[数学]图像分割.ppt

图像分割;特性可以是灰度、颜色、纹理等，目标可以 对应单个区域，也可以对应多个区域;基础知识;(a)包含恒定灰度区域的图像；(b)显示内部区域边界的图像；(c)将图像分割成两个区域后的结果；(d)包含一个纹理区域的结果；(e)计算边缘后的结果；(f)基于区域特性的分割结果;点、线、边缘检测;结论：（1）一阶导数在图像中产生较粗边缘；（2）二阶导数对精细细节如细线、孤立点和噪声有较强相应（3）二阶导数在灰度斜坡和台阶过渡处产生双边缘；（4）二阶导数的符号用于确定边缘的过度时从亮到暗还是从暗到亮;孤立点检测;;4个线检测模板;边缘检测;从左到右分别为一个台阶模型、一个斜坡模型和一个屋顶边缘模型及它们的相应灰度剖面;显示了（放大后的）实际斜坡（左下）、台阶（右上）和屋顶边缘剖面。斜坡和台阶剖面分别跨越9个像素和2个像素。屋顶的边缘的基底是3个像素;第一列：被均值为0、标准差分别为0.0,0.1,1.0和10.0个灰度级的随机高斯噪声所污染的斜坡边缘的图像和灰度剖面。 第二列：一阶导数图像和灰度剖面线 第三列：二阶导数图像和灰度剖面线 ;图像梯度及其性质;例：梯度的性质;(a)灰度值已标定为范围[0,1]内的，大小为834x1114的原图像；(b)|gx|用Sobel模板滤波图像得到的x方向上的梯度分量；(c)|gy|用Sobel模板滤波图像得到的y方向上的梯度分量;(d)梯度图像|gx|+|gy| ;梯度角度图像;图 10.19 对角边检测:(a)使用 图10.15(c)中的模板得到的结果；(b)使用 图10.15(d)中的模板得到的结果； ;与阈值处理相结合的梯度;更先进的边缘检测技术;拉普拉斯算子;Marr-Hildreth边缘检测算法：;例：Marr-Hildreth边缘检测算法说明;坎尼边缘检测;对gN(x,y)进行阈值处理，较少伪边缘点