文章 13

访客 3924

声望 60

第14名

Blog

【原创】数字图像处理——图像分割(五)——分水岭算法(含系列总结)

前面主要介绍了两种主要概念的分割方法——边缘检测和阈值处理。每种方法都有其优点和缺点,例如全局阈值处理具有速度优势;而基于边缘的分割中,需要进行后处理,如边缘连接。下面接着介绍的形态学分水岭方法将许多概念进行了具体化,因此通常会产生更稳定的分割结果,包括连接的分割边界。分水岭分割的主要应用之一是从背景中提取连接在一起或者近乎一致的物体。

【原创】数字图像处理——图像分割(四)——阈值处理

前面的分割方法基于边缘的不连续性,首先寻找边缘线段,然后试图将这些线段连接为边界来识别不同区域。阈值处理则是给予灰度值的特性将图像直接划分成区域的技术。

【原创】数字图像处理——图像分割(三)——使用霍夫变换的全局处理

理想情况下,前面讨论的方法能够产生位于边缘上的像素。实际上,得到的像素通常并不能完全的表征边缘,因为存在噪声、不均匀照明引起的边缘断裂,以及引入杂散灰度不连续的其他效应。另一方面,在一个无结构的环境中,我们拥有的只是一幅边缘图像,并不知道感兴趣的物体在哪里。这种情况下,所有断裂的像素都是连接的候选点,这样,必须基于预先定义的全局性质接受或删除某些点。

【原创】数字图像处理——图像分割(二)——更先进的边缘检测算子

【原创】数字图像处理——图像分割(一)——基本的边缘检测算子

执行边缘检测主要有三个基本步骤:降噪,边缘点检测,边缘定位(连接)。边缘检测通过灰度突变来分割图像,检测灰度变化可以用一阶或二阶导数来完成。对于边缘检测的基本原理以及基本步骤的解释可以参看下图。

 ©2017 studyai.com 版权所有

关于我们