基于阈值和区域生长法的图像分割方法

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