基于最大熵的二值分割法.pptx

基于最大熵的图像分割10级通信工程组长：王慧组员：邵泽铭苏学娟 孙颖 唐诗豪 田丰 袁雪内容1图像分割概述图像分割概述 阈值图像分割原理2 一维最大熵分割方法3 二维最大熵分割方法4图像分割 图像分割就是按照一定的原则将一幅图像或是景物分为若干个特定的、具有独特性质的部分或是子集，并提取出感兴趣目标的技术和过程。图像分割分类基于阈值的分割内容图像分割概述1阈值图像分割原理阈值图像分割原理2 一维最大熵分割方法3 二维最大熵分割方法4基本知识讲解—像素、灰度? 灰度：像素的颜色（值） 灰度值：0—255 （纯黑—纯白）0～255的灰度级灰度图像部分放大后的灰度像素基本知识讲解—灰度直方图 横坐标表示灰度值 纵坐标表示图像中有该灰度值的像素的个数遍历像素7412318823574188281232351231882818828235123图像灰度直方图阈值化分割原理1.目标与背景只具有单峰度目标与背景之间灰度值存在较大的差距。2.选一灰度阈值，让图像中的各个像素的灰度值与这个阈值比较，将图像像素划分两类。背景目标简单图像灰度直方图阈值法图像分割一维最大熵分割法基于最大熵的二值化算法二维最大熵分割法直方图谷点阈值选取算法基于阈值法图像分割基于灰度期望值的图像分割算法三种典型的图像阈值分割法最大类间方差法为什么可以基于最大熵寻找阈值图像分割后熵越大，说明分割后从原图得到信息量越大，细节越丰富合理的阈值，可以使图像灰度直方图很好分为目标和背景两部分使图像更好分割熵是图像统计特性的一种表现形式，反映了图像包含信息量的大小可以基于最大熵寻找阈值内容图像分割概述1阈值图像分割原理2 一维最大熵分割方法一维最大熵分割方法3 二维最大熵分割方法4用图像最大熵求得阈值 p(x)：图像中每一个灰度级出现的概率 图像一维熵： 假设以灰度级T分割图像 目标物体（O）：由图像中低于T灰度级的像素构成 背景（B）：由高于T灰度级 的像素构成各个灰度级在本区的分布概率如下： 程序设计流程图成果展示内容图像分割概述1阈值图像分割原理2 一维最大熵分割方法3 二维最大熵分割方法 二维最大熵分割方法4分割思想二维最大熵阈值分割法是用该像素的灰度值i和四邻域的均值j构成一个二维向量（i,j），统计（i,j）的发生概率。78408075254A区：目标B区：背景 （挨近对角线）C区：边界D区：噪声 （远离对角线）算法实现二维与一维类似，设分割图像的阈值为(s,t),则A、B区的概率：成果展示成果展示程序设计中遇到的实际问题1.程序设计中采用的是遍历像素法，没有出现的灰度级会归为零，8585200200000000 2.二维处理中，对于图像边缘没有四邻域，如何处理？124124把获得的图像矩阵复制到一个比它大两行两列的零矩阵中，这样边缘的四邻域也均有意义.00003.二维处理中，四领域的灰度值的均值是小数形式时，如何处理？因为程序只能遍历0～255的整数值，所以要将小数四舍五入变为 整数 再处理，但同时会带来一些误差。4.二维分割图片，因为我们的程序用的循环比较多，二维的时间复杂度大，所以像素少的图片还比较适合。0000000000Thank You !10级通信工程1.影像放大数倍，会发现这些连续色调其实是由许多色彩相近的小方格所组成，这些小方格就是构成影像的最小单位“像素”。2. 图像的二值分割就是把一幅图像分成目标和背景两大类，选定一个合理的阈值即可将其分为只有0，1两个灰度级的直方图1.灰度直方图的统计：遍历图像中的所有像素，将属于同一灰度的个数累加起来。像素的空间信息丢失，只记录其灰度分布情况。图像灰度直方图如图所示，假设图中灰度级低于T的像素点构成背景区域，灰度级高于T的像素点构成目标区域。2.阈值化分割算法是以一定的图像模型依托的。1.阈值法是一种传统的图像分割方法，因其实现简单、计算量小、性能较稳定而成为应用最广泛的分割技术。2.图像阈值分割利用了图像中要提取的目标物与其背景在灰度特性上的差异，把图像视为具有不同灰度级的两类区域（目标和背景）的组合。然后选取一个合适的阈值，以确定图像中每一个像素点应该属于目标还是背景，从而产生二值图像，因此如何来选取阈值是图像分割的关键问题。3.三种典型的图像阈值分割法：直方图古典阈值选取算法，最大类间方差法，基于灰度期望值的图像分割算法，而我们要研究的基于最大熵的直方图阈值分割算法。1.众所周知，熵是图像统计特性的一种表现形式，反映了图像包含信息量的大小。因为对于绝大多数图像来说，不管采用何种分割算法，一般图像分割后熵值越大，说明分割后从原图得到信息量越大，分割图像细节越丰富，因而