图像分割常用算法总结

文章目录

  • 阈值分割
    • 缺点: 对噪声敏感,由于灰度化无法区分噪声,需要先进行去噪
  • 基于区域生长的分割
  • 基于边缘的分割算法
  • 基于图的分割

阈值分割

灰度值 的不同大小选择进行分割, 关键在于如何选择阈值的大小

缺点: 对噪声敏感,由于灰度化无法区分噪声,需要先进行去噪

常用算法: OSTU、最大熵法、自适应(局部阈值)

OSTU : 计算简单快速,不受图像亮度和对比度的影响

基于区域生长的分割

图像分割常用算法总结_第1张图片

优点: 计算简单,可以快速分割具有相同特征的区域
缺点: 对噪声敏感,容易出现空洞
图像分割常用算法总结_第2张图片
具体实现:
计算各个通道之间的距离, 大于阈值则视为同一个区域,
可选择对比周围几个点,四个点,横轴,纵轴,对角线 SAD
图像分割常用算法总结_第3张图片

基于边缘的分割算法

常用的图像边缘检测算子有:Laplace算子、Sobel算子、Canny算子等。

基于图的分割

你可能感兴趣的:(深度学习,笔记,算法,人工智能,python)