07 2014 档案

分割技术扩展
摘要：1、哈夫变换哈夫变换的原理： 把在图象空间中的检测问题转换到参数空间里，通过在参数空间里进行简单的累加统计完成检测任务。哈夫变换的功能: 检测满足解析式 f(x, c) = 0形式的各类曲线并把曲线上的点连接起来。简单的说就是已知参数，求曲线。广义哈夫变换：当曲线的函数表达式不能确定的时候，采用表格的方式来做哈夫变换。2、亚像素：实际应用中常需要将边缘的检测精度提高到象素内部，即亚象素级。主... 阅读全文
posted @ 2014-07-29 17:22 樱花猪 阅读(511) 评论(0) 推荐(0)
分水岭分割算法
摘要：建立不同目标间的分水岭（涨水法）。分水岭计算步骤：1、设待分割图象为f(x,y)，其梯度图象为g(x,y)2、用M1, M2, …, MR表示g(x, y)中各局部极小值的象素，位置，C(Mi)为与Mi对应的区域中的象素坐标集合3、用n表示当前灰度阈值，T[n]代表记为(u,v)的象素集合，g(u,v)<n，4、对Mi所在的区域，其中满足条件的坐标集合Cn(Mi)可看作一幅二值图象令 S 代表T[... 阅读全文
posted @ 2014-07-28 16:28 樱花猪 阅读(1822) 评论(0) 推荐(0)
借助均移确定聚类中心
摘要：均移：指偏移的均值向量，是一种非参数技术 主要思想：首先随机选择一个初始的感兴趣区域（初始窗）并确定其重心，接下来，搜索周围点密度更大的感兴趣区域并确定其重心 重复上面的过程不断将均值移动直到收敛。均移方法中，需要确定多变量密度核估计器。其中，核函数的作用是是的随着特征点与均值的距离不同，对均值的便宜贡献也不同。具体例子以及引用公式见《图像工程 （中）》p68-70优点：对数据的全局表达有关... 阅读全文
posted @ 2014-07-28 15:54 樱花猪 阅读(360) 评论(0) 推荐(0)
借助过度区选择阈值
摘要：主要思想： 借助图像的有效平均梯度（EAG）的计算以及图像灰度的剪切操作来确定边缘的灰度值。 有效平均梯度（EAG）：计算非0值梯度 剪切操作：设有一个阈值L ,灰度大于L的为原值，小于L的为L。或者，小于L的为L，大于L的为原值。（个人感觉这个方法不靠谱，有待未来实践证实）来自为知笔记(Wiz) 阅读全文
posted @ 2014-07-28 15:39 樱花猪 阅读(363) 评论(0) 推荐(0)
多分辨路阈值选取
摘要：主要思路： 一种通过直方图找波峰波谷的方法来确定出阈值：通过低分辨率较大尺度检测出真正的波峰波谷的位置，通过高分辨率小尺度检测出波峰波谷的精确位置。1、确定分割区域的类数（确定最低的分辨率）2、确定最优阈值 跟踪在最低分辨率一层选取的所有阈值，选取相应的最高分辨率一层的对应阈值。来自为知笔记(Wiz) 阅读全文
posted @ 2014-07-23 21:48 樱花猪 阅读(346) 评论(0) 推荐(0)
图割法
摘要：1、构建图G将边缘象素和边界段（弧）用图表示2、构建源结点和汇结点3、计算弧代价函数，并对图G中的各个弧赋予一定的弧代价4、使用最大流图优化算法来确定对图G的图割，从而区分对应目标和背景象素的结点来自为知笔记(Wiz) 阅读全文
posted @ 2014-07-23 21:18 樱花猪 阅读(459) 评论(0) 推荐(0)
SUSAN检测算子
