图像分割及测量.pptVIP

4．效果对比图原图（b）轮廓提取效果图边界跟踪法1．理论基础边界跟踪的基本方法是：先根据某些严格的“探测准则”找出目标物体轮廓上的像素，再根据这些像素的某些特征用一定的“跟踪准则”找出目标物体上的其他像素。一般的跟踪准则是：边缘跟踪从图像左上角开始逐像点扫描，当遇到边缘点时则开始顺序跟踪，直至跟踪的后续点回到起始点（对于闭合线）或其后续点再没有新的后续点（对于非闭合线）为止。如果为非闭合线，则跟踪一侧后需从起始点开始朝相反的方向跟踪到另一尾点。如果不止一个后续点，则按上述连接准则选择加权平均最大的点为后续点，另一次要的后续点作为新的边缘跟踪起点另行跟踪。一条线跟踪完后，接着扫描下一个未跟踪点，直至图像内的所有边缘都跟踪完毕。中心像素跟踪的8个方向编号及偏移量(b)边界跟踪示意图（1，0）（1，1）（-1，-1）（-1，0）（0，-1）（-1，1）（1，-1）（0，1）实现步骤#2022编程代码对图像进行轮廓跟踪。voidBingXingBianJieDib::Lunkuogenzong()见光盘程序代码效果对比图原图(b)外边界跟踪效果图7.3.3区域增长法理论基础算法的主要过程是，依次用图像的每一个像素的灰度值和标准阈值相减，判断结果是否小于标准差，是则将该点和种子点合并，不是则保持像素点的灰度值不变。这样处理后的图像就是用区域分割法处理后的边缘分割图像。图7-9区域增长法示意图实现步骤获取原图像的像素的首地址，以及图像的高和宽。依次用图像的每一个像素的灰度值减去标准阈值，判断结果的绝对值是否小于标准差，标准差为10。如果小于则将标准阈值赋给该像素点，否则灰度值保持不变。调用刷新函数显示效果图。3.编程代码 unsignedcharzhongzi=*(p_data+point.y*wide+point.x);//计算种子点一的灰度值 //对各像素进行灰度转换 for(j=0;jheight;j++) {for(i=0;iwide;i++) {//获取各颜色分量 unsignedchartemp=*((unsignedchar*)p_data+wide*j+i); if(abs(temp-zhongzi)10)//当前点同种子一灰度值比较接近 { //将种子一的颜色赋给当前像素 *((unsignedchar*)p_data+wide*j+i)=temp; } else *((unsignedchar*)p_data+wide*j+i)=255; } }4.效果对比图选择生长点（b）按右键点击黑处效果图7.3.4区域分裂合并法区域分裂合并方法利用了图像数据的金字塔或四叉树数据结构的层次概念，将图像划分成一组任意不相交的初始区域，即可以从图像的这种金字塔或四叉树数据结构的任一中间层开始，根据给定的均匀性检测准则进行分裂和合并这些区域，逐步改善区域划分的性能，直至最后将图像分成数量最少的均匀区域为止。区域分裂合并方法算法步骤是:(1)?确定均匀性测试准则T,将原始图像构造成四叉树数据结构。有不同大小的两个相邻区域Ri和Rj，满足T（Ri∪Rj）=true，则合并这两个区域。图像四叉树结构中的某一中间层作为初始的区域划分。如果对任何区域R，有T（R）=false，则把区域分裂成4个子区，若任一1/4子区Ri有，T（Ri）=false，则再将该子区一分为四四个区域。如果对任一恰当的四个子区有T（R1∪R2∪R3∪R4）=true，则再把四个子区合并成一个区。重复上述操作，直到不可再分或再合为止。举例说明：对原图进行第一次操作（b）第二次操作（c）最终结果7.4图像的测量几个基本概念：(1)邻域(2)连通4点邻连通8点连通与像素(x,y)对应的点集合{(x+p,y+q);((p,q)是一对有意义的整数)}称之为像素(x,y)的邻域。离散图像处理中常取4邻域和8邻域.连通成份标记二值图像中互相连通的0-像素集或1-像素集称之为连通成份。分割后的一帧图像内可能存在多个连通成份，每个非连通成份都对应一个目标图像区，给各目标图像区分配相应标号的工作称之为标记。本小节是以存在着一定面积黑区域的二值图像为对像的处理程序集,在二值图像中,相互连接的黑像素的集合成为一个黑区