图像分割--使用迭代算法的全局阈值处理
来源:互联网 发布:zk 集群通讯端口 编辑:程序博客网 时间:2024/09/21 09:26
基本全局阈值法
基本全局阈值法
当图像由暗色背景和较亮物体组成时,从背景中提取出物体的方法是选择一个将两种灰度值分开的阈值T,即f(x,y)> T 的任何点(x,y)称
为一个对象点,否则将该点称为背景点。那么,分割后的图像g(x,y)由以下式子给出:
在这里:
阈值T可以是一个常数,则使用的是全局阈值处理
阈值T可以在一幅图上改变,则使用可变阈值处理
阈值T可以是多个,则使用双(多)阈值处理
比如下列灰度直方图,左侧可以使用单阈值,右侧则需要双阈值进行分割。
用迭代方法的全局阈值处理
在实际处理中,通常图像之间有较大变化,即使对每一幅图片使用全局阈值是可行的,但我们也需要有能力对每一幅图片进行自
动、估计阈值。因此,迭代方法就是用于这个目的:
1.为全局阈值T选择一个初始值(一般选择平均灰度)
2.用T分割该图像,这将产生两组像素:G1由灰度值大于T的所有像素组成,G2由灰度值小于T
的所有像素组成
3.对G1和G2的像素分别计算平均灰度值m1和m2
4.计算一个新的阈值:
T=(m1+m2)/2
5.重复步骤2到步骤4,直到连续迭代中的T值间的差小于一个预定义的参数t为止。
0 0
- 图像分割--使用迭代算法的全局阈值处理
- 图像分割--使用Otsu方法的全局阈值处理
- 图像阈值分割---迭代算法
- 图像阈值分割---基本的全局阈值
- 图像分割—基于图像数据的自动选择阈值(基本全局阈值处理方法)
- 灰度图像--图像分割 阈值处理之迭代均值阈值
- 基于直方图的图像全局二值化算法原理、实现--迭代最佳阈值
- 图像处理基本算法 动态阈值分割
- 最优阈值分割算法(迭代)
- stm32f407使用OV7725使用迭代阈值法进行图像二值化,图像分割
- 图像分割 1.基于阈值的算法
- 图像算法:图像阈值分割
- 图像算法:图像阈值分割
- 迭代的(最优的)阈值选择法进行图像分割
- [matlab图像处理] 阈值分割
- Matlab 图像分割 (阈值处理)
- opencv10-图像分割-阈值处理
- 图像处理算法基础(十)---大津法求最佳分割阈值
- 关于样本量的快速证明
- jquery点击事件
- 多线程+JAVA学习笔记-DAY24
- myeclipse10.0配置
- Centos下部署Matlab环境
- 图像分割--使用迭代算法的全局阈值处理
- 正则表达式
- 希拉里2016败选演说
- JS之事件委托实例
- 前端上传图片并预览图片
- RecyclerView去除底部分割线
- Elasticsearch Alias第一篇 Index Alias
- 系统定位
- git:cannot open git-upload-pack