摘要：USAN区域（核同值区）：和核像素的灰度相同会相信的模板像素的区域。利用这个区域的尺寸、重心、二阶矩等可以帮助检测图像的边缘和角点。利用USAN的面积作为特征可以起到增强边缘和角点的效果。该方法不用计算微分，对噪声不敏感。SUNAN算子边缘检测（最小（Smallest）核同值区）：检测模板有37个象素，半径为3.4象素3,5,7,7,5,3将模板内的每个像素的灰度值与核的灰度值进行比较：得到一个输... 阅读全文
posted @ 2014-07-23 20:58 樱花猪 阅读(1136) 评论(0) 推荐(0)
图像分割——串行区域技术
摘要：1、区域增长。2、分裂合并： 先把图象分成任意大小且不重叠的区域， 然后再（根据准则）合并或分裂这些区域（迭代进行直到实现分割），令R代表整个图象区域，P代表逻辑谓词把R连续地分裂成越来越小的1/4的正方形子区域Ri，并且始终使P(Ri) = TRUE。具体suanfa来自为知笔记(Wiz) 阅读全文
posted @ 2014-07-21 20:32 樱花猪 阅读(339) 评论(0) 推荐(0)
图像分割——并行区域技术
摘要：并行区域技术，简单的说就是阈值化或者去阈值分割。阈值分割方法分类：(1) 依赖象素的（全局）阈值方法：仅根据f (x, y)来选取阈值，分析全局的直方图情况。主要算法：1、最优阈值（双峰情况）2、由直方图凹凸性确定的阈值（根据直方图的凹凸性，用于直方图的一个峰淹没在另一个峰的缓破里的情况。）(2) 依赖区域的（局部）阈值方法：根据f (x, y)和p(x, y)来选取阈值，对全局方案加上像素点的局... 阅读全文
posted @ 2014-07-21 20:14 樱花猪 阅读(1213) 评论(0) 推荐(0)
主动轮廓模型（重点）
摘要：V={v1,v2,...,vL}是边界上的点。其中vi=(xi,yi).能量函数：内部能量函数：Eint(vi)是依赖于轮廓形状的能量函数。推动主动轮廓形状的改变并保持轮廓上点间的距离。Econ：连续能量（切向力），迫使不封闭的曲线变成直线而封闭的曲线变成圆环。Ebal ：膨胀能量（法向力），强制轮廓在没有外来影响的情况下扩展或收缩。外部能量函数：Eext(vi)是依赖于图象性质的能量函数。将变形... 阅读全文
posted @ 2014-07-21 11:06 樱花猪 阅读(2597) 评论(0) 推荐(0)
边界技术
摘要：边界闭合：根据梯度的幅度和方向进行边界闭合。（T是幅度值，A是角度阈值）这种方法是并行方法，只考虑局部信息，没有考虑全局信息。这个方法还可以推广用于连接相距较近的间断边缘段和消除独立的（常由噪声干扰产生的）短边缘段。串行边界技术：1、边缘检测边缘点边chuanxin来自为知笔记(Wiz) 阅读全文
posted @ 2014-07-21 10:17 樱花猪 阅读(284) 评论(0) 推荐(0)
二阶导数算子
摘要：1、拉普拉斯算子：对噪声相当敏感，很少用于边缘检测，主要用于已知边缘像素后确定该像素在图像的暗区或者明区。2、马尔算子：拉普拉斯算子的进化版。具有一定的生物学和生理学意义。根据视觉成像的研究。 算法：先平滑原始图象后再运用拉普拉斯算子 对不同分辨率的图象分别处理 (1)　用一个2-D的高斯平滑模板与原始图象卷积 (2)　计算卷积后图象的拉普拉斯值 (3)　检测拉普拉斯图象中的过零点作为... 阅读全文
posted @ 2014-07-19 12:26 樱花猪 阅读(1236) 评论(0) 推荐(0)
正交梯度算子（一阶导）
