基于形态学的图像分割算法研究
【摘要】本设计论述了基于数学形态学的图像边缘检测算法的研究。利用形态学算法,对图像进行分割,以此提高算法的运行效率。【关键词】形态学 图像分割
1 前言
1.1 图像分割技术概论
图像分割是指把图像分成各具特性的区域,并提取出感兴趣目标的技术和过程,它是由图像处理到进一步图像分析的关键步骤,是一种基本的计算机视觉技术。只有在图像分割的基础上,才能对目标进行特征提取和参数测量,使得更高层的图像分析和理解成为可能。因此,对图像分割的研究在图像处理领域具有重要的意义。
1.1.1图像分割分类及优缺点
人们常根据不同的应用场合、不同的目的而提出了一些分割方法。主要包括直方图阈值法、边缘检测法、基于区域的方法、聚类方法等。
(1)直方图阈值分割方法
优点是算法比较简单、分割速度快,不需要关于图像的先验信息,常常应用于粗糙的图像分割中。缺点是分割效果与阈值的选取有很大关系,所以当前的研究主要集中在阈值的确定上。
(2)基于边缘检测的分割方法
优点是边缘定位准确,运算速度快。但缺点是对噪声敏感;难以保证分割区域内部的颜色一致,且不能产生连续的闭区域轮廓;另外当边界定义不良时,难以形成一个大区域。
(3)基于区域的分割方法
将像素归类为一致区域。当区域一致准则比较容易定义的时候,这种方法能取得较好的效果,并且比基于边缘的方法更能抗干扰。但是,基于区域的方法在时间和空间上代价都比较大;区域生长本质依赖于种子像素的选取以及像素和区域检测的顺序;而且区域分裂由于分裂算法的原因,其产生的分割结果太趋于正方形。
(4)聚类方法
基于形态学的图像分割算法研究
【摘要】本设计论述了基于数学形态学的图像边缘检测算法的研究。利用形态学算法,对图像进行分割,以此提高算法的运行效率。【关键词】形态学 图像分割
1 前言
1.1 图像分割技术概论
图像分割是指把图像分成各具特性的区域,并提取出感兴趣目标的技术和过程,它是由图像处理到进一步图像分析的关键步骤,是一种基本的计算机视觉技术。只有在图像分割的基础上,才能对目标进行特征提取和参数测量,使得更高层的图像分析和理解成为可能。因此,对图像分割的研究在图像处理领域具有重要的意义。
1.1.1图像分割分类及优缺点
人们常根据不同的应用场合、不同的目的而提出了一些分割方法。主要包括直方图阈值法、边缘检测法、基于区域的方法、聚类方法等。
(1)直方图阈值分割方法
优点是算法比较简单、分割速度快,不需要关于图像的先验信息,常常应用于粗糙的图像分割中。缺点是分割效果与阈值的选取有很大关系,所以当前的研究主要集中在阈值的确定上。
(2)基于边缘检测的分割方法
优点是边缘定位准确,运算速度快。但缺点是对噪声敏感;难以保证分割区域内部的颜色一致,且不能产生连续的闭区域轮廓;另外当边界定义不良时,难以形成一个大区域。
(3)基于区域的分割方法
将像素归类为一致区域。当区域一致准则比较容易定义的时候,这种方法能取得较好的效果,并且比基于边缘的方法更能抗干扰。但是,基于区域的方法在时间和空间上代价都比较大;区域生长本质依赖于种子像素的选取以及像素和区域检测的顺序;而且区域分裂由于分裂算法的原因,其产生的分割结果太趋于正方形。
(4)聚类方法