基于阈值和区域生长法的图像分割方法
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
区域生长法
减少噪声的干扰 不足:
如果目标区域内灰度分布不均匀,使生长提前终 止,可能造成欠分割。 如果目标边界模糊,使生长终止延后,可能造成 过分割。
阈值法 + 区域生长法
做法: 做法:
最大类间方差法 T1
源自文库
生长准则
| f (k,l ) − m |≤ T2
f (k,l ) ≤ T1
(约束条件) 约束条件)
机器视觉与图像测量
基于阈值和区域生长法的图像分割
姓名:高志帆 组员:秦杨 周大玲 郑信文 谈华林
阈值法
g(x,y) = 1 , f(x,y) > T1 0 , f(x,y) ≤ T1
最大类间方差法 T1 (最佳灰度阈值)
不足:
不可避免地会在分割出的目标中留下和目标灰度接近的 背景区域。(噪声干扰)
区域生长法
R
σ T2 = 1 − × TC m
m、σ:区域R的灰度均值及标准差。
,
区域生长法
一致性判别条件: 一致性判别条件:
σ 灰度变化阈值:T2 = 1 − × TC m
生长准则: 生长准则:
| f (k,l ) − m |≤ T2
f (k,l ) 为待测生长点邻域内的灰度均值。
阈值法 + 区域生长法
结合优势
由于T1的约束,Tc T Tc可以取得稍微大一些。这样可以 Tc 尽可能避免目标本身灰度不均匀造成的欠分割现象。 可以有效防止目标边界模糊造成的过分割现象。
阈值法 + 区域生长法
阈值法
Tc=10
Tc=15
结合方法