数字图像处理及MATLAB实现7-8章 (2)

图7.20 搜索图像中的微小结构
图7.21 检测图像中相互接触对象
• 7.3.1 灰度差判别准则
图7.22 f(u,v)的3×3领域( 为与f(u,v)相邻的像素)
• 7.3.2 灰度分布相似性判别准则
图7.23 灰度差判别准则的合并法 (a)原图像 (b)~(f)处理过程 (g)处理结果
图7.24 灰度分布相似性判别 (a)微区域 (b)相邻区域的灰度分布特性相似性
图7.40 二值图像平滑处理 (a)原图像A (b)结构元素B (c)腐蚀结果 (d)开启结果 (e)开启后再膨胀 (f)开启后再闭合
• (1)距离图像
图7.41 距离中心像பைடு நூலகம்点的距离值 (a)d4距离 (b)d8距离
• 1)欧几里德距离 • 2)4邻域距离d4 • 3)8邻域距离d8
图7.42 周围像素与中心像素的距离 (a)原图像 (b)4邻域距离 (c)8邻域距离
图7.32 二值图像中的噪声
图7.33 二值图像的膨胀运算示例
图7.34 二值图像的腐蚀运算示例
图7.35 参考点不包含在结构元素中时的膨胀运算示意图 (a)集合A (b)集合B (c)B的映射 (d)膨胀结果图
图7.36 参考点不包含在结构元素中时的腐蚀运算示意图(一) (a)集合A (b)集合B (c)腐蚀结果图
图7.7 匹配滤波器点模板
图7.8 点模板应用示例 (a)初始灰度级分布 (b)点模板中间计算结果 (c)点模板匹配输出
图7.9 匹配滤波器线模板 图7.10 初始图像灰度分布
图7.11 线模板示例
图7.12 Sobel梯度模板
(a) j方向模板
(b) k方向模板
• 7.1.3 曲面拟合法 • (1)一次平面拟合
• (1) 凯 蒙 高 罗 夫 - 斯 密 诺 夫 KS(Kolmogorov Smirnov)判别准则
• (2)平滑差判别准则
图7.25 区域生长的示例
• 7.4 二值图像与线图形 • 7.4.1 二值图像分割 • (1)连接性
图7.26 二值图像与线图形 (a)二值图像 (b)线图形
图7.27 邻域与邻点 (a)4邻点 (b)8邻点
图7.48 二值图像示例
图7.49 对图像进行膨胀和腐蚀示例
图7.50 复合形态变换的MATLAB实现的示例
图7.51 对图像进行骨骼示例 图7.52 图像的边界像素的输出结果
图7.28 连接性及其连接路径 (a)4连接 (b)8连接
图7.29 图像的连接性 (a)二值图像
(b)4、8连接定义下的分析
• (2)贴标签法
图7.30 贴标签
图7.31 标签图像(①,④为标签冲突点) (a)二值图像 (b)标签图像
• 7.4.2 二值图像平滑 • (1)膨胀(扩张)处理
• (2)腐蚀(收缩)处理
• (2)二次平面拟合
图7.13 9点面积元示意图
• 7.1.4 边缘检测的MATLAB实现方法 • (1)MATLAB 提 供 的 用 于 灰 度 图 像 边 缘 的
函数
• (2)边缘检测的MATLAB实现方法 • 7.2 灰度阈值分割法
图7.14 边缘提取方法的举例 (a)原始图像 (b)Sobel边缘检测 (c)Canny边缘检测
• 2)罗伯特(Robert)梯度 • 3)拉普拉斯(Laplacian)算子
• (2)Laplacian-Gauss算子
图7.2 Laplacian算子集合
图7.3 灰度分布 图7.4
图7.5
• 7.1.2 模板匹配法
的截面图
图7.6 模板W及图像F的各元素
• (1)点模板 • (2)线模板 • (3)边缘模板
7.37 参考点不包含在结构元素中时的腐蚀运算示意图(二) (a)集合A (b)集合B (c)腐蚀结果
图7.38 膨胀与腐蚀对偶性示意图 (a)集合 (b)腐蚀结果 (c)A的背景图像 (d)背景图像的腐蚀结果
• (3)复合形态变换
• (4)图像平滑处理 • 7.4.3 距离图像与骨骼
图7.39 开启和闭合运算示例 (a)原图 (b)结构元素 (c)腐蚀运算结果 (d)开启运算结果 (e)膨胀运算结果 (f)闭合运算结果
图7.18 3个区域组成图像的直方图
• 7.2.3 最大方差自动取阈法
图7.19 最大方差自动取阈法 (a)灰度直方图 (b)区域间方差 与阈值t的关系图
• 7.2.4 灰度阈值分割法的MATLAB实现 • (1)利用图像分割测试图像中的微小结构 • (2)测试图像中相互接触的对象 • 7.3 灰度相似合并法
图7.15 用不同算法对原图进行边缘检测的不同效果
图7.16 图像中的区域(n=4)
• 7.2.1 双峰法 • 7.2.2 p参数法
图7.17 简单图像中的区域和双峰法阈值分割 (a)两区域图像 (b)有子区域的两区域图像 (c)图(a)的直方图 (d)图(b)的直方图
(e)T0为160时图(a)的区域分割结果 (f)T0为110时图(b)的区域分割结果
• 7.4.5 边缘跟踪 • 7.4.6 二值图像处理的MATLAB的实现 • (1)四叉树分解的MATLAB实现 • (2)二值图像的MATLAB实现
图7.47 一个随机图像及其四叉树图 (a)原始图 (b)四叉树图
• (3)膨胀和腐蚀的MATLAB的实现 • (4)复合形态变换的MATLAB实现 • (5)骨骼的MATLAB的实现
第7章 图像分割与特征提取 及MATLAB实现
• 7.1 边缘检测方法 • 7.1.1 边缘算子法 • (1)差分算子 • 1)梯度算子
图7.1 常见边缘的一阶差分和二阶差分 (a)阶梯状边缘 (b)阶梯状边缘的一阶差分 (c)阶梯状边缘的一阶差分 (d)脉冲状边缘 (e)脉冲状边缘的一阶差分 (f)脉冲状边缘的一阶差分
图7.43 扫描方式 (a)正方向扫描 (b)反方向扫描
图7.44 距离变换算法 (a)第1步中的邻域像素 (b)第2步中的邻域像素
(c)图7.42(a)经第1步处理后的结果
• (2)骨骼 • 7.4.4 细线化
图7.46 细线化处理示例(〇：芯线；·：消除点) (a)原图 (b)细线化图像 (c)原图 (d)细线化图像