資源描述：
《數(shù)字圖像處理-圖像分割》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、視覺信息處理圖像分割前言圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟，也是一種基本的計(jì)算機(jī)視覺技術(shù)。圖像分割將圖像上的目標(biāo)區(qū)域和所需要的特征提取出來，為更高層次的圖像分析打下基礎(chǔ)。正因?yàn)槠洹俺猩蠁⑾隆钡闹匾恢?，對于圖像分割的準(zhǔn)確度和精確度要求非常高。實(shí)例原始彩色圖像分割圖像(一種顏色對應(yīng)一個(gè)區(qū)域)內(nèi)容框架圖像分割的定義邊緣提取Hough變換閾值法分割K-means聚類彩色圖像分割彩色紋理圖像分割實(shí)例簡單程序?qū)崿F(xiàn)(matlab)興趣閱讀圖像分割的定義根據(jù)圖像的某些特征(或特征集)的相似性準(zhǔn)則，對圖像像素進(jìn)行分組聚類，把圖像平面劃
2、分為一系列“有意義”的區(qū)域，使其后的圖像分析、識別、理解等高級處理階段所要處理的數(shù)據(jù)量大大減少（這些“有意義”的區(qū)域可以用抽象的概念和特征來描述），同時(shí)又保留有關(guān)圖像結(jié)構(gòu)特征的信息。BoundariesofObjectsMarkedbymanyusershttp://www.eecs.berkeley.edu/Research/Projects/CS/vision/grouping/segbench/bench/html/images.htmlBoundariesofObjectsfromEdgesBrightnessGra
3、dient(Edgedetection)Missingedgecontinuity,manyspuriousedgesBoundariesofObjectsfromEdgesMulti-scaleBrightnessGradientBut,lowstrengthedgesmaybeveryimportantBoundariesofObjectsfromEdgesImageMachineEdgeDetectionHumanBoundaryMarkingBoundariesinMedicalImagingDetectionofc
4、ancerousregions.[Foran,Comaniciu,Meer,Goodell,00]BoundariesinUltrasoundImagesHardtodetectinthepresenceoflargeamountofspecklenoiseBoundariesofObjectsSometimeshardevenforhumans!邊界提取邊緣的定義一階微分算子二階微分算子Canny算子邊緣提取的定義劃分不同區(qū)域的分界線；邊緣由連續(xù)的邊緣點(diǎn)組成；邊緣點(diǎn)：在局部范圍內(nèi)的灰度(彩色RGB值等)產(chǎn)生突變的像素點(diǎn)。示
5、例原始圖像邊界圖像微分算子邊緣點(diǎn)即圖像局部灰度突變處梯度的變化在該點(diǎn)上存在局部最大，所以常用梯度算子（一階微分算子）來估計(jì)圖像灰度變化的方向，即邊緣的方向。用閾值運(yùn)算把邊緣點(diǎn)與非邊緣點(diǎn)區(qū)分開閾值的選擇在丟失邊緣點(diǎn)與噪聲引起的虛假邊緣點(diǎn)之間進(jìn)行折衷。一階微分算子微分?jǐn)?shù)學(xué)定義：一個(gè)連續(xù)函數(shù),在像素位置處的微分算子是：梯度的幅度為：以上定義的梯度算子需要對圖像上的每一個(gè)像素點(diǎn)進(jìn)行計(jì)算。由于數(shù)字圖像是離散的，所以用差分代替微分：在實(shí)際中常用小區(qū)域模板卷積運(yùn)算進(jìn)行來近似計(jì)算。對Gx，Gy各用一個(gè)模板，所以需要2個(gè)模板組合起來以構(gòu)成一個(gè)
6、梯度算子。常用微分算子一階RobertsSobelPrewitt二階LaplacianMarrCannyRoberts算子羅伯特交叉算子(Robertscross)最簡單的梯度算子模板：Roberts算子(續(xù))梯度幅值g(x,y)(歐式距離)用方向差分的均方值來近似計(jì)算，適當(dāng)取門限（閾值）TH，作如下判斷：g(x,y)>TH,(x,y)為階躍狀邊緣點(diǎn)。F(x,y)={(x,y)
7、g(x,y)>TH}為邊緣圖像。缺點(diǎn)：對噪聲敏感Sobel算子最常用的梯度算子3×3鄰域模板如下：Gx(左)，Gy(右)Sobel算子（續(xù)）梯度幅值
8、為：適當(dāng)取門限TH（閾值），作如下判斷：g(x,y)>TH,點(diǎn)(x,y)為階躍狀邊緣F(x,y)={(x,y)
9、g(x,y)>TH}為邊緣圖。Prewitt算子與Sobel算子類似3×3鄰域模板定義如下：Gx(左)，Gy(右)Prewitt算子（續(xù)）梯度幅值為：適當(dāng)取門限TH，作如下判斷：g(x,y)>TH,(x,y)為階躍狀邊緣點(diǎn).F(x,y)={(x,y)
10、g(x,y)>TH}為邊緣圖像。SobelPrewittRoberts比較原始圖像SobelPrewittGauss-LaplacianMatlab函數(shù)：fspeci
11、al,imfilterSobel與Prewitt的比較相似處：2個(gè)3×3模板在空間域中的實(shí)現(xiàn)比較容易不同處：模板的加權(quán)值不同結(jié)果：Sobel算子效果比較好，可以產(chǎn)生較好的邊緣檢測效果，且噪聲影響也比較小。當(dāng)使用較大的鄰域時(shí)，抗噪聲的特性會更好，得出的邊緣相對較粗。拉普拉斯算子(Laplac
