■图像分割方法可由下式描述: (71) xy)≥T g(x,y)= 0 f(x,y<t' 这样得到的是一幅二值图像。 ■图74给出了利用值分割图像的实例。 ■(a)是原图 (b)是对应的直方图 ■(c)是选择分割阈值为110的结果图
◼ 图像分割方法可由下式描述： 这样得到的是一幅二值图像。 ◼ 图7.4给出了利用阈值分割图像的实例。 ◼（a）是原图 ◼（b）是对应的直方图 ◼（c）是选择分割阈值为110的结果图。 = f x y T f x y T g x y 0 ( , ) 1 ( , ) ( , ) （7.1）
110点 (a)原图像 (b)直方图c)已分割的图 图74阈值分割
（a）原图像 （b）直方图 （c）已分割的图 图7.4 阈值分割 110点
7.3.1全局阈值分割 ●全局飼值是最简单的图像分割方法。根据不同 的目标,选用最佳的阈值。 ●1.实验法 需要知道图像的某些特征 2.直方图法 ●适用于目标和背景的灰度差较大,直方图有明显谷 底的情况。 ●3.最小误差的方法 ●要求已知图像像素的概率密度函数和目标像素占整 个图像的百分比(PP138)
7.3.1 全局阈值分割 ⚫ 全局阈值是最简单的图像分割方法。根据不同 的目标，选用最佳的阈值。 ⚫ 1．实验法 ⚫ 需要知道图像的某些特征 ⚫ 2．直方图法 ⚫ 适用于目标和背景的灰度差较大，直方图有明显谷 底的情况。 ⚫ 3．最小误差的方法 ⚫ 要求已知图像像素的概率密度函数和目标像素占整 个图像的百分比（PP138）
7.3.2自适应阈值的选取 ●当照明不均匀、有突发噪声或者背景灰度变化 比较大的时候,可以对图像进行分块处理,对 每一块分别选定一个值进行分割,这种与坐 标相关的阈值称为自适应同值的方法。 ●这类算法的时间复杂度和空间复杂度比较大,但是 抗噪声的能力比较强。 ●任何一种分割方法都有其局限性。 实际的算法只能根据实际情况选择方法和阈值
7.3.2 自适应阈值的选取 ⚫ 当照明不均匀、有突发噪声或者背景灰度变化 比较大的时候，可以对图像进行分块处理，对 每一块分别选定一个阈值进行分割，这种与坐 标相关的阈值称为自适应阈值的方法。 ⚫ 这类算法的时间复杂度和空间复杂度比较大，但是 抗噪声的能力比较强 。 ⚫ 任何一种分割方法都有其局限性。 ⚫ 实际的算法只能根据实际情况选择方法和阈值