灰度图像--图像分割 区域分割之区域分离
来源:互联网 发布:金博医疗器械软件 编辑:程序博客网 时间:2024/05/16 05:00
学习DIP第59天
转载请标明本文出处:http://blog.csdn.net/tonyshengtan ,出于尊重文章作者的劳动,转载请标明出处!文章代码已托管,欢迎共同开发:https://github.com/Tony-Tan/DIPpro
开篇废话
废话开始,今天本来只想写一篇,但晚上觉得还是快把区域分割简单介绍下,后面开始彩色图像类的知识学习和代码实现,下一篇介绍分水岭算法,这才是个头疼的算法,今天的区域分离(合并)相对比较好理解。
算法原理
首先本算法依然是基于区域的,用到的区域的性质是区域的均值和标准差,简单描述算法,如果一个区域满足设定的均值范围和标准差范围,设置整个区域为亮,否则将次区域分为四份,每一份继续递归进行,直至预先设定的最小区域。
从结构来讲可以抽象成一颗四叉树:
算法最核心的是设计一个判别式,上面说的判别式是均值和均方的联合,也可以使用其他判别式,根据实际情况可以具体设计。
算法:
- 初始化,输入参数,包括均值上下界m1,m2,标准差上下界d1,d2
- 计算区域均值和标准差,如果满足条件,输出对应设置为亮 否者将区域分为四份
- 将其中一份带入步骤2递归进行计算
- 如果区域分割小于设定的最小值结束递归。
代码
/*******************************************************************************//* *区域分割算法,递归进行判断 *如果区域不符合条件,将区域 *分为四份,递归判断每个区域 *知道区域分为最小设定值 */void findSplitRegion(double *src,double *dst,int width,int height,int x,int y,int w_width,int w_height,double mean_param1,double mean_param2,double variance_param1,double variance_param2){ double mean=RegionMean(src, width, height, x, y, w_width, w_height); double variance=RegionStdDeviation(src, width, height, x, y, w_width, w_height); if(mean>mean_param1&& mean<=mean_param2&& variance>variance_param1&& variance<=variance_param2){ RegionSetOne(dst, width, height, x, y, w_width, w_height); }else{#define MINIMAL_CELL 3 if(w_width>=MINIMAL_CELL&&w_height>=MINIMAL_CELL){ findSplitRegion(src, dst, width,height, x, y, w_width/2+1, w_height/2+1, mean_param1, mean_param2, variance_param1, variance_param2); findSplitRegion(src, dst, width,height, x+w_width/2, y, w_width/2+1, w_height/2+1, mean_param1, mean_param2, variance_param1, variance_param2); findSplitRegion(src, dst, width,height, x+w_width/2, y+w_height/2+1, w_width/2+1, w_height/2, mean_param1, mean_param2, variance_param1, variance_param2); findSplitRegion(src, dst, width,height, x, y+w_height/2, w_width/2+1, w_height/2+1, mean_param1, mean_param2, variance_param1, variance_param2); } }}void RegionSplit(double *src,double *dst,int width,int height,double mean_param1,double mean_param2,double variance_param1,double variance_param2){ double *dsttemp=(double *)malloc(sizeof(double)*width*height); findSplitRegion(src, dsttemp, width, height, 0,0, width, height, mean_param1, mean_param2, variance_param1,variance_param2); matrixCopy(dsttemp, dst, width, height); free(dsttemp);}
实验结果
原图:
想要分离周围的星云,参数见图中标注:
原图:
同样分离周围的星云,参数见图中标注:
总结
此算法运行速度很快,但精确度不够高,因为设置的最小区域值决定了区域分割的准确性,所以会有锯齿状的边缘,这是一个缺点。
待续。。。
2 0
- 灰度图像--图像分割 区域分割之区域分离
- 灰度图像--图像分割 区域分割之区域生长
- 灰度图像--图像分割 区域分割之分水岭算法
- 图像分割之区域生长
- 图像分割之区域生长
- 图像分割_区域生长
- 图像分割_区域生长
- 图像分割(区域生长)
- 基于区域的图像分割-----------区域生长
- 基于区域的图像分割-----------区域生长
- 基于区域的图像分割-----------区域生长
- 基于区域分割(图像分割)
- Opencv 图像分割: 阈值化分割 区域分割 边缘分割
- 区域生长和区域分离与合并的图像分割方法
- 图像分割-区域标记算法(实现)
- 图像分割——区域生长
- 图像分割_区域分裂合并
- 图像分割_区域分裂合并
- javascript的变量的声明
- 常见HTTP状态(404,500等)
- 数据(date)的保密和系统(OS)的安全
- USACO--2.1Ordered Fractions
- Xcode描述文件路径
- 灰度图像--图像分割 区域分割之区域分离
- div模拟text输入框
- selector属性设置详解
- javaee-jdbc
- 内核驱动开发第五天linux系统调用
- /var/log目录下的Linux日志
- [LeetCode] Consecutive Numbers - SQL
- Java 中对类的主动引用和被动引用
- 使用Bash中Complete自动补全命令