图像分割方法分类 >基于阈值的分割一通过阈值对不同物体进行分割 基于边缘的分割一先确定边缘象素,并把它们连接在 起,以构成所需的边界 >基于区域的分割一把各象素划归到各个物体或区域中 基于运动的分割一通过视频物体运动进行分割
► 基于阈值的分割－通过阈值对不同物体进行分割 ► 基于边缘的分割－先确定边缘象素，并把它们连接在 一起，以构成所需的边界 ► 基于区域的分割－把各象素划归到各个物体或区域中 ► 基于运动的分割－通过视频物体运动进行分割 图像分割方法分类
基于阈值的分割 >图像阈值分割是一种广泛应用的分割技术,利用 图像中要提取的目标物与其背景在灰度特性上的 差异,把图像视为具有不同灰度级的两类区域 (目标和背景)的组合,选取一个合适的阈值,以 确定图像中每个象素点应该属于目标还是背景区 域,从而产生相应的二值图像 可以大量压缩数据,减少存储容量,而且能 大大简化其后的分析和处理步骤
基于阈值的分割 ► 图像阈值分割是一种广泛应用的分割技术，利用 图像中要提取的目标物与其背景在灰度特性上的 差异，把图像视为具有不同灰度级的两类区域 (目标和背景)的组合，选取一个合适的阈值，以 确定图像中每个象素点应该属于目标还是背景区 域，从而产生相应的二值图像 可以大量压缩数据，减少存储容量，而且能 大大简化其后的分析和处理步骤
但是,它对物体与背景具有较强对比的景物的分割很有效, 而且总能用封闭连通的边界定义不交叠的区域 设原始图像f(x2y),以一定的准则在(x2y)中找出一个合适的灰 度值,作为阈值t,则分割后的图像g(xy),可由下式表示: 1 fx, y2t 1f(x,y)≤t g(x,y)= 或g(xy)= 0 f(x,yk<t 0 f(x, y>t 另外,还可以将阈值设置为一个灰度范围[t1,t2,凡是灰 度在范围内的象素都变为1,否则皆变为0,即 ltl≤f(x,y)st2 gx, y) 0其它
但是，它对物体与背景具有较强对比的景物的分割很有效， 而且总能用封闭连通的边界定义不交叠的区域 设原始图像f(x,y)，以一定的准则在f(x,y)中找出一个合适的灰 度值，作为阈值t，则分割后的图像g(x,y)，可由下式表示： g(x,y)= 1 f(x,y)≥t 0 f(x,y)<t g(x,y)= 1 f(x,y)≤t 0 f(x,y)>t 或 另外，还可以将阈值设置为一个灰度范围[t1,t2]，凡是灰 度在范围内的象素都变为1，否则皆变为0，即 g(x,y)= 1 t1≤f(x,y)≤t2 0 其它
某种特殊情况下,高于阈值t的象素保持原灰度级,其它 象素都变为0,称为半阈值法,分割后的图像可表示为 f(x, y f(x, y2t g(x,y)= 0其它 阈值分割图像的基本原理,可用下式表示: ZEf(x,y)∈z 阈值 gIX ZB其它 阈值的选取时阈值分割技术得关键,如果过高,则过 多的目标点被误归为背景;如果阈值过低,则会出现 相反的情况
某种特殊情况下，高于阈值t的象素保持原灰度级，其它 象素都变为0，称为半阈值法，分割后的图像可表示为： g(x,y)= f(x,y) f(x,y)≥t 0 其它 阈值分割图像的基本原理，可用下式表示： g(x,y)= ZE f(x,y)∈Z ZB 其它 阈值 阈值的选取时阈值分割技术得关键，如果过高，则过 多的目标点被误归为背景；如果阈值过低，则会出现 相反的情况
由此可见,阈值化分割算法主要有两个步骤: 1、确定需要的分割阈值 2、将分割阈值与象素值比较以划分象素 在利用阈值方法来分割灰度图像时一般都对图像有一定的 假设。基于一定的图像模型的。 最常用的模型: 假设图像由具有单峰灰度分布的目标和背景组成,处于目 标或背景内部相邻象素间的灰度值是高度相关的,但处于 目标和背景交界处两边的象素在灰度值上有很大的差别。 如果一幅图像满足这些条件,它的灰度直方图基本上可看 作是由分别对应目标和背景的两个单峰直方图混合构成的
由此可见，阈值化分割算法主要有两个步骤： 1、确定需要的分割阈值 2、将分割阈值与象素值比较以划分象素 在利用阈值方法来分割灰度图像时一般都对图像有一定的 假设。基于一定的图像模型的。 最常用的模型： 假设图像由具有单峰灰度分布的目标和背景组成，处于目 标或背景内部相邻象素间的灰度值是高度相关的，但处于 目标和背景交界处两边的象素在灰度值上有很大的差别。 如果一幅图像满足这些条件，它的灰度直方图基本上可看 作是由分别对应目标和背景的两个单峰直方图混合构成的