图像处理技术：数字图像分割 ------ 图像分割、边界分割（边缘检测）、区域分割

图像处理技术：数字图像分割 ------ 图像分割、边界分割（边缘检测）、区域分割
2022-12-04 更新：纪念博主的另一篇连载博客《漫谈计算机网络》完结啦！

引流一下嘻嘻♥

漫谈计算机网络连载的所有章节👇：

1.漫谈计算机网络：概述 ------ 从起源开始到分层协议结构，初识究竟什么是计算机网络？ - slowlydance2me - 博客园 (cnblogs.com)

图像处理技术相关知识目录（顺序）：
一、图像分割概述

• 定义

　　是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分

成若干个互不相交的区域，使得这些特征在同一区域内表现出一致

性或相似性，而在不同区域间表现出明显的不同

　　分割出来的区域应该同时满足：

(1）分割出来的图像区域的均匀性和连通性。

• 均匀性是指该区城中的所有像素点都满足基于灰度、纹理、彩

色等特征的某种相似性准则；

• 连通性是指该区城内存在连接任意两点的路径。

(2）相邻分割区域之间针对选定的某种差异显著性。

(3）分割区域边界应该规整，同时保证边缘的空间定位精度。

图像分割的特点：

• 是图像处理中最困难的问题之一；

• 是图像分析的第一步，是计算机视觉的基础，是图像理解的重要组成部分；

• 被认为是计算机视觉中的一个“瓶颈”；

• 虽然没有通用方法，但是对其一般性规律形成基本共识，产生了相当多的研

究成果和方法。

• 分类

根据图像分割原理分类：

• 原理：图像区域内部的像素一般具有灰度相似性，而在区域之间的边界上一

般具有灰度不连续性。据此分为：

− 利用区域间灰度不连续性的边界方法：

− 利用区域内灰度相似性的基于区域的算法：

根据分割过程中处理策略分类：

− 并行算法：计算速度比较快

− 串行算法：对噪声的抵抗力比较强

二、边界分割技术

• 边缘检测

边缘:

• 各类图像中，由于不同物体对电磁波的反射特性不同，在物体与背景、不同

物体的交接处，图像的灰度将发生明显的变化，在图像中产生了边缘。

边缘检测:

• 利用灰度的变化信息检测物体边缘，得到物体的轮廓，实现图像分割。

• 边缘检测是所有基于边界的分割方式的第一步。

边缘检测步骤

① 需要先去噪，进行图像平滑处理

• 平滑模板

• 中值滤波

② 检测边缘点：从图像提取边缘候选点

• 边缘检测算子

③ 边缘定位：从边缘候选点中筛选。

• 阈值化处

• 微分算子

① 梯度对应一阶导数，梯度算子是一阶导数算子

• Roberts 算子

• Prewitt算子

• Sobel算子

② 二阶导数算子：

• LoG算子

Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子

Prewitt算子对于噪声较小的阶跃形边界的提取非常有效。

Sobel 算子具有一定的噪声抑制能力，检测效果较为理想，但所得边缘较粗，至少为两像素。

拉普拉斯算子是无方向性的算子，它比前面几个梯度算子的计算量要小

三、区域分割技术

• 原理与分类

基于阈值选取的图像分割方法

• 是提取目标物体与背景在灰度上的差异，把图像分为具有不同灰度级的目标

区域和背景区域的组合。

• 阈值法计算较为简单，并且可以用封闭和连通的边界定义不交叠的区域，是

图像分割中最有效且实用的技术之一。

• 根据获取最优分割阈值的途径可以把阈值法分为

• 全局阙值法

• 动态阈值法

• 局部阈值法等

影响波谷特性的关键因素（重要性由大到小）：

① 波峰间的间隔：波峰离得越远,分隔这些模式的机会越好;

② 图像中的噪声内容：噪声越大,模式越宽;

③ 目标和背景的相对大小;

④ 光源的均匀性;

