數(shù)字圖像處理技術(shù)

1、數(shù)字圖像處理技術(shù)主要內(nèi)容 圖像預(yù)處理技術(shù)圖像預(yù)處理技術(shù) 圖像降噪圖像降噪 圖像增強圖像增強 圖像拼接圖像拼接 圖像區(qū)域檢測技術(shù)圖像區(qū)域檢測技術(shù) 圖像分割圖像分割圖像降噪預(yù)處理產(chǎn)生原因產(chǎn)生原因數(shù)字圖像的噪聲主要源于圖像的獲取和傳輸過程。鋼板表面圖像噪聲主要類型鋼板表面圖像噪聲主要類型高斯噪聲：高斯噪聲：電子電路噪聲和由低照明度和高溫帶來的傳感器噪聲。脈沖噪聲：脈沖噪聲：主要表現(xiàn)在成像中的短暫停留，例如錯誤的開關(guān)操作。基本方法基本方法平滑濾波平滑濾波中值濾波中值濾波圖像的平滑1111. 1111191作用作用：用于圖像的模糊處理，減小噪聲。原理原理：通過模板操作實現(xiàn)一種鄰域運算，即某個象素點的結(jié)果

2、灰度不僅和該象素灰度有關(guān)，而且和其鄰域點的值有關(guān)。 如圖所示為兩種常見的平滑模板（均值濾波），中間的黑點表示中心元素，即，用哪個元素做為處理后的元素。 1212. 42121161BOX模板，未考慮位置的影響高斯模板，考慮了位置的影響1212. 42121161均值濾波圖1 原圖圖2 均值濾波圖3 閾值處理圖圖2 采用采用1515均值模板進行處理均值模板進行處理中值濾波000000000111000016100001110000000000000000所謂中值濾波，是指把以某點所謂中值濾波，是指把以某點(x，y)為中心的小窗口內(nèi)的所有象素的灰度按為中心的小窗口內(nèi)的所有象素的灰度按從大到小的順序

3、排列，將中間值作為從大到小的順序排列，將中間值作為(x，y)處的灰度值。處的灰度值。原圖中值濾波過的圖圖中數(shù)字代表該處的灰度?？梢钥闯鲈瓐D中間的圖中數(shù)字代表該處的灰度?？梢钥闯鲈瓐D中間的6和周圍的灰度相差很大，是一和周圍的灰度相差很大，是一個噪聲點。經(jīng)過個噪聲點。經(jīng)過31窗口窗口(即水平即水平3個象素取中間值個象素取中間值)的中值濾波，得到右邊那幅的中值濾波，得到右邊那幅圖，可以看出，噪聲點被去除了。圖，可以看出，噪聲點被去除了。000000111001110011100000000000平滑濾波與中值濾波的對比與應(yīng)用從原圖中不難看出左邊區(qū)域灰度值低，右邊區(qū)域灰度值高，中間有一條明顯的邊界從原

4、圖中不難看出左邊區(qū)域灰度值低，右邊區(qū)域灰度值高，中間有一條明顯的邊界,這一類圖象稱之為這一類圖象稱之為“step”(就象灰度上了個臺階就象灰度上了個臺階)。應(yīng)用平滑模板后，圖象平滑了，。應(yīng)用平滑模板后，圖象平滑了，但是也使邊界模糊了。應(yīng)用中值濾波，就能很好地保持原來的邊界。但是也使邊界模糊了。應(yīng)用中值濾波，就能很好地保持原來的邊界。11100011434100113231001110001323101211323112198323191132310143410161516111651611211323112114341011001434101323101100原圖經(jīng)Box模板處理后經(jīng)Gauss

5、模板處理后經(jīng)中值濾波處理后平滑濾波與中值濾波的對比與應(yīng)用1111100000313131313111111不難看出，原圖中有很多噪聲點不難看出，原圖中有很多噪聲點(灰度為正代表灰度值高的點，灰度為負代表灰度灰度為正代表灰度值高的點，灰度為負代表灰度值低的點值低的點)，而且是雜亂無章，隨機分布的。這也是一類很典型的圖，稱之為高斯，而且是雜亂無章，隨機分布的。這也是一類很典型的圖，稱之為高斯噪聲。經(jīng)過噪聲。經(jīng)過Box平滑，噪聲的程度有所下降。平滑，噪聲的程度有所下降。Gauss模板對付高斯噪聲非常有效。模板對付高斯噪聲非常有效。而中值濾波對于高斯噪聲則無能為力。而中值濾波對于高斯噪聲則無能為力。3

6、13131000919191313131000000000000111000313131111原圖Box模板處理后Gauss模板處理后中值濾波處理后平滑濾波與中值濾波的對比與應(yīng)用121021131131121021從原圖中不難看出，中間的灰度要比兩邊高許多。這也是一類很典型的圖，稱之從原圖中不難看出，中間的灰度要比兩邊高許多。這也是一類很典型的圖，稱之為脈沖為脈沖 ?？梢?，中值濾波對脈沖噪聲非常有效?？梢?，中值濾波對脈沖噪聲非常有效。313314313531753133143134156415297294156415222333222原圖Box模板處理后Gauss模板處理后中值濾波處理后圖像增

