首页天道酬勤局部阈值分割算法matlab,阈值分割法缺点

局部阈值分割算法matlab,阈值分割法缺点

张世龙 05-12 22:21 26次浏览

阈值分割法可以说是图像分割中的经典方法。 利用图像中想提取的目标和背景的灰度差异,通过设定阈值将像素级分为几个类,实现目标和背景的分离。 一般流程:将灰度图像转换为二值图像时,判断图像中各像素点的特征属性是否满足阈值要求,判断图像中该像素点属于目标区域还是背景区域。 当使用数学表达式表示时,可以将原始图像f(x,y )和t设置为阈值,并且当分割图像时满足以下表达式:

阈值分割法计算简单,且定义了总是封闭相连的边界不重叠的区域,可以对目标和背景有较强对比度的图像获得较好的分割效果。 但是,如果出现重要问题,如何获得最佳阈值呢?

选择最佳阈值的方法如下。

(1)人工经验选择法:

也就是说,根据我们自己要处理的图像先验知识,分析图像中的目标和背景。 通过像素判断、图像分析,选择具有阈值的区间,通过实验进行比较,最后选择了比较好的阈值。 这个方法可以使用,但是效率低,不能自动选择阈值。 如果样本图像较少,则为可选。

)2)使用直方图

使用直方图进行分析,根据直方图快乐的眼睛和谷的关系,选择好的阈值。 该方法虽然准确性高,但只有对于存在一个目标和一个背景,且两者对比明显的图像,直方图呈双峰最有价值。

)3)最大类间方差法(OTSU ) ) ) ) ) ) )。

OTSU是使用最大类间方差自动决定阈值的方法。 是一种基于图像灰度特性,将图像分为前景和背景两部分的全局二值化算法。 在采取最佳阈值时,两个部分之间的差异应该最大,OTSU算法采用的衡量差异的标准是比较常见的最大类间方差。 前景和背景之间的类间方差越大,表示构成图像的两个部分之间的差越大,如果部分目标被误认为背景,或者部分背景被误认为目标,则两个部分的差越小,由于可能的阈值的分割,类间方差最大,则错误

led灯管里面有什么材料,单片机51点亮一个led灯 为什么要将图像灰度化,otsu阈值分割优缺点