计算机视觉案例教程 课件 -第06章1-图像分割.pptx

人工智能视觉课程

图像分割;01;项目导入;图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域

使得这些特征在同一区域内表现出一致性或相似性

而在不同区域间表现出明显的不同

简单的说就是在一副图像中，把目标从背景中分离出来;项目导入;知识问答;01;本章的任务是

在Windows操作系统上

基于Anaconda和PyCharm

本项目利用自适应阈值分割算法、Otsu阈值分割算法、分水岭分割算法，完成了图像的分割，综合比较了各种算法的效果，对不同算法的优劣性进行了分析

;01;知识目标

理解自适应阈值分割算法

理解Otsu阈值分割算法

理解分水岭分割算法

技能目标

能够利用自适应阈值算法进行图像分割

能够利用Otsu阈值算法进行图像分割

能够利用水岭算法进行图像分割

;职业素养目标

培养学生严谨、细致、规范的职业素质

培养学生团队协作、表达沟通能力

培养学生跟踪新技术、创新设计能力

培养学生的技术标准意识、操作规范意识、服务质量意识等;01;在图像的二值化处理中，使用一个固定的阈值对图像进行分割

但这可能并非在所有情况下都很好

例如，如果图像在不同区域具有不同的光照条件

在这种情况下，自适应阈值可以提供帮助

自适应阈值分割算法基于像素周围的小区域确定像素的阈值

同一图像的不同区域具有不同的阈值

为光照变化的图像提供更好的分割效果;cv2.adaptiveThreshold(src,maxValue,adaptiveMethod,thresholdType,blockSize,C,dst=None)

src：源图像，它必须是灰度图像

maxValue是分配给超过阈值像素值的最大值

adaptiveMethod决定阈值是如何计算的，它包括以下两种计算方式：;cv2.adaptiveThreshold(src,maxValue,adaptiveMethod,thresholdType,blockSize,C,dst=None)

src：源图像，它必须是灰度图像

maxValue是分配给超过阈值像素值的最大值

adaptiveMethod决定阈值是如何计算的

thresholdType提供的不同类型的阈值，例如cv.THRESH_BINARY、cv.THRESH_TRUNC、cv.THRESH_TOZERO等

blockSize确定附近区域的大小

C是从邻域像素的平均或加权总和中减去的一个常数;利用中值滤波器对图像进行平滑处理，然后利用固定阈值算法、平均加权自适应算法、高斯函数加权自???应算法对图像进行分割;固定阈值算法进行分割的效果不好，大部分数字区域为黑色，显示不清楚

利用自适应阈值算法进行分割的效果较好

对于同一图像的不同区域，自适应阈值算法使用了不同的阈值;知识问答;编写代码实现下图（数独图）效果;Otsu阈值分割算法

大津法

最大类间方差法

按照大津法求得的阈值进行图像二值化分割后，前景与背景图像的类间方差最大

在图像的二值化处理中，我们可以自己任选阈值

Otsu方法遍历所有可能的阈值，从中自动确定最合适的阈值;考虑仅具有两个不同灰度值的图像（双峰图像）

其中直方图将仅包含两个峰

一个好的阈值应该在这两个值的中间

Otsu方法从图像直方图中确定最佳全局阈值;知识问答;retval,dst=cv2.threshold(src,thresh,maxval,thresholdType[,dst])

src：原图像，要求必须是灰度图像

dst：结果图像

thresh：阈值

maxVal：像素灰度最大值

thresholdType：阈值类型;知识链接-opencv-python中的图像二值化;知识链接-opencv-python中的图像二值化;retval,dst=cv2.threshold(src,thresh,maxval,thresholdType[,dst])

src：原图像，要求必须是灰度图像

dst：结果图像

thresh：阈值

maxVal：像素灰度最大值

thresholdType：阈值类型，在传递该参数时，要多传递一个参数，即cv.THRESH_OTSU;知识链接-Otsu阈值分割算法;利用固定阈值算法进行分割的效果不好

部分植物和汉字显示不清楚

利用Otsu阈值算法进行分割的效果较好

Otsu阈值算法遍历所有可能的阈值，从中找到了最合适的阈值;知识问答;知识链接-自然界中的分水岭;知识链接-还记得讲傅里叶变换时的描述吗？;图像的灰度空间很像地球表面的整个地理结构

每个像素的灰度值代表高度

其中的灰度值较大的像素连成的线可以看做山脊

也就是分水岭;把所有像素按照灰度值进行分类，并设定一个测地距离阈值

找到灰度值最小