机器视觉测量技术4图像分割.pptVIP

*机器视觉测量技术 第四章 图像分割 4.1 区域和边缘 区域: 相互连结的具有相似特性的一组像素 边缘：区域边界上的像素 分割的定义 图像分割最简形式: 把灰度图转换成二值图 把所有对应于一个物体的像素组合到一起,并进行标记. 基于区域的分割 基于边缘检测的分割 4.2 自动阈值化法 直方图 简单阈值化 　(1) 模态方法 图像中的物体、背景各具有一灰度值,灰度分布曲线是由正态分布函数叠加而成． 图像直方图将会出现分离的峰值,阈值选波谷最佳. (2) 迭代式阈值选择 迭代式阈值选择算法 1. 选一初始阈值，如:灰度均值 2. 利用阈值把图像分割成两组，R1和R2 3. 计算区域R1和R2的均值v1、v2 4. 选择新的阈值 T=(v1+v2 ) / 2 5. 重复2－4步，直到v1和v2的均值不变为止 阈值的改进策略是这一方法的关键 (3) 自适应阈值化方法 场景照明不均匀时， 一个阈值？ 把图像分成N×N个子图像，求出子图像的阈值。 所有子图像分割的逻辑归并。 (4) 变量阈值化方法 85 165 （5） 双阈值方法 ＃数与物体的某些灰度值已知. ＃还有些灰度值可能属于物体,可能属于背景. 1)选择两个阈值T1和T2． 2)把图像分割成三个区域,R1包含所有灰度值低于T1的像素；R2包含所有灰度值位于T1和T2之间的像素；R3包含所有灰度值高于T2的像素． 3)查看分配给区域R2中的每一个像素．如果某一像素邻接区域R1，把这一像素重新分配给R1． 4)重复步骤3)直到没有像素被重新分配． 5)把区域R2剩下的所有像素重新分配给R3． 　　R1是区域核,R2是边缘区,R3是背景． （5） 直方图方法的局限性 ＃恒定灰度值 ＃没有利用图像强度的空间信息 例如，用直方图无法区分黑白棋格图像 具有不同灰度空间分布的图像可能具有类似的直方图． 用直方图无法区分随机分布的黑白点图像、黑白棋格图像和黑白各半的图像． 直方图的全局特性限制了其在复杂图像中的应用． 直方图完全没有考虑由于物体表面的连续性,而使得物体图像点常常在空间上非常密集这一特点． 直方图的分布 4.3 直方图变换 线性变换：图像像素灰度值分布在[a,b]区间 分段函数变换 连续函数灰度变换