- 快召唤伙伴们来围观吧
- 微博 QQ QQ空间 贴吧
- 文档嵌入链接
- 复制
- 微信扫一扫分享
- 已成功复制到剪贴板
08计算机视觉—图像的二值化处理
展开查看详情
1 .成果展示 第八章 图像的二值化处理 巫义锐 河海大学 计算机与信息学院
2 . 典型试题 请问下式中的齐次坐标矩阵表征了哪一种图像仿射变化 A. 平移变换 B. 旋转变换 C. 水平错切 D. 以上三个均是
3 . 典型试题 请问下式中的齐次坐标矩阵表征了哪一种图像仿射变化 A. 平移变换 B. 旋转变换 C. 水平错切 D. 以上三个均是
4 .课件与书本内容有所不同 书中 数字图像分割 章节的 7.1,7.2 与 7.3 在课件中转化为图像的二值化处理。 书中 数字图像分割 章节的 7.4 在课件中转化为数字图像分割。 需区别 图像的二值化处理 与 二值图像处理 。
5 .图像二值化处理的目的 图像二值化处理是指通过某种方法,使得画面场景被分为“ 目标物 ”及“ 非目标物 ”两类 , 即将图像的像素变换为黑、白两种。 图像的二值化处理属于数字图像分割范畴。
6 .视频 监视 : 车流 检测中 的目标识别 当前帧图像 所提取背景图像 图像间的减法运算 与 图像二值化运算
7 .图像二值化说明示例
8 .图像 二值化 示例 :肾小球区域的提取 ?
9 .图像二值化示例:细菌检测
10 .图像二值化示例:印刷缺陷检测
11 .图像二值化示例:印刷缺陷检测 检测结果 局部放大图
12 .图像二值化示例:条码的二值化 局部放大
13 .图像分割示例 : 染色体分割( ICIP 论文) S. Zafari , T. Eerola , J. Sampo , H. Kalvi ainen , and H . Haario , “Segmentation of overlapping elliptical objects in silhouette images,” IEEE Trans. Image Processing , vol. 24, no. 12, pp. 5942–5952, 2015.
14 .一些问题? 图像二值化是否在前述课程中有提前使用? 图像二值化的数学本质是否可以构思为模式分类问题?
15 .边缘判据的基本原理 边缘检测判据的计算公式如下: 其中 f( i,j ) 为原始图像, g( i,j ) 为结果图像(二值), Th 为阈值。 阈值的选取决定了边缘检测效果的好坏 图像二值化 图像二值化 图像二值化 武学一刀切
16 .图像二值化的难点 从前面的例子可以看到,图像二值化是比较困难的。 原因是画面中的场景通常是复杂的,要找出两个 模式特征 的差异,并对该差异进行 数学描述 都是比较难的。
17 . 本章提纲 p- 参数法 类间类内最大方差比阈值法 聚类方法
18 .P- 参数法:设计思想 对 固定分辨率 下的目标物,根据目标物在画面中所占的比例来选择 阈值 ,进行二值化处理。 固定分辨率对应日常使用场景包括哪些?
19 .P- 参数法 :示例 p=15.07% p- 参数法对于已知目标物在画面中 所占比例 的情况下使用比较有效。
20 .P- 参数法 :基本原理 如下图所示,假设目标物为暗,背景为亮; 先试探性地给出一个阈值(黄色),统计目标物的像素点数在整幅图中所占的比例是否满足要求,是则阈值合适; 否则,阈值则偏大(右)或者偏小(左),再进行调整,直到满足要求(黑色)。 阈值 阈值
21 .P- 参数法 :算法步骤 1 )设图像的大小为 m*n ,计算得到原图的灰度直方图 h ; 2 )输入目标物所占画面的比例 p ;
22 .P- 参数法 :算法步骤 3 )尝试性地给定一个阈值 Th = Th 0 ; 4 )计算在 Th 下判定的目标物的像素点数 N ;
23 .P- 参数法 :算法步骤 5 )判断 p s =N/(m*n) 是否接近 p ? 是, 则 输出结果; 否则, Th=Th+dT ; ( if ps<p , 则 dT >0 ; else dT <0 ) ,转 4 ), 直到 满足条件。
24 .P- 参数法 :算法步骤 5 )判断 p s =N/(m*n) 是否接近 p ? 是, 则 输出结果; 否则, Th=Th+dT ; ( if ps<p , 则 dT >0 ; else dT <0 ) ,转 4 ), 直到 满足条件。
25 .类间类内最大方差比阈值法 :设计思想 所谓的类间类内最大方差比阈值法,是根据“ 物以类聚 ”的思想而设计的。 基本 设计 思想: 属于“同一类别”的对象具 有较大的 一致性 。 实现 的 手段: 以 均值 与 方差 作为 度量一致性 的数字 指标。
26 .类间类内最大方差比阈值法:算法步骤 1 )给定一个初始阈值 Th=Th 0 (例如:可以默认为 1 ,或者是 128 等), 则将原图分为 C1 和 C2 两类; 默认值为 128 是指从中间开始搜索; 默认值为 1 是指从头开始搜索。
27 .类间类内最大方差比阈值法:算法步骤 2 )分别计算两类的类内方差:
28 .类间类内最大方差比阈值法:算法步骤 3 )分别计算两类像素在图像中的分布概率: 计算分布概率的目的是:统计该类像素对图像的影响程度。
29 .类间类内最大方差比阈值法:算法步骤 4 )选择最佳阈值 Th=Th* ,使得下式成立: 找最佳阈值的方法有很多,最笨的方法就是遍历 [1~254] 。