圖形圖像處理matlab

1、,,主講內(nèi)容,概述,圖像分割定義按照一定的規(guī)則將一幅圖像分成各具特性的區(qū)域，并提取出感興趣目標(biāo)的技術(shù)和過程其它名稱：目標(biāo)輪廓技術(shù)（object delineation ）目標(biāo)檢測（target detection）閾值化技術(shù)（thresholding）圖像處理到圖像分析的關(guān)鍵步驟,概述,形式化定義令集合R代表整個圖像區(qū)域，對R的分割可看作將R分成若干個滿足以下條件的非空子集（子區(qū)域） R1， R2， R3，… Rn:,概述

2、,地位圖像處理著重強(qiáng)調(diào)圖像之間進(jìn)行變換以改善圖像的效果圖像分析則主要是對圖像中感興趣的目標(biāo)進(jìn)行檢測和測量，以獲得它們的客觀信息從而建立對圖像的描述圖像理解的重點(diǎn)是在圖像分析的基礎(chǔ)上，進(jìn)一步研究圖像中各目標(biāo)的性質(zhì)和它們之間的相互關(guān)系，并得出對圖像的解釋,概述,分類—分割依據(jù)相似性分割：將相似灰度級的像素聚集在一起。形成圖像中的不同區(qū)域。這種基于相似性原理的方法也稱為基于區(qū)域相關(guān)的分割技術(shù)非連續(xù)性分割：首先檢測局部不連續(xù)性，然后將

3、它們連接起來形成邊界，這些邊界把圖像分以不同的區(qū)域。這種基于不連續(xù)性原理檢出物體邊緣的方法稱為基于點(diǎn)相關(guān)的分割技術(shù)兩種方法是互補(bǔ)的。有時(shí)將它們地結(jié)合起來，以求得到更好的分割效果。,概述,分類—連續(xù)性與處理策略連續(xù)性：不連續(xù)性：邊界相似性：區(qū)域處理策略：早期處理結(jié)果是否影響后面的處理并行：不串行：結(jié)果被其后的處理利用四種方法并行邊界；串行邊界；并行區(qū)域；并行邊界,邊緣檢測,圖像邊界是圖像局部特征不連續(xù)的反映，它標(biāo)志著一個

4、區(qū)域的終結(jié)和另一個區(qū)域的開始。查找邊緣是所有基于邊界的分割方法的第一步。查找圖像的輪廓的圖像處理方法叫做邊緣檢測。,邊緣檢測,簡單邊緣檢測方法 最早的邊緣檢測方法都是基于像素的數(shù)值導(dǎo)數(shù)的，在數(shù)字圖像中應(yīng)用差分代替導(dǎo)數(shù)運(yùn)算。 由于邊緣是圖像上灰度變化比較劇烈的地方，在灰度變化突變處進(jìn)行微分，將產(chǎn)生高值，因此在數(shù)學(xué)上可用灰度的導(dǎo)數(shù)來表示變化。,圖像的導(dǎo)數(shù),梯度算子梯度是圖像處理中最為常用的一次微分方法。 Robert算

5、子 Prewitt算子 Sobel算子 圖像經(jīng)過梯度運(yùn)算能靈敏地檢測出中邊界，而克服導(dǎo)數(shù)運(yùn)算的方向性，但是梯度運(yùn)算比較復(fù)雜。拉普拉斯算子對應(yīng)二階微分：具有各向同性、線性、位移不變性等。,用Sobel、Prewitt和Roberts算子邊緣檢測,用Sobel、Prewitt和Roberts算子邊緣檢測,,用Log和Canny算子邊緣檢測,,用Log和Canny算子邊緣檢測,,添加高斯噪聲,,添加高斯噪聲,,閥值分割,閥值

6、分割是一種簡單有效地圖像分割法，它對物體與背景有較強(qiáng)對比的景物分割特別有用。該方法用一個或幾個閥值將圖像的灰度級分為幾部分，將隸屬于同一部分的像素視為相同區(qū)域。 利用圖像中要提取的目標(biāo)物與其背景在灰度特性上的差異，把圖像視為具有不同灰度級的兩類區(qū)域(目標(biāo)和背景)的組合，選取一個合適的閾值．以確定圖像中每一個像素點(diǎn)應(yīng)該屬于目標(biāo)還是背景區(qū)域．從而產(chǎn)生相應(yīng)的二值圖像。 要從復(fù)雜的景物中分辨出目標(biāo)，并將其形狀完整地提取出來，閾值的選取

7、是閾值分割技術(shù)的關(guān)鍵。如果閾值選取過高，則過多的目標(biāo)點(diǎn)被誤認(rèn)為背景；閾值選得過低，則會出現(xiàn)相反的情況。至今還未能找到一種對所有圖像都能有效分割的閾值選取方法。,,雙峰法,雙峰法,,迭代法,,最大類間方差法圖像分割,基于區(qū)域的圖像分割,區(qū)域生長區(qū)域合并區(qū)域分離合并,區(qū)域生長,區(qū)域生長的基本思想是將具有相似性質(zhì)的像素集合起來構(gòu)成一個區(qū)域。為此先取一個需要分割的區(qū)域，從中選取一個種子像素作為生長起點(diǎn)。然后將種子像素領(lǐng)域中與種子

8、像素有相同或相似性質(zhì)的像素合并到種子像素所在區(qū)域中。反復(fù)下去就可以將一幅圖片分割成若干個區(qū)域。,區(qū)域合并法,把圖像分割成特征均勻、大小為nxn的小區(qū)域，然后根據(jù)鄰接小區(qū)域內(nèi)灰度分布的相似性進(jìn)行區(qū)域合并,區(qū)域分離合并法,和區(qū)域合并法相反，區(qū)域分離合并法采用遞歸的方式分割圖像，獲得小區(qū)域，使每個小區(qū)域具有均勻的灰度特征。1，首先，把整個圖像當(dāng)作一個區(qū)域，檢查特征的均勻性。2，若特征不均勻，則按如圖所示把區(qū)域分割成4個矩形區(qū)域，若特征均