外文翻译--图像分割

《外文翻译--图像分割》由会员分享，可在线阅读，更多相关《外文翻译--图像分割（23页珍藏版）》请在毕设资料网上搜索。

1、 中文 4440 字 毕业设计 /论文 外 文 文 献 翻 译 系 别 计算机与电子系 专 业 班 级 计算机科学与技术 姓 名 原 文 出 处 Digital Image Processing 2/E 评 分 指 导 教 师 2012 年 3 月 1 图像分割 前一章的资料使我们所研究的图像处理方法开始发生了转变。从输人输出均为图像的处理方法转变为输人为图像而输出为从这些图像中提取出来的属性的处理方法这方面在 1.1 节中定义过 )。图像分割是这一方向的另一主要步骤。 分割将图像细分为构成它的子区域或对象。分割的程度取决于要解决的问题。就是说当感兴趣的对象已经被分离出来时就停止分割。例如，在

2、电子元件的自动检测方面，我们关注的是分析产品的图像，检测是否存在特定的异常状态，比如，缺失的元件或断裂的连接线路。超过识别这此元件所需的 分割是没有意义的。 异常图像的分割是图像处理中最困难的任务之一。精确的分割决定着计算分析过程的成败。因此，应该特别的关注分割的稳定性。在某些情况下，比如工业检测应用，至少有可能对环境进行适度控制的检测。有经验的图像处理系统设计师总是将相当大的注意力放在这类可能性上。在其他应用方面，比如自动目标采集，系统设计者无法对环境进行控制。所以，通常的方法是将注意力集中于传感器类型的选择上，这样可以增强获取所关注对象的能力，从而减少图像无关细节的影响。一个很好的例子就是

3、，军方利用红外线图像发现有很强热信号的目标 ，比如移动中的装备和部队。 图像分割算法一般是基于亮度值的不连续性和相似性两个基本特性之一。第一类性质的应用途径是基于亮度的不连续变化分割图像，比如图像的边缘。第二类的主要应用途径是依据事先制定的准则将图像分割为相似的区域，门限处理、区域生长、区域分离和聚合都是这类方法的实例。 本章中，我们将对刚刚提到的两类特性各讨论一些方法。我们先从适合于检测灰度级的不连续性的方法展开，如点、线和边缘。特别是边缘检测近年来已经成为分割算法的主题。除了边缘检测本身，我们还会讨论一些连接边缘线段和把边缘“组装 ”为边界的方法。关于边缘检测的讨论将在介绍了各种门限处理技

4、术之后进行。门限处理也是一种人们普遍关注的用于分割处理的基础性方法，特别是在速度因素占重要地位的应用中。关于门限处理的讨论将在几种面向区域的分割方法展开的讨论之后进行。之后，我们将讨论一种称为分水岭分割法的形态学 2 图像分割方法。这种方法特别具有吸引力，因为它将本章第一部分提到的几种分割属性技术结合起来了。我们将以图像分割的应用方面进行讨论来结束本章。 10.1 间断检测 在本节中，我们介绍几种用于检测数字图像中三种基本的灰度级间断技术 :点、线和边缘。寻找 间断最一般的方法是以 3.5 节中描述的方式对整幅图像使用一个模板进行检测。图 10-1 所示的 3x3 模板，这一过程包括计算模板所

5、包围区域内灰度级与模板系数的乘积之和。就是说，关于式 (3.5.3)，在图像中任意点的模板响应由下列公式给出： 9199.2211iw iz izwzwzwR（ 10.1.1） 1W 2W 3W 4W 5W 6W 7W 8W 9W 图 10-1 一个一般的 3*3 模板 这里 Zi 是与模板系数 Wi 相联系的像素的灰度级。照例，模板响应是它的中心位置。有关执行模板操作的细节在 3.5 节中讨论。 10.1.1 点检测 在一幅图像中，孤立点的检测在理论上是简单的。使用如图 10-2(a)所示的模板，如果 |R| T (10.1.2) 我们说在模板中心的位置上已经检测到一个点。这里 T 是一个非负门限， R 由式(10.1.1)给出。基本上，这个公式是测量中心点和它的相邻点之间加权的差值。基本思想就是 :如果一个孤立的点 (此点的灰度级与其背景的差异相当大并且它所在的位置是一个均匀的或近似均匀的区域 )与它周围的点很不相同，则很容易被这类模板检测到。注意，图 10-2(a)中的模板同图 3.39(d)中给出的模板在拉