7、強概念：將圖像中感興趣的特征有選擇地突出，而衰減其不需要的概念：將圖像中感興趣的特征有選擇地突出，而衰減其不需要的特征，故處理后輸出的圖像并不需要去逼近原圖像特征，故處理后輸出的圖像并不需要去逼近原圖像方法：方法：空間域法：對圖像像素直接處理空間域法：對圖像像素直接處理 灰度變換灰度變換直方圖處理直方圖處理u直方圖均衡化直方圖均衡化u直方圖規(guī)定化直方圖規(guī)定化頻率域法：在圖像的某種變換域內(nèi)對圖像進行運算，再對圖像頻率域法：在圖像的某種變換域內(nèi)對圖像進行運算，再對圖像 的頻譜進行某種計算，最后將計算后的圖像逆變換到空間域。的頻譜進行某種計算，最后將計算后的圖像逆變換到空間域。圖像增強n灰度變換灰度

8、變換圖像增強n直方圖處理直方圖處理直方圖就是表示圖像中某一灰度級的像素個數(shù)。通常用概率密度來表示，直方圖就是表示圖像中某一灰度級的像素個數(shù)。通常用概率密度來表示，即某一灰度級的像素個數(shù)占圖像中所有像素個數(shù)的百分比。即某一灰度級的像素個數(shù)占圖像中所有像素個數(shù)的百分比。 直方圖均衡化n為了使圖像的灰度級能跨越更大的范圍，采用均勻直方圖的基本增強。為了使圖像的灰度級能跨越更大的范圍，采用均勻直方圖的基本增強。 直方圖均衡化處理的直方圖均衡化處理的“中心思想中心思想”是把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍內(nèi)的是把原始圖像的灰度直方圖從比較集中的某個灰度區(qū)間變成在全部灰度范圍

9、內(nèi)的均勻分布。對圖像進行非線性拉伸，重新分配圖像像素值，使一定灰度范圍內(nèi)的像素數(shù)量大致相同。把給定圖像的均勻分布。對圖像進行非線性拉伸，重新分配圖像像素值，使一定灰度范圍內(nèi)的像素數(shù)量大致相同。把給定圖像的直方圖分布改變成直方圖分布改變成“均勻均勻”分布直方圖分布。分布直方圖分布。直方圖均衡化1, 2 , 1 , 0)(0LknnrTskjjkkkskr算法：算法：即輸出灰度級 等于輸入灰度級 直方圖的累加和。舉例：舉例：個數(shù)2551639183541817045702570237015705805030151210252028105輸入灰度累積直方圖輸出灰度結(jié)論：直方圖均衡化可以增大圖像灰度的

10、動態(tài)范圍，增強對比度結(jié)論：直方圖均衡化可以增大圖像灰度的動態(tài)范圍，增強對比度直方圖匹配n通過指定圖像直方圖所具有的形狀來實現(xiàn)。通過指定圖像直方圖所具有的形狀來實現(xiàn)。原圖直方圖均衡過的圖直方圖匹配過的圖直方圖均衡化能夠自動增強整個圖像的對比度，但它的具體增強效果不容易控制，處理的結(jié)果總是直方圖均衡化能夠自動增強整個圖像的對比度，但它的具體增強效果不容易控制，處理的結(jié)果總是得到全局均勻化的直方圖。實際上有時需要變換直方圖，使之成為某個特定的形狀，從而有選擇地增得到全局均勻化的直方圖。實際上有時需要變換直方圖，使之成為某個特定的形狀，從而有選擇地增強某個灰度值范圍內(nèi)的對比度。強某個灰度值范圍內(nèi)的對比

11、度。 這時可以采用比較靈活的直方圖規(guī)定化。一般來說正確地選擇規(guī)定化這時可以采用比較靈活的直方圖規(guī)定化。一般來說正確地選擇規(guī)定化的函數(shù)可以獲得比直方圖均衡化更好的效果。的函數(shù)可以獲得比直方圖均衡化更好的效果。 圖像拼接 圖像配準：圖像之間的對齊圖像配準：圖像之間的對齊 基于區(qū)域的配準基于區(qū)域的配準u 逐一比較法逐一比較法u 分層比較法分層比較法u 相位相關(guān)度法相位相關(guān)度法 基于特征的配準基于特征的配準u 比值匹配法比值匹配法u 特征點匹配法特征點匹配法 圖像融合：實現(xiàn)圖像的無縫拼接圖像融合：實現(xiàn)圖像的無縫拼接u 平均值法平均值法u 加權(quán)平滑法加權(quán)平滑法u 多分辨樣條法：多分辨樣條法：計算量大，時

12、間長，不適合一般的圖像拼接I=imread(FResourceLeft.jpg);/讀取圖像J=imread(FResourceRight.jpg);M=J(1:400,1:50);/指定模板N=I(1:400,181:230)-M;/原圖指定區(qū)域和模板做差S=sum(sum(abs(N);/相似度算法Min=S;index=0;for i=1:15 N=I(1:400,181-i:230-i)-M; S=sum(sum(abs(N); if SMin Min=S;index=i;/獲取相似度最大的匹配位置 endendK=I(1:400,1:230-50-index),J(1:400,1:2

