数字图像处理—图像分割—串行边界(图)
2014-02-24 21:45
316 查看
☞边界点和边界段可以用图(graph)结构(在图结构中,每个结点既可有多个直接前驱,也可有多个直接后继)表示,通过在图中进行搜索对应最小代价的通道也可以找到闭合边界。(主要用并行边界算法)
优点:是一种全局的方法,它在图像受噪声影响较大时效果仍较好。(抗干扰性强)
缺点:比较复杂,计算量也较大。
☞图搜索。
☞边缘元素的定义:
是两个互为4-近邻的像素间的边界,如像素p和q之间的竖线以及图像素q和r之间的横线。边界是由一系列边缘元素构成的。
☞代价函数的定义:
●由像素p和q确定的边缘元素对应一个代价函数为:
(H保证代价函数为正值)(灰度值跨越大的地方对应边界,内部灰度值变化缓慢)
●其中H为图像中最大灰度值,f(p)和f(q)为像素p和q的灰度值。
●这个代价函数的取值与像素间的灰度值差成反比,灰度值差小则代价大,灰度值差大则代价小。
●按前面介绍的梯度概念,代价大对应梯度小,代价小对应梯度大。
●根据代价函数,利用回搜索技术从上向下可检测出对应大梯度的边界段。
●代价函数最小的边界求解问题等于最小路径的求解,可用动态规划算法(Dynamic Programin)来求解。
优点:是一种全局的方法,它在图像受噪声影响较大时效果仍较好。(抗干扰性强)
缺点:比较复杂,计算量也较大。
☞图搜索。
☞边缘元素的定义:
是两个互为4-近邻的像素间的边界,如像素p和q之间的竖线以及图像素q和r之间的横线。边界是由一系列边缘元素构成的。
☞代价函数的定义:
●由像素p和q确定的边缘元素对应一个代价函数为:
(H保证代价函数为正值)(灰度值跨越大的地方对应边界,内部灰度值变化缓慢)
●其中H为图像中最大灰度值,f(p)和f(q)为像素p和q的灰度值。
●这个代价函数的取值与像素间的灰度值差成反比,灰度值差小则代价大,灰度值差大则代价小。
●按前面介绍的梯度概念,代价大对应梯度小,代价小对应梯度大。
●根据代价函数,利用回搜索技术从上向下可检测出对应大梯度的边界段。
●代价函数最小的边界求解问题等于最小路径的求解,可用动态规划算法(Dynamic Programin)来求解。
相关文章推荐
- 数字图像处理—图像分割—串行区域(区域生长)(分裂合并)
- 数字图像处理—图像分割—并行边界—利用边缘灰度不连续性(边缘)(边缘与导数)(边界闭合)
- 数字图像处理—图像分割—分类
- 数字图像处理 阈值分割
- 数字图像处理—图像高斯模糊运算直观解释
- 数字图像处理—图像恢复和重建—退化模型
- 图像预处理——边界跟踪、图像分割
- 【数字图像处理】 二.MFC单文档分割窗口显示图片
- 系统学习数字图像处理之图像分割
- 数字图像处理之边缘检测,图像分割
- OpenCv造轮子(三) 滑窗法实现数码管图像数字分割
- 【图像处理】数字图像处理中常用图像分割算法(理论初识)
- 数字图像处理 - 图像分割 - 阈值处理
- 提取图像的边界,用数字标记不同的目标边界
- 数字图像处理:9.图像分割
- 数字图像处理 RGB与HIS彩色空间分割
- 边界模糊的图像分割
- 数字图像处理—图像恢复和重建—有难度,先放下。
- 基于数字图像处理的车牌定位和分割的研究 -- 开题报告
- 基于vc的数字图像分割——基于阙值的分割方法