图像分割的常用方法及其应用

图像分割的常用方法及其应用

ID:5334424

大小:121.31 KB

页数:4页

时间:2017-12-08

图像分割的常用方法及其应用_第1页
图像分割的常用方法及其应用_第2页
图像分割的常用方法及其应用_第3页
图像分割的常用方法及其应用_第4页
资源描述:

《图像分割的常用方法及其应用》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、《现代电子技术》2007年第12期总第251期嵌入式与单片机图像分割的常用方法及其应用石荣刚,李志远,江涛(西安通信学院陕西西安710106)摘要:针对图像分割中遇到的常见问题,研究了边缘检测、阈值处理等图像分割理论。在传统算法基础上,给出4种新型算法,可进一步提高图像分割的效果。最后给出了这些算法在图像分割中的实际应用。关键词:区域分割;边缘检测;区域增长;阈值中图分类号:TP391文献标识码:B文章编号:10042373X(2007)122111204SeveralAlgorithmsandApplicationsofImageSegmentationSHIRonggang,LIZh

2、iyuan,JIANGTao(Xi′anCommunicationInstitute,Xi′an,710106,China)Abstract:Aimedatsomeproblemsinimagesegmentation,edgedetectionandthresholdprocessarestudied.Basedonnor2malarithmetic,fournewarithmeticareprovidedwhichcanimproveimagesegmentation.Atlast,theactualapplicationispro2videdaboutthesearithmetic

3、inimagesegmentation.Keywords:regionmerging;edgedetection;regiongrowing;threshold边缘检测的结果并非图像分割的结果,还必须把边缘1引言点连接成边缘链,形成直线、曲线、各种轮廓线等,直到能在对图像的研究和应用中,人们往往仅对图像中的某表示图像中物体的边界。边缘形成线特征包括两个过程:些部分感兴趣,这些部分常称为目标或前景(其他部分称抽取可能的边缘点;将抽取的边缘连接成直线、曲线、轮廓为背景),他们一般对应图像中特定的、具有独特性质的区线。或用一定的直线、曲线去拟合他们。域。为了辨识和分析目标,需要将这些有关区域分

4、离提取(1)点检测出来,在此基础上才对目标进一步利用,如进行特征提取使用如图1所示的模版,如果

5、R

6、≥T,则在模版中和测量等。图像分割就是指把图像分成各具特性的区域心位置检测到一个点,其中T是阈值,R是模版。计算值算并提取出感兴趣目标的技术和过程。这里特性可以是灰法基本思想为:如果一个孤立点与他周围的点不同,则可度、颜色、纹理等。目标可以对应单个区域,也可以对应多以使用上述模版进行检测。如果模版相应为0,则表示在灰个区域。度级为常数的区域。图像分割是由图像处理进到图像分析的关键步骤,也是一种基本的计算机视觉技术。这是因为图像的分割、目标的分离、特征的提取和参数的测量都是将原始图像转化为更

7、抽象更紧凑的格式,使得更高层的分析和理解成为可能。图像分割多年来一直得到人们的高度重视,至今已提图1检测模版出了上千种类型的分割算法。(2)线检测2根据区域间灰度不连续搜寻区域之间的边界进行图第一个模板对水平线有最大响应;第二个模板对45°像分割方向线有最大响应;第三个模板对垂直线有最大响应;第边缘检测法也称作基于梯度的图像分割方法。他的基四个模板对-45°方向线有最大响应。本思想是先检测图像中的边缘点,再按照一定的策略连接成用R1,R2,R3和R4分别代表水平、45°、垂直和-45°方轮廓,从而构成分割区域。由于边界具有高梯度值的性质,向线的模板响应,在图像中心的点,被认为与在模板i方

8、向所以又称作基于梯度的图像分割方法。进行边缘检测的最上的线更相关。基本方法是图像的微分(差分)、梯度和拉普拉斯算法等。例:如果

9、R1

10、>

11、Rj

12、,j=2,3,4则该点与水平线有更大的关联。在灰度恒定的区域,图2中的4个模版的响应收稿日期:2006211225111多媒体技术石荣刚等:图像分割的常用方法及其应用为零。(4)图像定位如果某一应用场合要求确定边缘位置,则边缘的位置可以在子象素分辨率上来估计,边缘的方位也可以被估计出来。常用的边缘检测算子:Roberts算子他根据任意一对互相垂直方向上的差图24个检测模板分来计算梯度的原理,采用对角线方向相邻两象素之差。(3)边缘检测Robert

13、算子计算简单,采用对角线方向相邻两象素之差近边缘是图像的重要特征之一,他包含了原始图像中的似梯度幅值检测边缘,检测水平和垂直边缘的效果好于斜绝大部分有用的信息,往往仅凭一条粗略的轮廓线就能够向边缘,定位精度高,对噪声敏感。识别出一个物体。因此,图像的边缘轮廓特征提取在计算Sobel算子对图像{f(i,j)}的每个象素,考察他上、机视觉中具有重要的意义。图像边缘的特征主要表现为下、左、右邻点灰度的加权差,与之接近的邻点的权值大。图像局

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。