您当前的位置 : 万达娱乐注册 > 招聘信息 > 计算机视觉的图像处理技术六

计算机视觉的图像处理技术六

时间:2019-01-19 17:22:07 来源:万达娱乐注册 作者:匿名



σ2W,σ2B和σ2T分别是域内方差,域间方差和总方差。可以根据以下不同测量来选择阈值“T”。

(2-24)

在公式:

σ2W,σ2B是阈值“T”的函数,但σ2T与阈值“T”无关,σ2W通过二阶统计获得,σ2B通过一阶统计获得。因此,η是最简单的测量关于阈值“T”,其可以用作选择评估阈值的优点的标准,从而可以从等式(2-25)获得用于取最大值η的最佳阈值“T”。

(2-25)

在公式:

在确定阈值之后,可以分割图像。

(2)基于梯度的图像分割方法

阈值分割是使用阈值来实现分割,而边界方法使用具有高梯度值的边界来直接找到边界。这有三种方法可以做到这一点。

1,边界跟踪

假设我们从梯度幅度图像(图2-5)开始,这是一个与背景具有较大色度差异的单个物体的图像。由于图像中具有最高梯度值的点必须在边界上,我们可以将其用作边界跟踪过程的起点。

接下来,搜索以边界起点为中心的3×3邻域,并且找到具有最大灰度级的邻域点作为第二边界点。如果有两个具有相同最大灰度级的邻域点,请选择一个。从这一点开始,我们启动了一个迭代过程,在给定当前和先前边界点的情况下找到下一个边界点。在以当前边界点为中心的3×3邻域中,我们检查与前一个边界点的位置相对的相邻点以及该相邻点两侧的两个点(图2-6)。下一个边界点是上述三个点中灰度等级最高的边界点。如果所有三个或两个相邻边界点具有相同的最高灰度级,我们选择要求的那个。如果两个非连续点具有相同的最高灰度级,则可以选择一个。

在无噪声单调点图像中,该算法将绘制最大梯度边界;然而,即使少量的噪音也可能导致跟踪暂时或永久地偏离边界。通过在跟踪之前平滑梯度图像,可以降低噪声的影响。即使如此,边界跟踪也不能保证闭合边界,并且算法可能会失控并超出图像边界。2.梯度图像二值化

如果使用中等阈值对梯度图像进行二值化,我们会发现对象和背景内的点低于阈值,并且大多数边缘点都在其上方(图2-7)。基尔希的分割方法利用了这一现象。该技术首先利用低强度灰度阈值对梯度图像进行二值化以检测物体和背景,并且通过阈值以上的边界点将物体与背景分离。随着阈值逐渐增加,对象和背景同时增长。当对象和背景区域几乎接触并且未合并时,可以使用接触点来定义边界。这是分水岭算法在梯度图像中的应用。

虽然Kirsch方法在计算上比二值化更昂贵,但它可以产生最大梯度边界。对于包含多个对象的图像,如果在初始二值化步骤中分割是正确的,则分割是正确的。预先平滑渐变图像会产生更平滑的边界。

3,拉普拉斯边缘检测

拉普拉斯算子是二阶导数标量算子,它在二维函数上运算。它被定义为:

(2-26)

它通常可以使用图2-8中所示的卷积内核(模板)之一进行数字化实现。

如果无噪声图像具有锐边,您可以使用拉普拉斯算子找到它们。使用具有零灰度值的拉普拉斯滤波器对图像进行二值化会产生闭合的连接轮廓并消除所有内部点。由于它是二阶微分算子,因此对噪声更敏感。因此,对于有噪声的图像,在应用拉普拉斯算子之前需要低通滤波。

使用高斯低通滤波器进行预平滑是合适的。卷积的组合定律可以将拉普拉斯和高斯脉冲响应组合成单个高斯拉普拉斯算子:

(2-27)

该脉冲响应对于x和y是可分离的,因此可以有效地实现。

参考:现代食品检测技术

相关链接:

计算机视觉图像处理技术(1)

计算机视觉图像处理技术(2)计算机视觉图像处理技术(3)

计算机视觉图像处理技术(4)

计算机视觉图像处理技术(5)

[关键词]计算机视觉,图像处理,现代食品,国家标准物质网络

>

下一个:

版权所有:copyleft © 1999 - 2018 万达娱乐注册( www.china-seasoning.com)    备案号:陕ICP备11000114号 法律声明 | 在线留言 | 在线招聘 | 在线调查 陕公网安备 61019002000114号