数字图像处理第10章

《数字图像处理第10章》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、数字图象处理第10章图象分割2021/10/1数字图象处理－第10章2前章小结形态学基本概念腐蚀与膨胀开操作和闭操作击中或击不中变换二值图像形态学基本算法灰度形态学2021/10/1数字图象处理－第10章3本章主要内容间断的检测点检测、线检测、边缘检测边缘连接和边界的检测局部处理、整体处理基于门限的分割方法全局门限、自适应门限、基于区域的分割方法区域生长、分离与合并基于形态学分水岭的分割方法水坝构造、分水岭算法2021/10/1数字图象处理－第10章4本章基本要求基本要求了解图象分割的目的和应用掌握点检测、线检测

2、、边缘检测等基本间断检测方法掌握边界跟踪、hough变换等基本边缘检测方法掌握阈值法和区域生长法等区域分割方法学会工程应用中如何选择合适算法实现对图像进行分割通过实验环节学会用C语言编程实现图象边界检测和区域提取计划学时4-5学时2021/10/1数字图象处理－第10章5图像分割的概述1.图像分割的目的区分图像中的前景（感兴趣的目标）和背景在图像中将不同区域分离出来，提取目标分割的依据就是图像的区域特性灰度、颜色、纹理等2021/10/1数字图象处理－第10章8§10.1并行边界技术1.主要介绍内容边缘检测微分算

3、子梯度算子、拉普拉斯算子等边缘的连续性-闭合处理边界（线段）检测的变换检测法哈夫变换§10.1并行边界技术点检测线检测2021/10/1数字图象处理－第10章9-1-1-1-18-1-1-1-1-1-1-1222-1-1-1-1-12-12-12-1-1-12-1-12-1-12-12-1-1-12-1-1-122021/10/1数字图象处理－第10章10§10.1并行边界技术2.边缘（边界）检测边缘：（相邻象素）灰度值不连续的结果可利用计算导数的方法进行检测，常用的方法有一阶和二阶导数边缘出现在一阶导数具有较大

4、值的位置，要检测边缘，需要采用对图像的微分运算，引入微分算子2021/10/1数字图象处理－第10章11§10.1并行边界技术3.微分算子3.1梯度算子在图像增强技术中采用梯度算子进行图像的锐化处理水平、垂直方向的检测值的综合方式矢量表示不同范数表示2021/10/1数字图象处理－第10章12§10.1并行边界技术3.2梯度算子检测示例图a：原图；图b：soble水平算子；图c：sobel垂直算子；图d-f分别为soble算子采用欧氏、城区、棋盘三种范数综合2021/10/1数字图象处理－第10章13§10.1并

5、行边界技术3.3综合正交算子边缘检测特例：图像中孤立点、直线段的检测基本特点就是灰度不连续点采用综合正交算子模板中d=边缘子空间基d=2soble直线子空间基45°方向差综合正交算子应用示例图a：原图；图b：边缘子空间基；图c：直线子空间基；图d：平均子空间基图e—图h：边缘子空间基各模板单独结果；图i—图l：直线子空间基各模板单独结果；2021/10/1数字图象处理－第10章14§10.1并行边界技术§10.1并行边界技术3.4方向微分算子8方向的Kirsch算子12方向算子0°/180°30°/210°60°

6、/240°90°/270°120°/300°150°/330°2021/10/1数字图象处理－第10章15§10.1并行边界技术-多方向2021/10/1数字图象处理－第10章162021/10/1数字图象处理－第10章17§10.1并行边界技术3.5拉普拉斯算子二阶导数算子特点：中心为正，邻近为负；模板和为0对噪声敏感、产生双象素宽边缘，没有方向信息用途：少用于边缘检测常用于在边缘已知情况下，确定像素在明区或暗区。示例§10.1并行边界技术3.6马尔(Marr)算子-（又称LoG算子）根据人眼成像机理产生，具有

7、去噪和检测边界的作用算法：2-D高斯平滑模板与图像卷积计算卷积后的拉普拉斯结果检测结果图中的过零点作为边界算法构成平滑函数卷积过程拉普拉斯梯度采用离原点的径向距离表示综合算子2021/10/1数字图象处理－第10章18§10.1并行边界技术马尔算子空间分布马尔算子剖面图2021/10/1数字图象处理－第10章192021/10/1数字图象处理－第10章20§10.1并行边界技术3.7边界闭合原因有噪声时：边缘象素常孤立或分小段连续对同一目标，边界（轮廓）应该是封闭的需要进行边缘象素连接具体方法利用象素梯度的幅度和

8、方向象素(s,t)在象素(x,y)的邻域满足以上条件就可以进行像素连接§10.1并行边界技术3.8边界细化思路理想边界只有一个像素宽度，实际中边界很宽需在边界垂直方向，判断最佳边界点，去除其他点最佳点应该具有最大梯度算法1：采用模板进行非最大梯度消除水平、垂直、45°、135°四个方向模板根据像素点梯度，选择相应模板根据模板指定的邻域像素，判断本像素点是否有最大梯度非最大