图像识别与处理学习笔记(三)形态学和图像分割

目录

  • 形态学(morphology)
    • 集合论的补充知识
    • 形态学处理方法
      • 膨胀
      • 腐蚀
      • 开运算
      • 闭运算
      • 击中击不中变换
  • 图像分割
      • 阈值分割
      • 直方图技术
      • 最小误差阈值选取
      • 最大方差阈值选取
      • 基于边缘的分割算法
      • 基于霍夫变换的分割
      • 区域分割
        • 区域生长法
          • 区域灰度差的相似
          • 区域灰度分布特性的相似
          • 区域分裂合并
      • 机器学习分割

之前学习了空间域和频率域下的图像增强,今天学习形态学和图像分割

形态学(morphology)

用集合论方法定量描述目标几何结构

集合论的补充知识

并集、交集、补集、差集
平移、反射
图像识别与处理学习笔记(三)形态学和图像分割_第1张图片
图像识别与处理学习笔记(三)形态学和图像分割_第2张图片

形态学处理方法

图像识别与处理学习笔记(三)形态学和图像分割_第3张图片

膨胀

图像识别与处理学习笔记(三)形态学和图像分割_第4张图片
核可以是任何的形状和大小,它拥有一个单独定义出来的参考点,我们称其为锚点(anchorpoint)。
而膨胀就是求局部最大值的操作,核与图形卷积,核覆盖的区域的像素点的最大值。这样就会使图像中的高亮区域逐渐增长。
所以这也是为什么右图为什么只扩宽了d/8,卷积要求了B的中心点必须在A里面
图像识别与处理学习笔记(三)形态学和图像分割_第5张图片

腐蚀

图像识别与处理学习笔记(三)形态学和图像分割_第6张图片腐蚀可以理解为B的中心(锚点)沿着A的内边界走了一圈。与膨胀相反,逆过程。

应用:
图像识别与处理学习笔记(三)形态学和图像分割_第7张图片
主要是二值图像的形态学处理。主要是利用0和1的逻辑运算(与、或)
常见的一些结构:
图像识别与处理学习笔记(三)形态学和图像分割_第8张图片

开运算

图像识别与处理学习笔记(三)形态学和图像分割_第9张图片
图像识别与处理学习笔记(三)形态学和图像分割_第10张图片

闭运算

图像识别与处理学习笔记(三)形态学和图像分割_第11张图片
图像识别与处理学习笔记(三)形态学和图像分割_第12张图片
应用:提取边界
图像识别与处理学习笔记(三)形态学和图像分割_第13张图片
图像识别与处理学习笔记(三)形态学和图像分割_第14张图片

击中击不中变换

图像识别与处理学习笔记(三)形态学和图像分割_第15张图片
图像识别与处理学习笔记(三)形态学和图像分割_第16张图片

图像分割

图像识别与处理学习笔记(三)形态学和图像分割_第17张图片

阈值分割

图像识别与处理学习笔记(三)形态学和图像分割_第18张图片

直方图技术

图像识别与处理学习笔记(三)形态学和图像分割_第19张图片
上图是选一个谷底作为阈值。
图像识别与处理学习笔记(三)形态学和图像分割_第20张图片
图像识别与处理学习笔记(三)形态学和图像分割_第21张图片
或者还有复杂图样像可以截取一个阈值下限和上限,在该范围的灰度化为二值化的1。

最小误差阈值选取

图像识别与处理学习笔记(三)形态学和图像分割_第22张图片图像识别与处理学习笔记(三)形态学和图像分割_第23张图片
图像识别与处理学习笔记(三)形态学和图像分割_第24张图片
实际中概率很难知道

最大方差阈值选取

图像识别与处理学习笔记(三)形态学和图像分割_第25张图片
著名的大津法阈值法
图像识别与处理学习笔记(三)形态学和图像分割_第26张图片
图像识别与处理学习笔记(三)形态学和图像分割_第27张图片
图像识别与处理学习笔记(三)形态学和图像分割_第28张图片

基于边缘的分割算法

图像识别与处理学习笔记(三)形态学和图像分割_第29张图片
图像识别与处理学习笔记(三)形态学和图像分割_第30张图片
图像识别与处理学习笔记(三)形态学和图像分割_第31张图片

图像识别与处理学习笔记(三)形态学和图像分割_第32张图片
图像识别与处理学习笔记(三)形态学和图像分割_第33张图片

基于霍夫变换的分割

问题:
图像识别与处理学习笔记(三)形态学和图像分割_第34张图片
图像识别与处理学习笔记(三)形态学和图像分割_第35张图片
图像识别与处理学习笔记(三)形态学和图像分割_第36张图片
图像识别与处理学习笔记(三)形态学和图像分割_第37张图片
图像识别与处理学习笔记(三)形态学和图像分割_第38张图片
从而确定角度的范围。
图像识别与处理学习笔记(三)形态学和图像分割_第39张图片

应用:
图像识别与处理学习笔记(三)形态学和图像分割_第40张图片
图像识别与处理学习笔记(三)形态学和图像分割_第41张图片

区域分割

图像识别与处理学习笔记(三)形态学和图像分割_第42张图片
图像识别与处理学习笔记(三)形态学和图像分割_第43张图片

区域生长法

图像识别与处理学习笔记(三)形态学和图像分割_第44张图片
也可以人为选择种子像素
图像识别与处理学习笔记(三)形态学和图像分割_第45张图片
图像识别与处理学习笔记(三)形态学和图像分割_第46张图片

区域灰度差的相似

这里的1和5即选定的两个种子
图像识别与处理学习笔记(三)形态学和图像分割_第47张图片

区域灰度分布特性的相似

图像识别与处理学习笔记(三)形态学和图像分割_第48张图片图像识别与处理学习笔记(三)形态学和图像分割_第49张图片
类似区域,一块一块合并

区域分裂合并

图像识别与处理学习笔记(三)形态学和图像分割_第50张图片
图像识别与处理学习笔记(三)形态学和图像分割_第51张图片
图像识别与处理学习笔记(三)形态学和图像分割_第52张图片
如果一个区域内灰度分布有差别,就不停等分,之后再观察能否合并。

机器学习分割

图像识别与处理学习笔记(三)形态学和图像分割_第53张图片

你可能感兴趣的:(图像识别与处理,学习,计算机视觉,人工智能)