图像分割笔记.docx
版权申诉
184 浏览量
2022-07-02
20:33:07
上传
评论
收藏 264KB DOCX 举报
1、 基于图的图像分割：
A、 最小生成树：指在连通网的所有生成树种，所有边的代价和最小的生成树
B、 生成树：一个连通图的生成树是指一个连通子图，它包含图中全部 N 个顶点，但只
有足以构成一棵树的 N-1 条边。一棵有 N 个顶点的生成树有且仅有 N-1 条边，如果
生成树中再添加一条边，则必定成环。
C、 相似性：用来进行聚类，将不同的想去或区域进行合并，可使用颜色信息RGB 的欧
式距离，对于灰度图使用亮度值，此外还可以先使用纹理特征滤波，在计算距离
D、 全局阈值和自适应阈值
1、 全局阈值设置大，易造成分割太粗，设置小，易分割太细（图像中存在有高频区
域、斜坡区域、和平台区域）
E、 自适应阈值：可以不断调节阈值的大小，来进行不同像素和区域的合并，在图像分
个的过程中存在有三种情况：像素点到像素点，像素点到像素区域以及区域到区域
的合并
F、 类内差异和类间差异
1、 类内差异：一个区域内最大亮度或像素值得差异值
2、 类间差异：是指连接两个区域的所有边中，不相似度最小的不相似度，即两个区
域最相似的地方的不相似度。
3、 判断是否合并的标准：类间差异小于等于这两个区域的类内差异值的最小的那
个（在这里为什么不用类内差异的平均值，平均值不是可以更好的反映出整个区
域的像素值，合并时也更能体现出另一个区域或像素与该区域的接近程度？）
G、 形状相似性：前面提到用颜色信息来聚类，修改相似性的衡量标准，可以聚类成我
们想要的特定形状，比如我们希望得到很多长条形区域，那么可以用聚类后所形成
的区域面积/周长+亮度值的差，来衡量两个子图或者两个像素之间的相似度，因为
长条形的面积/周长会比较小。
H、 算法步骤
I、 补充
资源评论
