Em geral, as etapas gerais da análise de imagem são:
1. Dividir a imagem em diferentes áreas ou separar diferentes objetos;
2. Descobrir as características de cada área separada;
3. Identificar o objeto ou objeto na imagem. Classificação da imagem;
4 Descrever diferentes regiões ou descobrir as inter-relações de diferentes regiões e, em seguida, encontrar estruturas semelhantes ou conectar regiões relacionadas em uma estrutura significativa.
A estratégia básica de segmentação de imagens
é baseada em duas características básicas do valor de cinza:
1. Descontinuidade - entre regiões
2. Similaridade - dentro da região
–> primeiro encontre o ponto de acordo com a descontinuidade do valor de cinza do pixel da imagem
, Linha ( largura é 1), borda (largura indeterminada) e, em seguida, determine a área
-> de acordo com a semelhança do valor cinza do pixel da imagem
Ao selecionar o limite, encontre a área com valor cinza semelhante, o contorno externo da área é a borda do objeto
Classificação de algoritmos de segmentação de imagens:
1. Tecnologia de segmentação de bordas
Operadores diferenciais comuns, operadores Canny e operadores LOG, operadores diferenciais comumente usados incluem operador Sobel, operador Roberts, operador Prewit
2. Tecnologia de segmentação de limite
Os comumente usados são limite global, segmentação de limite Otsu, segmentação de limite iterativo
3. A tecnologia de segmentação de região
é dividida em método de crescimento de região e método de segmentação de bacia hidrográfica
Detecção de borda Borda
: refere-se ao conjunto de pixels na imagem que tem uma mudança de passo na escala de cinza do pixel ou uma mudança semelhante a um telhado (a linha de limite entre duas regiões com características de valor de escala de cinza relativamente diferentes)
aplicar a:
Supondo que as áreas em questão sejam muito semelhantes, a transição entre duas áreas pode ser determinada apenas com base na descontinuidade da escala de cinza
não aplicável:
As técnicas de segmentação de limite são geralmente mais práticas do que a detecção de borda quando as suposições são falsas
Algoritmo de detecção de borda de passo ideal—Método de detecção de arestas astutas
Sob os três significados padrão a seguir, o operador de detecção de arestas de Canny é ideal para arestas do tipo degrau afetadas por ruído branco:
(a) Padrão de detecção: baixa taxa de falsos positivos, ou seja, o menor número possível de pontos de arestas são confundidos com (b) Padrão de posicionamento
: alta precisão de posicionamento, ou seja, posicionar com precisão o ponto de borda no pixel com a maior mudança de tons de cinza;
© suprimir bordas falsas.
Processo do algoritmo de detecção de arestas Canny:
1. Use o filtro gaussiano para suavizar a imagem
2. Use a diferença finita da derivada parcial de primeira ordem para calcular a magnitude e a direção do gradiente
3. Execute a supressão não máxima na magnitude do gradiente
4. Use o algoritmo de limite duplo Detecte e conecte bordas.