08计算机视觉—图像的二值化处理

首先介绍了图像二值化处理的目的、二值化的基本原理、二值化的难点,在此基础上具体介绍了p-参数法、类间类内最大方差比阈值法、聚类方法的设计思想、基本原理、算法步骤、相关示例以及拓展。
展开查看详情

1.成果展示 第八章 图像的二值化处理 巫义锐 河海大学 计算机与信息学院

2. 典型试题 请问下式中的齐次坐标矩阵表征了哪一种图像仿射变化 A. 平移变换 B. 旋转变换 C. 水平错切 D. 以上三个均是

3. 典型试题 请问下式中的齐次坐标矩阵表征了哪一种图像仿射变化 A. 平移变换 B. 旋转变换 C. 水平错切 D. 以上三个均是

4.课件与书本内容有所不同 书中 数字图像分割 章节的 7.1,7.2 与 7.3 在课件中转化为图像的二值化处理。 书中 数字图像分割 章节的 7.4 在课件中转化为数字图像分割。 需区别 图像的二值化处理 与 二值图像处理 。

5.图像二值化处理的目的 图像二值化处理是指通过某种方法,使得画面场景被分为“ 目标物 ”及“ 非目标物 ”两类 , 即将图像的像素变换为黑、白两种。 图像的二值化处理属于数字图像分割范畴。

6.视频 监视 : 车流 检测中 的目标识别 当前帧图像 所提取背景图像 图像间的减法运算 与 图像二值化运算

7.图像二值化说明示例

8.图像 二值化 示例 :肾小球区域的提取 ?

9.图像二值化示例:细菌检测

10.图像二值化示例:印刷缺陷检测

11.图像二值化示例:印刷缺陷检测 检测结果 局部放大图

12.图像二值化示例:条码的二值化 局部放大

13.图像分割示例 : 染色体分割( ICIP 论文) S. Zafari , T. Eerola , J. Sampo , H. Kalvi ainen , and H . Haario , “Segmentation of overlapping elliptical objects in silhouette images,” IEEE Trans. Image Processing , vol. 24, no. 12, pp. 5942–5952, 2015.

14.一些问题? 图像二值化是否在前述课程中有提前使用? 图像二值化的数学本质是否可以构思为模式分类问题?

15.边缘判据的基本原理 边缘检测判据的计算公式如下: 其中 f( i,j ) 为原始图像, g( i,j ) 为结果图像(二值), Th 为阈值。 阈值的选取决定了边缘检测效果的好坏 图像二值化 图像二值化 图像二值化 武学一刀切

16.图像二值化的难点 从前面的例子可以看到,图像二值化是比较困难的。 原因是画面中的场景通常是复杂的,要找出两个 模式特征 的差异,并对该差异进行 数学描述 都是比较难的。

17. 本章提纲 p- 参数法 类间类内最大方差比阈值法  聚类方法

18.P- 参数法:设计思想 对 固定分辨率 下的目标物,根据目标物在画面中所占的比例来选择 阈值 ,进行二值化处理。  固定分辨率对应日常使用场景包括哪些?

19.P- 参数法 :示例 p=15.07% p- 参数法对于已知目标物在画面中 所占比例 的情况下使用比较有效。

20.P- 参数法 :基本原理 如下图所示,假设目标物为暗,背景为亮; 先试探性地给出一个阈值(黄色),统计目标物的像素点数在整幅图中所占的比例是否满足要求,是则阈值合适; 否则,阈值则偏大(右)或者偏小(左),再进行调整,直到满足要求(黑色)。    阈值 阈值

21.P- 参数法 :算法步骤 1 )设图像的大小为 m*n ,计算得到原图的灰度直方图 h ; 2 )输入目标物所占画面的比例 p ;   

22.P- 参数法 :算法步骤 3 )尝试性地给定一个阈值 Th = Th 0 ; 4 )计算在 Th 下判定的目标物的像素点数 N ;   

23.P- 参数法 :算法步骤 5 )判断 p s =N/(m*n) 是否接近 p ? 是, 则 输出结果; 否则, Th=Th+dT ; ( if ps<p , 则 dT >0 ; else dT <0 ) ,转 4 ), 直到 满足条件。

24.P- 参数法 :算法步骤 5 )判断 p s =N/(m*n) 是否接近 p ? 是, 则 输出结果; 否则, Th=Th+dT ; ( if ps<p , 则 dT >0 ; else dT <0 ) ,转 4 ), 直到 满足条件。

25.类间类内最大方差比阈值法 :设计思想 所谓的类间类内最大方差比阈值法,是根据“ 物以类聚 ”的思想而设计的。 基本 设计 思想: 属于“同一类别”的对象具 有较大的 一致性 。 实现 的 手段: 以 均值 与 方差 作为 度量一致性 的数字 指标。

26.类间类内最大方差比阈值法:算法步骤 1 )给定一个初始阈值 Th=Th 0 (例如:可以默认为 1 ,或者是 128 等), 则将原图分为 C1 和 C2 两类; 默认值为 128 是指从中间开始搜索; 默认值为 1 是指从头开始搜索。

27.类间类内最大方差比阈值法:算法步骤 2 )分别计算两类的类内方差:

28.类间类内最大方差比阈值法:算法步骤 3 )分别计算两类像素在图像中的分布概率: 计算分布概率的目的是:统计该类像素对图像的影响程度。

29.类间类内最大方差比阈值法:算法步骤 4 )选择最佳阈值 Th=Th* ,使得下式成立: 找最佳阈值的方法有很多,最笨的方法就是遍历 [1~254] 。