全局阈值和局部阈值 怎么对图像的局部进行阈值分割？
怎么对图像的局部进行阈值分割？
简述：图像分割的基本原理：根据图像的组成结构和应用要求，将图像分割成若干不相交的子区域的过程。这些子区域是在某种意义上具有公共属性的像素连接集。常用的方法有以下几种：
1）以区域为分割对象，以相似性原则为分割依据，即根据图像的灰度、颜色、变换关系等特征的相似性划分图像的子区域，并将每个像素划分为不同的类别像素聚类法的对应对象或区域，即区域法；
2）首先检测边缘像素，然后连接形成边界，形成分割。具体阈值分割：阈值分割方法分为以下三类：1）全局阈值：T=T[P（x，y）]，即仅根据f（x，y）选择阈值，阈值仅与每个图像像素的属性有关。2） 局部阈值：T=T[f（x，y），P（x，y）]，阈值与图像像素和局部区域的性质有关。3） 动态阈值：T=T[x，y，f（x，y），P（x，y）]，阈值与像素坐标、图像像素本身的属性和局部区域的属性有关。全局阈值只为整个图像设置一个分割阈值。通常，当图像不太复杂且灰度分布相对集中时，采用局部阈值法将图像分为若干个子图像，并对每个子图像设置局部阈值。根据空间信息和灰度信息确定动态阈值。局部阈值分割方法虽然可以提高分割效果，但存在以下缺点：1）子图像的大小不宜过小，否则统计结果无意义。2） 每个图像的分割是任意的。如果子图像恰好落在目标区域或背景区域，并且根据统计结果对其进行分割，则可能会产生更差的结果。3） 局部阈值法需要对每个子图像进行计数，运算速度慢，难以适应实时性要求。全局阈值分割方法在图像处理中有着广泛的应用。它使用一个固定的阈值来分割整个图像。考虑到全局阈值分割方法的广泛应用，本文重点研究了直方图双峰法和基于遗传算法的最大类间方差法。在本节中，我们将重点介绍灰度直方图双峰法、最大类间方差法和基于遗传算法的最大类间方差法。详细书目当然是数字图像处理和一些网上有用的文档；工具：MATLAB或VC
主要分为三类：1）基于点的全局阈值法；2）基于区域的全局阈值法；3） 局部阈值法和多阈值法1）Doyle于1962年提出的基于点的全局阈值法p分位数法是最古老的阈值法之一。迭代法选取阈值，初始阈值为图像的平均灰度t0。然后用T0将图像像素分为两部分，计算两部分的平均灰度。小于t0的部分是Ta，大于t0的部分是Ta，t0的部分是TB，用T1代替t0作为新的全局阈值，重复上述过程直至TK收敛直方图凹分析最大类间方差熵法最小误差阈值矩保持模糊集法2）基于区域的全局阈值法二维熵阈值分割法简单统计直方图变化松弛法3）局部阈值法阈值法和多阈值法局部阈值法（动态阈值法）阈值法插值水线阈值法多阈值法基于小波变换的多域值法基于边界点的递推多域值法递归多域值法
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
