计算机视觉——图像分割（上篇）_watershed algorithm、minimum cut normalized cut和gra

作者：小惠珠哦 | 2024-07-03 06:46:11

踩

watershed algorithm、minimum cut normalized cut和graph cut 图像分割对比图

【本学期选修国科大高伟老师的计算机视觉课程，本人方向也是cv，因此想通过博客方式记录课程中比较重要的点，巩固并且进行一些扩展学习】

接下来我们将主要针对以下内容进行介绍：

1. 阈值法*

2. 区域生长法

3. 分裂合并法

4. 基于边缘的分割方法*

5. 等等

这边重点介绍加粗变红部分。

基本原理：通过设定不同的 特征阈值 ，把图像像素点分为若干类。常用的特征包括：灰度、彩色特征、由原始灰度或彩色值变换得到的特征。

$g(x,y)=\left\{\begin{matrix} 1, &f(x,y)\geqslant T \\ 0,& f(x,y)<T \end{matrix}\right.$

上图T值便是我们设置的阈值。

但是如果遇到灰度级集中的情况，简单的设置阈值往往达不到很好的效果。如下图左边灰度级过于集中；或者右边应为光圈问题，在后期提取情况造成了很大的偏差。

针对此，我们引入了

基本原理：将图像分块，分别用全局阈值方法分割，最后再综合。

基本步骤:

1 ）检测边缘

2 ）根据边缘将图像分割成不同的区域

比如我们需要完成以下任务：在只有0-1灰度级的图中，我们想要捕捉-45度的线。

解决方案：引入一个算子，表示-45度的斜线，在通过阈值来保存我们所需要的线。

Hough方法

图像中检测直线的一种方法，该方法也可以检测其他参数化的物体，比如圆或者椭圆等。

该技术在 1959 年最早由 Paul Hough 提出。

在图像x-y坐标空间，经过点(

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/小惠珠哦/article/detail/782271