数字图像处理应用实例 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。参考书目当然是“数字图像处理”，以及一些有用的在线文档；工具：MATLAB或VC
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。
