一种基于区域的图像分割技术,其基本原理是:通过设定不同的特征阈值,把图像像素点分为若干类。常用的特征包括:直接来自原始图像的灰度或彩色值变换得到的特征。设原始图像为f(x,y),按照一定的准则在f(x,y)中找到特征值T,将图像分割为两部分,分割后的图像为:?b0f(x,y)<tg(x,y)=?(1)?b1f(x,y)≥t若取:b0=0(黑),b1=1(白),即为我们通常所说的图像二值化。一般意义下,阈值运算可以看作是对图像中某点的灰度,该点的某种局部特性以及该点在图像中的位置的一种函数,这种阈值函数可记作:T(x,y,N(x,y),f(x,y))式中,f(x,y)是点(x,y)的灰度值;N(x,y)是点(x,y)的局部邻域特性,在此不对其详细介绍。分水岭算法,是一种基于拓扑理论的数学形态的分割方法,其基本思路是把图像看作是测地学上的拓扑地貌,图像中每一点像素的灰度值表示该点的海拔高度,每一个局部极小值及其影响区域称为集水盆,而集水盆的边界则形成分水岭。分水岭的概念和形成可以通过模拟浸入过程来说明。在每一个局部极小值表面,刺穿一个小孔,然后把整个模型慢慢浸入水中,随着浸入的加深,每一个局部极小值的影响域慢慢向外扩展,在两个集水盆汇合处构筑大坝,即形成分水岭。应用到图像分割中,分水岭变换是指将原图像转换成一个标记图像,其中所有属于同一集水盆的点均被赋予同一个标记,并用一个特殊的标记来标记分水岭上的点。无标记分水岭算法的优点是对微弱边缘具有良好的响应,得到封闭连续边缘是有保证的。另外,分水岭算法所得到的封闭的集水盆,为分析图像的区域特征提供了可能。然而分水岭算法对图像强度噪声特别敏感,容易导致过度分割,而且计算耗时较长,所以,适用该方法的关键是解决过分割和压缩计算时间的问题。有标记分水岭算法的优点是可以自适应地提取标记而不需要先验知识,克服了标记提取的困难。2.2.4存在的问题
全文预览