摘要：在边缘灰度值过度比较尖锐切图像中噪声比较小时，梯度算子工作效果好。1、数字图像中求导数是利用差分近似微分来进行的。2、梯度对应一阶导，梯度是矢量。矢量的幅度（有时候常称为梯度）方向角：注意：范数的概念，实际上就是一种求距离的方法，详见距离度量函数幅度有这里用欧式距离是2范数，城区距离是1范数，∞范数是棋盘距离。实际计算中先计算每个图片对应点的(Gx,Gy），然后求范数，范数的值就是灰度图，范数大灰... 阅读全文
posted @ 2014-07-19 11:12 樱花猪 阅读(1647) 评论(0) 推荐(0)
边缘检测原理
摘要：在2-D 图像中，沿一定方向上的边缘可以用该放下剖面上的4个参数来模型化。位置：边缘（等效的）最大灰度变化处（边缘朝向就在该变化的方向上）。斜率：边缘在其朝向上的倾斜程度（由于采样等原因，实际图像中的边缘是倾斜的）。均值：分属边缘两边（近邻）像素的灰度均值（由于噪声等原因，灰度有波动）。幅度：边缘两边灰度均值之间的差（反映了不连续或者局部突变的程度）。其中：位置最重要，它给出了相邻两区域的边界点。... 阅读全文
posted @ 2014-07-19 10:49 樱花猪 阅读(2178) 评论(0) 推荐(0)
方盒量化与网格相交量化（减少混叠）
摘要：方盒量化简单的说就是把像素按照中心点来判断映射的位置。网格相交量化常被用作图像采集过程的理论模型。比较​SBQ-域的面积比GIQ-域的面积小。SBQ在刻画一个给定的数字化集合的预处理图像时更为精确。但是GIQ-域的行踪看起来比SBQ-域的形状对边界描述更合适。来自为知笔记(Wiz) 阅读全文
posted @ 2014-07-19 10:48 樱花猪 阅读(610) 评论(0) 推荐(0)
混合连接（解决通路歧义）
摘要：混合连接实质上是当两个像素间同时存在4-连接和8-连接的可能时，优先采用4-连接，并屏蔽两个和统一像素间存在4-连接的像素之间的8-连接。来自为知笔记(Wiz)附件列表IMG_0374.JPG 阅读全文
posted @ 2014-07-19 10:40 樱花猪 阅读(299) 评论(0) 推荐(0)
距离变换DT
摘要：距离变换:计算区域中的每个点与最接近的区域外的点之间距离，把二值图象变换为灰度图象。对于目标中一个点，距离变换的定义为改点与目标边界最近的距离。目标点离边界约近则值越小，转换的点越暗；越远，值越大，转换的点约亮。a是原图，b是以图像边缘看做B，c是以两个白点看做B计算方法：1、串行实现：模板：将a分成b、c两个模板。做一次从左上角到右下角的前向扫描，做一次右下角到左上角的反向扫描。扫描方案类似于卷... 阅读全文
posted @ 2014-07-19 10:39 樱花猪 阅读(929) 评论(0) 推荐(0)
距离量度函数
摘要：设三个坐标分别为p（x1,y1,z1）、q(x2,y2,z2)、r(x3,y3,z3)，距离量度函数d需要满足一下几个条件：（1）d(p,q)≥0（当且仅当p=q时，有d（p,q）=0）；距离大于零（2）d(p,q)=d(q,p);距离没有方向性；（3）d（p,r）≤d(p,q)+d(q,r);两点之间直线最短。城区距离 d(p,r)=|xp-xr|+|yp-yr|;棋盘距离 d(p,r)=max... 阅读全文
posted @ 2014-07-19 10:36 樱花猪 阅读(490) 评论(0) 推荐(0)
图像分割算法基本框架
摘要：二值图像常常基于图像灰度的不连续性和相似性。并行技术：主要利用局部信息，所有判断决定都可以独立的同时做出。串行技术：利用了全局信息，早起处理结果可被后期处理过程所利用。来自为知笔记(Wiz) 阅读全文
posted @ 2014-07-19 10:33 樱花猪 阅读(483) 评论(0) 推荐(0)