数字图像处理matlab版第十章（重要）

分割将一幅图像细分为期组成区域或对象。

单色图像的分割算法通常基于图像亮度值的两个基本特性，不连续性和相似性。

在第一种类别中，处理方法是基于亮度的突变来分割一幅图像，如图像中的边缘。

在第二类别中，主要方法是根据事先定义的准则把图像分割成相似的区域。

数字图像中检测亮度不连续的三种基本类型：点、线和边缘。

在线检测中，我们对指定方向的线更感兴趣。在这种情况下，可以使用与该方向相关的掩模并对其输出做出阈值处理。

目前为止边缘检测最常用的方法是检测亮度值的不均匀性。这样的不连续是用一阶和二阶导数检测的。

边缘检测的基本意图是使用如下两个基本准则之一在图像中找到亮度快速变化的地方。

1找到亮度的一阶导数在幅度上比指定的阈值大的地方。

2找到亮度的二阶导数有零交叉的地方。

函数edge实现边缘检测。边缘检测器有sobel、canny等。

sobel检测器的调用语法为：[g，t]=edge（f,'sobel',T,dir）。

prewitt边缘检测器

Roberts边缘检测器

Laplacian of a Gaussian(LoG)检测器

零交叉检测器，这种检测器基于LoG方向相同的概念，但卷积是使用指定的滤波函数H执行的。

Canny边缘检测器，是使用函数edge的最有效边缘检测器。

方法如下：
1.图像使用带有指定标准偏差的高斯滤波器来平滑，从而可以减少噪声。

2.在梯度每一点处计算局部和边缘方向

3在第2条中确定的边缘点会导致梯度幅度图像中出现脊。然后，算法追踪所有脊的顶部，并将所有不在脊的顶部的像素设为零。

4最后，算法将8连接的弱像素集成到强像素，执行边缘链接。

canny边缘检测器的语法为：[g,t]=edfe(f,'canny',T,sigma)

典型的边缘检测算法遵循用链接过程把像素组成有意义的边缘的方法。一种寻找并链接图像中线段的处理方式是Hough变换。

由于实现的直观性和简单性，图像阈值处理在图像分割应用中占有重要的地位。

函数graythresh函数，该函数使用Otsu方法来计算阈值。函数graythresh取一幅图像，计算它的直方图，找到最大化方差的阈值。

区域生长时根据预先定义的生产准则来把像素或子区域集合成较大区域的处理方法。

分水岭是指一个山脊，在该山脊两边的区域中有着不同流向的水系。汇水盆地是指水排入河流或水库的地理区域。

用于控制过分割的一方法是基于标记符的概念。标记符是一个属于一幅图像的连接分量。

在大多数自动图像模式识别和场景分析问题中，图像分割是一个基本的预备步骤。