⑤ 图像反射性质的均匀性

峰谷法：

• 优点：峰谷法直接利用图像的灰度直方图，实现简单，运算量也小

• 缺点：不适用于两峰值相差极大，有宽且平谷底的图像

• 全局阈值

迭代算法

• 是一种全局阈值二值化方法。

• 该方法首先选取一初始阈值

其值取为图像的最大灰度值与最小灰度值的均值，根据该阈值将图像二值化为目标与背景，

• 然后以目标和背景的平均期望值作为新的阈值，对图像重新二值化

• 如此不断迭代

• 当阈值不再变化时，停止迭代。

一般迭代几次后即可达到稳定状态。
一、图像分割概述
• 定义
     (1）分割出来的图像区域的均匀性和连通性。
     (2）相邻分割区域之间针对选定的某种差异显著性。
     (3）分割区域边界应该规整，同时保证边缘的空间定位精度。
     图像分割的特点：
         • 是图像处理中最困难的问题之一；
         • 是图像分析的第一步，是计算机视觉的基础，是图像理解的重要组成部分；
     • 被认为是计算机视觉中的一个“瓶颈”；
• 分类
     根据图像分割原理分类：
     根据分割过程中处理策略分类：
二、边界分割技术
• 边缘检测
     边缘:
     边缘检测步骤
• 微分算子
     Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子
     Prewitt算子对于噪声较小的阶跃形边界的提取非常有效。
     Sobel 算子具有一定的噪声抑制能力，检测效果较为理想，但所得边缘较粗，至少为两像素。

     拉普拉斯算子是无方向性的算子，它比前面几个梯度算子的计算量要小
三、区域分割技术
• 原理与分类
     基于阈值选取的图像分割方法
     • 全局阙值法
     • 动态阈值法
     • 局部阈值法等
     ① 波峰间的间隔：波峰离得越远,分隔这些模式的机会越好;
     峰谷法：
     • 优点：峰谷法直接利用图像的灰度直方图，实现简单，运算量也小
     • 缺点：不适用于两峰值相差极大，有宽且平谷底的图像
• 全局阈值
     迭代算法
     • 是一种全局阈值二值化方法。
     • 该方法首先选取一初始阈值
     • 然后以目标和背景的平均期望值作为新的阈值，对图像重新二值化
     • 如此不断迭代
     • 当阈值不再变化时，停止迭代。
     一般迭代几次后即可达到稳定状态。
__EOF__
本文作者： slowlydance2me
本文链接： https://www.cnblogs.com/slowlydance2me/p/16916491.html
关于博主： 评论和私信会在第一时间回复。或者直接私信我。
版权声明： 本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！
声援博主： 如果您觉得文章对您有帮助，可以点击文章右下角【推荐】一下。

一、图像分割概述

• 定义

(1）分割出来的图像区域的均匀性和连通性。

(2）相邻分割区域之间针对选定的某种差异显著性。

(3）分割区域边界应该规整，同时保证边缘的空间定位精度。

图像分割的特点：

• 是图像处理中最困难的问题之一；

• 是图像分析的第一步，是计算机视觉的基础，是图像理解的重要组成部分；

• 被认为是计算机视觉中的一个“瓶颈”；

• 分类

根据图像分割原理分类：

根据分割过程中处理策略分类：

二、边界分割技术

• 边缘检测

边缘:

边缘检测步骤

• 微分算子

Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子

Prewitt算子对于噪声较小的阶跃形边界的提取非常有效。

Sobel 算子具有一定的噪声抑制能力，检测效果较为理想，但所得边缘较粗，至少为两像素。

拉普拉斯算子是无方向性的算子，它比前面几个梯度算子的计算量要小

三、区域分割技术

• 原理与分类

基于阈值选取的图像分割方法

• 全局阙值法

• 动态阈值法

• 局部阈值法等

① 波峰间的间隔：波峰离得越远,分隔这些模式的机会越好;

峰谷法：

• 优点：峰谷法直接利用图像的灰度直方图，实现简单，运算量也小

• 缺点：不适用于两峰值相差极大，有宽且平谷底的图像

• 全局阈值

迭代算法

• 是一种全局阈值二值化方法。

• 该方法首先选取一初始阈值

• 然后以目标和背景的平均期望值作为新的阈值，对图像重新二值化

• 如此不断迭代

• 当阈值不再变化时，停止迭代。

一般迭代几次后即可达到稳定状态。