20、图像分割技术:连通分量分析、曲线分割与主动轮廓

图像分割技术:连通分量分析、曲线分割与主动轮廓

1. 连通分量分析

连通分量分析是图像分割中的重要技术,用于将图像中的连通区域进行标记和分析。这里介绍一种区域生长算法的示例及相关概念。

1.1 区域生长算法示例

在区域生长算法的执行过程中,有一个栈用于存储待处理的像素点。以下是算法执行过程的部分示例:
- 第5步 :栈中弹出 ⟨3, 3⟩ 像素,在图像 L 中将其标记为 1,检查发现该像素没有未标记的 4 - 邻域像素。此时栈为空,图像 L 更新为:

7 6 5 4 3 2 1
⎡
⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣
0 0 0 0 0 0 1
0 0 0 1 0 0 1
1 0 0 0 0 0 0
0 0 0 0 0 0 0
⎤
⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦
1 2 3 4
  • 第6步 :再次尝试从栈中弹出元素,得到“栈为空”的返回值,由于所有黑色像素都已标记,算法结束。

这种区域生长算法只是连通分量分析的策略之一,还有比它更快的策略,例如一些能以光栅扫描速率运行的方法。

1.2 迭代式连通分量分析

传统的区域生长技术虽然能得到封闭区域,但对于高分辨率图像,计算量可能过大。因此,提出了一种替代的迭代算法。

该算法基于图像像素间的等价关系。两个像素 a 和 b 若属于图像的同一区域,则定义为等价(记为 R(a, b)),这种关系具有自反性(R(a, a))、对称性(R(a, b) ⇒

根据原作 https://pan.quark.cn/s/0ed355622f0f 的源码改编 野火IM解决方案 野火IM是专业级即时通讯和实时音视频整体解决方案,由北京野火无限网络科技有限公司维护和支持。 主要特性有:私有部署安全可靠,性能强大,功能齐全,全平台支持,开源率高,部署运维简单,二次开发友好,方便第三方系统对接或者嵌入现有系统中。 详细情况请参考在线文档。 主要包括一下项目: 野火IM Vue Electron Demo,演示如何将野火IM的能力集成到Vue Electron项目。 前置说明 本项目所使用的是需要付费的,价格请参考费用详情 支持试用,具体请看试用说明 本项目默认只能连接到官方服务,购买或申请试用之后,替换,即可连到自行部署的服务 分支说明 :基于开发,是未来的开发重心 :基于开发,进入维护模式,不再开发新功能,鉴于已经终止支持且不再维护,建议客户升级到版本 环境依赖 mac系统 最新版本的Xcode nodejs v18.19.0 npm v10.2.3 python 2.7.x git npm install -g node-gyp@8.3.0 windows系统 nodejs v18.19.0 python 2.7.x git npm 6.14.15 npm install --global --vs2019 --production windows-build-tools 本步安装windows开发环境的安装内容较多,如果网络情况不好可能需要等较长时间,选择早上网络较好时安装是个好的选择 或参考手动安装 windows-build-tools进行安装 npm install -g node-gyp@8.3.0 linux系统 nodej...
以下是图片中的文字提取: 图1:《图像处理》实验四 图像综合处理小设计实验 一、实验意义及目的 充分利用所学各种图像处理技术,实现对图像的综合处理,加深对基础知识的理解和应用。 二、实验内容 在下列题目中任意选择一个题目完成实验。 1. 机器视觉图像的目标背景的分割提取 主要要求:对输入的图像可以达到目标和背景的分割 建议方法: (1)将已知图像进行消噪处理 (2)对彩色图像进行目标和背景分析 (3)通过阈值法将图像进行分割 (4)确定目标的位置 实现效果: 左一为原始图像,左二为分割提取的目标;右一为要求图片。 图2: 7. 齿轮齿计数 主要要求:通过处理图像,获取齿轮上齿的个数 建议方法: (1)对图像进行二值化处理,确定阈值; (2)采用边缘检测算法进行边缘提取齿轮的轮廓; (3)分别统计出齿轮上面齿的个数。 图片见附件。 三、实验考核 按小设计考核要求:方案(5/12)+ 提问(4/12)+ 报告(3/12)。 四、实验报告 实验结束后,撰写小设计报告,报告主题部分应包括:设计要求,总体方案、各模块设计(流程、程序、结果)、最终结果和分析。另附各人分工。按照撰写情况打分。 图3: 6. 木头个数检测 主要要求:利用连通域分析算法检测出图像中所有木头个数(未在图像中完全显示的木头不算)。 连通域分析算法就是对当前像素点的连通域内其他像素进行判读,如果当前像素相同则认为是同一目标。遍历整个图像则可以统计出图像内的所有目标。按照此想法完成木头个数的检测。 试验图片: [图片:黑白纹理图] 建议方法: (1)利用图像分割将所有木头从背景中提取出来 (2)对分割后的图像进行边缘检测,将边缘在图像中不封闭的木头滤除 (3)对处理后的图像进行连通域分析 (4)统计木头个数 图4: 3. 硬币检测及计数 主要要求:白色背景上扔几枚不同面值的硬币,拍摄图像,通过图像处理,获取硬币的数目及金额。 建议方法: (1)图像分割; (2)边缘检测、滤波去燥; (3)连通区域检测,判断硬币个数; (4)边缘图像通过霍夫变换检测圆,进而检测硬币金额。 4. 基于彩色阈值变换的香蕉彩色图像分割 主要要求:利用香蕉和其它水果及其背景颜色在R、G、B分量上的差异进行识别,根据香蕉和其它水果在R、G、B分量的二值化处理,获得特征提取的有效区域,然后提取特征,达到提取香蕉的目的。 建议方法: (1)分别截取图像中香蕉和其它水果的感兴趣区域,并将其转换为R分量、G分量、B分量的灰度图像对各个分量进行灰度值统计,得到灰度直方图; (2)设定阈值对其进行二值化; (3)特征提取。根据香蕉、草莓、奇异果的特征统计出各自的个数。 [图片:包含菠萝、香蕉等水果的图] 图5: 2. 基于Sobel算子完成对图像的搜索 主要要求:从图像中检索出飞机图像,要求五架飞机全部找到。 建议方法: (1)对待检测图片进行预处理(灰度化、二值化); (2)对图像进行边缘提取; (3)改进算子,使图像达到标准对照图像效果。 实现效果: 左图为原始图像,右图为搜索的目标(只给出了一个,要求五架飞机全部找到)。 [图片:左为含飞机的原始图,右为目标图] 图6: 5. 手背静脉识别的图像处理算法 主要要求:获取静脉曲线图 建议方法: (1)先对原始图像进行背景去除,取得手背部分,计算得到手背部分的质心G和手背部分的面积S,再以质心G作为中心,以手背部分面积S作为参考面积定义一个矩形,作为包含静脉信息的有效区域。 (2)对手背图像静脉信息的有效区域进行灰度化处理; (3)对手背图像进行二值化处理; (4)对手背图像静脉走势进行粗提取; (5)对获得的静脉图像进行细化处理,去除毛刺。 [图片:左为手背原图,右为处理后的静脉图]根据实验要求处理此问题
11-07
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值