图像分割定义.ppt

8.7 分割图像的结构 希望制作一幅新图像，以显示物体是如何调整的，或者用单独的图像显示每个物体。甚至还可能希望对单个物体逐个地进行进一步的测量或其它处理。在这些情况下，就需要抽取并以更方便的形式存储各个物体。 通常，每个物体在被检测时都应该标以一个序号。这个物体编号可用来识别和跟踪景物中的物体。在这一节，我们讨论三种对分割图像进行结构化的方法。 8.7.1分水岭算法 分水岭算法 分水岭算法不是简单地将图像在最佳灰度级进行阈值处理，而是从一个偏低但仍然能正确分割各个物体的阈值开始。然后随着阈值逐渐上升到最佳值，使各个物体不会被合并。这个方法可以解决那些由于物体靠得太近而不能用全局阈值解决的问题。 如果初始的阈值太低，那么低对比度的物体开始时会被丢失，然后随着阈值的增加就会和相邻的物体合并。如果初始阈值太高，物体一开始便会被合并。最终的阈值决定了最后的边界与实际物体的吻合程度。 分水岭方法和距离变换方法分割相互连接图像 二进制图像 距离变换方法 分水岭方法 8.7.2 物体隶属关系图 在物体隶属关系图中，每个像素的灰度级按其在原始图像中所对应的像素所属的物体序号进行编码。 隶属关系图技术通用性很强，但它不是一种对保存分割信息特别紧凑的方法。它需要