pptVIP

第五章 图象分割;图象分割：按照一定的规则，将一幅图象分割成若干部分或子集。 通常可以依据两种原则进行图象分割 1．依据各个像素点的灰度值不连续性进行分割 （根据不连续性定出区域的边界） 2．依据同一区域具有相似性灰度这一特征,寻求不同区 域之边界(根据相似性定出区域像素) 前者称为基于点相关的分割技术，后者称为基于区域相关的分割技术。这两类技术又可细分为四类：基于直方图、基于边界、基于区域、基于边缘和区域的技术。;方法：1）作图象的直方图 2）如果灰度级直方图有明显的双峰状，则选择 两峰之间的谷底所对应的灰度值作为阈值。 3）然后根据如下公式，得到分割图象 ;Date;a=imread(we.jpg); b=a(:,:,1); c=bt; imshow(c);;d=del2(double(c)); imshow(d);;边缘检测算子 ;拉谱拉斯算子;中心连接区域增长技术 1)设初始区域为?={x0} ； 2)检查?的全部邻点，将满足相似性条件的任何邻点并入?. 相似性检验准则为： ;图象描述 ;二值图象的几何特征 ;为起始点, ; (3)边界点之和 所谓边界点是指满足如下性质的点:在其8邻域内既有区域内的像素,又有区域外的像素;边界描述 用链码表示边界：;1．邮政系统的信函自动分拣 2．复杂背景下的军事目标的自动识别 3．由气象云图结合其他气象数据进行天气预报 4．用人工地震波形图寻找石油的岩层结构 5．根据医学x光图象或显微图象分析各种病变??????;? 模式识别 图象识别的基本理论和方法是移植于“模式识别”的 模式：客观事物的特征的描述 模式识别：根据某事物的模式判断该事物属于何类 ? 模式识别工作主要由三个阶段组成 1．图象分割或物体分离 检测出各个物体，并把他们的图象与其余背景分离 ;2．特征抽取和选择 对物体进行各方面度量，得到一组特征，这组特征称为这个物体的一组特征向量 X=(X1,X2,X3，．．．，Xn)?;3.决策分析 模式识别的任务是如何做出最优决策分类的问题 1）统计模式识别方法 2）句法模式识别方法 3）模糊集合识别方法 4）神经网络识别方法;以下程序的功能为：仅根据Euler数这一个特征，判断手写数字0,1,8等。适当地多取几个特征，很容易将程??扩展为判断0，1，2，3，4，5，6，7，8，9等10个数字的场合。以下图象分析的实例非常简单，以该思想为基础，可进一步深化算法，设计出更复杂的高效率字符判读算法。(使用wavread,wavplay两函数，其目的是为了将所判定结果，以声音形式输出。) %y0= wavread(s0); %y1= wavread(s1); %y8 = wavread(s8); Fs = 11025; b=imread(‘b018.jpg’); %用图画程序写一个0、1或8， %保存为b018.jpg（图象获取）;bb=b(:,:,1); %取b的一个分量 bw=bb100; %将b 二值化（相当于图象分割操作） c=bweuler(bw); %求bw的Euler数(相当于图象描述,特征提取操作) %以下部分为图象识别操作,(相当于分析与分类操作) switch c case -1 cc=8; % wavplay(y8,Fs); case 0 cc=0; %wavplay(y0,Fs); case 1 cc=1; %wavplay(y1,Fs); otherwise ccc=999; %ccc=999,不可识别 end cc ccc %显示判断结果;1,2,3,5,7 0,6,9,4 8;回答问题