我的网站

一栽用于表不益看缺陷检测的图像分割算法-施努卡

2022-01-16 18:55分类:莱铄医美 阅读:

基于区域的表不益看缺陷检测图像分割算法包括阈值分割、区域增加、分割-合并和聚类分割。元信下面将为您高雅介绍上述几栽常见的图像分割算法。

一栽用于表不益看缺陷检测的图像分割算法

阈值分割是一栽传统的图像分割办法,其基本原理是:始末确立分别的灰度阈值,将图像像素分为若干类。其实现轻易、计算量小、性能安定,已成为图像分割中最基本、动使最遍及的分割办法,其中阈值的选择是图像阈值分割办法中的关键。

区域增加法的基本思维是将几个“相通”的子区域顺从必定的增加标准聚积成更大的区域。该算法早先为每个区域找到一个要分割的栽子像素举动孳乳的首点,然后根据一些预先确定的准则将栽子像素附近质量划一或相通的像素合并到栽子像素所在的区域。将这些新像素视为新的栽子像素,并陆续上述操作,直到不再包含已足条件的像素。该办法原理轻易,对连接较均匀的对象具有良益的分割凶果。弊端是倚赖于初首条件的选择,计算量大,不适答实时检测。

分割-归并办法也是一栽基于区域的分割算法。其基本思维是:根据图像与各区域的非均匀性,将图像或区域划分为新的子区域,然后将含有划一内容的区域合并为新的更大的区域,结果得到分割后的图像。四叉树分解是一栽常用的分割-合并办法,其严密过程是将图像分割成4个大小十分的块,并确定每个块是否已足划一性准则(如两个区域的参数统计特征划一等)。伪如有,就不会分解;伪如不符合,则再细分为4个块,再细分为4个块进动划一性标准检查,直到已足划一性标准,这大略会导致分别大小的块。

聚类图像分割是指根据图像在特征空间中的聚积,对特征空间进动分割,然后映射到原首图像空间,得到分割终局。k均值聚类算法和暧昧c均值聚类(FCM)算法是常用的聚类算法。

郑重声明:文章来源于网络,仅作为参考,如果网站中图片和文字侵犯了您的版权,请联系我们处理!

上一篇:男士暗色皮衣搭配什么裤子?

下一篇:而今做个双眼皮手术,过年前还来得及恢复吗?

相关推荐

返回顶部