图像分割算法比较
图像分割算法比较
数字图像处理常用的图像分割算法有：
1) 基于阀值的分割方法。
2) 基于边缘的分割方法。
3) 基于区域的分割方法。
4) 基于聚类分析的图像分割方法。
5) 基于小波变换的分割方法。
6) 基于数学形态学方法。
7) 基于人工神经网络的方法。
8) 基于遗传算法的方法。
……
基于阀值的分割方法
原理
阈值分割方法作为一种常见的区域并行技术，就是用一个或几个阈值将图像的灰度直方图分成几个类， 认为图像中灰度值在同一类中的像素属于同一物体。 由于是直接利用图像的灰度特性， 因此计算方便简明、实用性强。显然， 阈值分割方法的关键和难点是如何取得一个合适的阈值。 而实际应用中， 阈值设定易受噪声和光亮度影响。
近年来的方法有： 用最大相关性原则选择阈值的方法、基于图像拓扑稳定状态的方法、Yager 测度极小化方法、灰度共生矩阵方法、方差法、熵法、峰值和谷值分析法等， 其中， 自适应阈值法、最大熵法、模糊阈值法、类间阈值法是对传统阈值法改进较成功的几种算法。 更多的情况下，阈值的选择会综合运用2种或2种以上的方法， 这也是图像分割发展的一个趋势。
特点总结
阈值分割的优点是计算简单、运算效率较高、速度快。全局阈值对于灰度相差很大的不同目标和背景能进行有效的分割。当图像的灰度差异不明显或不同目标的灰度值范围有重叠时，应采用局部阈值或动态阈值分割法。另一方面，这种方法只考虑像素本身的灰度值，一般不考虑空间特征，因而对噪声很敏感。在实际应用中，阈值法通常与其他方法结合使用。
基于边缘的分割方法
原理
基于边缘检测的分割方法试图通过检测包含不同区域的边缘来解决分割问题，它可以说是人们研究的最多的方法之一。通常不同的区域之间的边缘上像素灰度值的变化往往比较剧烈， 这是边缘检测方法得以实现的主要假设之一。
常用灰度的一阶或二阶微分算子进行边缘检测。常用的微分算子有一次微分(Sobel算
你可能喜欢
- 模糊聚类算法
- matlab图像分割
- 数字图像
- 字符识别
- matlab神经网络
- 13825基于样本-特征加权的可能性模糊核聚类算法_黄卫春,刘建林,熊李艳7页
- 基于半径_中心约束的模糊C-球壳聚类算法7页
- 一种基于模拟退火和遗传算法的模糊聚类方法3页
- 模糊聚类算法12页
- 基于模糊聚类算法中FCM算法的36页
- 免疫进化模糊聚类算法在边缘检测中的应用5页
- 小波模极大值边缘检测+膨胀+边缘跟踪+图像分割 matlab程序2页
- kmeans聚类图像分割 matlab2页
- matlab_图像分割算法源码33页
- 用matlab实现自适应图像阈值分割最大类方差法代码4页
- 图像分割技术的matlab实现10页
- matlab图像分割程序1页
