图像分割
边缘的分类:阶跃状 和 屋顶状
边缘检测就是图像锐化的过程
空间域锐化: 通过 微分过程 增强图像边缘或轮廓
一阶梯度: 一阶差分近似 prewwit算子 sobel算子 sobel就是带权的prewwit
二阶梯度 : 用二阶差分近似 laplace算子
算子的像素值就是用邻域像素的差分表示梯度时的系数,因此算子卷积就是求梯度的过程
梯度算子:
霍夫变换:线检测。
直角坐标系上的一条直线 ——对应—— 极坐标中的一个点(扩展后可以检测任何形状的线,任意曲线)
:
区域分割:
1、简单的图像(二值化:关键是确定阈值)
1.1、双峰性灰度直方图,可以用峰谷确定
1.2、判断分析法
1.3 、最小误差分割 ——概率密度
2、复杂的图像
第一步:自动平滑直方图(图像灰度直方图一般不平滑,对自动找峰与下一步确定阈值带来困难。一般可以采用空间滤波器与直方图做卷积来进行平滑。
第二步:确定区域类数
特征空间聚类:如K均值聚类
第三步:自动搜索多个阈值
区域合并:
1、区域增长法:先分割成若干小区域,设定阈值,比较像素。
2、分裂合并法
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步