分水岭分割算法理解

xiaoxiao2021-02-28  7

图像分割的基本算法有很多分类,根据分割考虑的因素可以简单分为:

1)基于单个像素的单个特征分割

2)基于多像素的多特征分割

方法1非常简单,我们熟知的Otsu阈值分割就是基于单像素的灰度值进行分割(当然在获取分割阈值的时候还是考虑了整体的分布)

方法2包含的就比较多,例如区域增长分割,其考虑的因素至少是两个:一是相邻像素;二是相邻像素的一致性关系,把符合一致性的相邻像素加入分割区域,重复操作直到分割区域里面像素的边界相邻像素不满足该条件为止。

分水岭分割其实也是一种区域增长分割方法,其区域增长的种子像素根据图像梯度值进行选择(选择那些梯度极小值点作为集水盆地),然后往里面关门“放水”,不同集水盆地放入同样高的水,当这些集水盆地的水一样高时筑起边界,称为分水岭线,用于防止集水盆地互相融合,这些分水岭线就是分割的边界。当然分水岭分割容易引起过分割,需要通过一些方法对这些集水盆地进行融合,最后剩下具有语义信息的几个集水盆地和分水岭线,作为最后分割的结果。所以在分水岭分割算法当中,像素梯度大小作为一个很重要的因素参与了分割的决策,是分割主要依赖的特征。

转载请注明原文地址: https://www.6miu.com/read-1749987.html

最新回复(0)