halcon 图像差分_《HALCON数字图像处理》第7章图像分割.pptx

第7章图像分割阈值分割边缘检测区域分割7.17.27.3HALCON数字图像处理7.1阈值分割定义： 阈值分割是一种按图像像素灰度幅度进行分割的方法，它是把图像的灰度分成不同的等级，然后用设置灰度门限(阈值)的方法，确定有意义的区域或要分割物体的边界。步骤：(1)确定阈值；(2)将阈值与像素灰度值进行比较；(3)把像素分类。HALCON数字图像处理1、实验法 实验法通过人眼的观察，对已知某些特征的图像试验不同的阈值，观察是否满足要求。 实验法的问题是适用范围窄，使用前必须事先知道图像的某些特征，比如平均灰度等，而且分割后的图像质量的好坏受主观局限性的影响很大。 (a)原图 (b)分割后HALCON数字图像处理2、根据直方图谷底确定阈值法 如果图像的前景物体内部和背景区域的灰度值分布都比较均匀，那么这个图像的灰度直方图具有明显双峰，此时可以选择两峰之间的谷底对应的灰度值T作为阈值进行图像分割。 此种单阈值分割方法简单易操作，但是当两个峰值相差很远时不适用，而且，此种方法容易受到噪声的影响，进而导致阈值选取的误差。 (a)原图 (b)分割后HALCON数字图像处理3、迭代选择阈值法 迭代式阈值选择方法的基本思路是：开始选择一个阈值作为初始估计值，然后按照某种规则不断的更新这一估计值，直到满足给定的条件为止。 这个过程的关键是选择什么样迭代规则。一个好的迭代规则必须既能够快速收敛，又能够在每一个迭代过程中产生优于上一次迭代的结果。 (a)原图 (b)分割后HALCON数字图像处理4、最大类间方差法 最大类间方差法选定的分割阈值应该使前景区域的平均灰度、背景区域的平均灰度与整幅图像的平均灰度之间差别最大，这种差异用方差来表示。 该算法是在判别分析最小二乘法原理的基础上推导得出，计算简单，是一种稳定、常用的算法。 (a)原图 (b)分割后HALCON数字图像处理7.2边缘检测图像的边缘是图像的基本特征，边缘上的点是指图像周围像素灰度产生变化的那些像素点，即灰度值导数较大的地方。 基于一阶导数的边缘检测算子包括Robert算子、Sobel算子、Prewitt算子等，它们都是梯度算子。 基于二阶导数的边缘检测算子主要是高斯-拉普拉斯边缘检测算子。HALCON数字图像处理典型算子一阶算子 Roberts算子利用局部差分算子寻找边缘，边缘定位较准，但容易丢失一部分边缘，同时由于图像没有经过平滑处理，因此不具有抑制噪声的能力。该算子对具有陡峭边缘且含噪声少的图像处理效果较好。 Sobel算子很容易在空间上实现。Sobel算子边缘检测器不但产生较好的边缘检测效果，同时因为Sobel算子引入了局部平均，使其受噪声的影响也比较小。当使用较大的模板时，抗噪声特性会更好，但是这样会增大计算量，并且得到的边缘比较粗。 Prewitt和Sobel算子的方程完全一样，只是常量c=1。 由于常量c的不同，这一算子与Sobel算子不同的地方在于没有把重点放在接近模板中心的像素点。当用两个掩膜板(卷积算子)组成边缘检测器时，通常取较大的幅度作为输出值。 Kirsch算法由K0~K7八个方向的模板决定的，将K0~K7的模板元素分别与当前像素点的3×3模板区域的像素点作乘求和，然后选八个值中最大的值作为中央像素的边缘强度。HALCON数字图像处理典型算子一阶算子Sobel滤波Roberts滤波原图Kirsch滤波Prewitt滤波HALCON数字图像处理典型算子高斯-拉普拉斯算子 拉普拉斯算子是一个二阶导数，对噪声具有很大的敏感度，而且其幅值会产生双边缘。另外，边缘方向的不可检测性也是拉普拉斯算子的缺点，因此，一般不以其原始形式用于边缘检测。为了弥补拉普拉斯算子的缺陷，美国学者Marr提出了一种算法，在使用拉普拉斯算子之前一般先进行高斯低通滤波。 (c)零交叉边缘检测效果图(a)原图 (b)高斯-拉普拉斯边缘提取 HALCON数字图像处理典型算子Canny算子 Canny边缘检测算子是一种具有较好