图像分割-Python_基于边缘的图像分割pythoncsdn

1. 图像分割

是指通过某种方法，使得画面场景中的目标物被分为不同的类别。通常图像分割的实现方法是，将图像分为“黑”、“白”两类，这两类分别代表了两个不同的对象。因为结果图像为二值图像，所以通常又称图像分割为图像的二值化处理。

图像分割将图像中有意义的特征或需要应用的特征提取出来。按幅度不同来分割各个区域，称为幅度分割；按边缘不同来划分各个区域，称为边缘检测；按形状不同来分割各个区域，称为区域分割。

重用的图像分割的方法如下：

（1）基于边缘的分割方法:先提取区域边界，再确定边界限定的区域。

（2）区域分割:确定每个像素的归属区域，从而形成一个区域图。

（3）区域生长:将属性接近的连通像素聚集成区域。

（4）分裂－合并分割：综合利用前两种方法，既存在图像的划分，又有图像的合并。

2. 边缘

边缘是指图像中像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘分为阶跃状和屋顶状两类。主要介绍一下三种边缘检测方法：

（1）梯度算子：为了检测边缘点，选取适当的阈值T，对梯度图像进行二值化：

​

这样形成了一幅边缘二值图像g(x, y)。

模板：

梯度算法的特点是仅计算相邻像素的灰度差，对噪声比较敏感，无法抑止噪声的影响。

（2）Roberts算子

公式：

模板

特点：与梯度算子检测边缘的方法类似，对噪声敏感，但效果较梯度算子略好。

（3）Prewitt算子

公式：

模板：

特点：在检测边缘的同时，能抑止噪声的影响。

（4）Sobel算子

公式：

模板：

特点：对4邻域采用带权方法计算差分；能进一步抑止噪声；但检测的边缘较宽。

3. **Threshold()**函数

threshold 方法是通过遍历灰度图中点，将图像信息二值化，处理过后的图片只有二种色值。

1. void Threshold(

2. const CvArr* src,

3. CvArr* dst,

4. double threshold,

5. double max_value,

6. int threshold_type

参数说明

src：源图像，可以为8位的灰度图，也可以为32位的彩色图像。

dst：输出图像。

thresh：阈值。

maxval：dst图像中最大值。

type：阈值类型。

4. **adaptiveThreshold()**函数

函数作用是运用自适应阈值分割对图像进行处理。

1. Void adaptiveThreshold( const CvArr* src, CvArr* dst, double max_value, intadaptive_method=CV_ADAPTIVE_THRESH_MEAN_C,

2. intthreshold_type=CV_THRESH_BINARY, int block_size=3, double param1=5 );

函数说明：

src：输入图像。

dst：输出图像。

max_value：使用 CV_THRESH_BINARY 和CV_THRESH_BINARY_INV 的最大值。

adaptive_method：自适应阈值算法使用CV_ADAPTIVE_THRESH_MEAN_C 或 CV_ADAPTIVE_THRESH_GAUSSIAN_C。

threshold_type：取阈值类型，必须是CV_THRESH_BINARY或者CV_THRESH_BINARY_INV之一。

block_size：用来计算阈值的象素邻域大小: 3, 5, 7, ...

param1：与方法有关的参数。对方法 CV_ADAPTIVE_THRESH_MEAN_C 和 CV_ADAPTIVE_THRE