13、30);/圖像拼接模板圖像拼接之基于特征點的匹配步驟：步驟：特征選擇和提取特征選擇和提取點特征：像素點在其鄰域的各個方向上的灰度變化足夠大，例如邊緣點、點特征：像素點在其鄰域的各個方向上的灰度變化足夠大，例如邊緣點、角點、直線交叉點等。角點、直線交叉點等。特征匹配特征匹配在指定相似度算法的基礎(chǔ)上進行特征匹配。在指定相似度算法的基礎(chǔ)上進行特征匹配。圖像拼接之基于特征點的匹配基于邊緣點特征的圖像匹配算法基于邊緣點特征的圖像匹配算法 經(jīng)過Canny算子提取邊緣點后，我們得到了圖像的邊緣特征。但是圖像邊緣點數(shù)量很多，還是不利于我們圖像間的匹配。所以需要對邊緣點進行篩選，得到最具代表性的特征點。 設(shè)圖像

14、 為參考圖像，圖像 為待配準圖像，設(shè)它們的寬和高分別為 和 ，提取特征點步驟為： 首先，將圖像 中每一列的邊緣點找出，并將每一列的邊緣點縱坐標(行值)存入數(shù)組 中， ，例如 存儲第2列邊緣點的縱坐標。 然后，根據(jù)數(shù)組 中所記錄的第 列邊緣點的位置，求出每一列梯度值最大的邊緣點，即為特征點，并記錄該點的梯度值和縱坐標，對于圖像中任意邊緣點 ，梯度值由下式給出： 式中， 是點 的灰度值，這樣可得到長度為 的二維數(shù)組 ，數(shù)組中第一行的元素是圖像中該列上最大梯度值，第二行的元素是圖像中該列上梯度最大點的縱坐標。 同理可得 的特征數(shù)組 。),(1yxf),(2yxf1W1G),(1yxf)( jV121

15、Wj)2(V)( jVj),(ji222) 1,() 1,(2), 1(), 1(),(jifjifjifjifjiM),(jif),(ji1W1M),(2yxf2M圖像融合平均值法平均值法算法：算法：令I(lǐng)1(x,y)，I2(x,y)和I(x,y)分別表示第一幅圖像、第二幅圖像和融合圖像在點(x,y)處的像素值，則融合圖像中各點的像素值按下式確定。3212211),(),(),(),(),(),(21),(),(RyxRyxRyxyxIyxIyxIyxIyxI式中，R1表示第一幅圖像中未與第二幅圖像重疊的圖像區(qū)域，R2表示第一幅圖像與第二幅圖像重疊的圖像區(qū)域，R3表示第二幅圖像中未與第一幅圖像

16、重疊的圖像區(qū)域。圖像融合WixWxW/1)(1)(12加權(quán)平滑法：加權(quán)平滑法：使顏色逐漸過渡，避免圖像模糊和明顯的邊界。算法：算法：在重疊部分由前一幅圖像慢慢過渡到第二幅圖像，即將圖像重疊區(qū)域的 像素值按一定的權(quán)值相加合成新的圖像。相鄰圖像I1、I2在區(qū)間x1,x2上重疊，W1(x)、 W2(x)為加權(quán)函數(shù)，一個常用的加權(quán)函數(shù)的形式為：其中0iW，W為重疊區(qū)域的寬度。那么重疊通向I在這個區(qū)間上(x,y)點的像素值如式：)(*),()(*),(),(2211xWyxIxWyxIyxI圖像分割概念：就是在一幅圖像中，把目標從背景中分離出來，以便于進一步概念：就是在一幅圖像中，把目標從背景中分離出來

17、，以便于進一步 處理。處理。方法：方法：基于邊緣檢測的圖像分割基于邊緣檢測的圖像分割基于閾值的圖像分割基于閾值的圖像分割基于區(qū)域增長法的圖像分割基于區(qū)域增長法的圖像分割基于變形模型的圖像分割基于變形模型的圖像分割基于聚類法的圖像分割基于聚類法的圖像分割基于遺傳算法的圖像分割基于遺傳算法的圖像分割基于模糊集理論的圖像分割基于模糊集理論的圖像分割基于神經(jīng)網(wǎng)絡(luò)的圖像分割基于神經(jīng)網(wǎng)絡(luò)的圖像分割邊緣檢測作用作用鋼板邊界檢測鋼板邊界檢測缺陷邊緣檢測缺陷邊緣檢測方法方法梯度法（梯度法（Roberts算子、算子、 Prewitt算子、算子、 Sobel算子、算子、Kirsch算子、算子、高斯拉普拉斯（高斯拉普

18、拉斯（LOG）算子）。）算子）。Canny邊緣檢測法邊緣檢測法小波分析技術(shù)小波分析技術(shù)差影技術(shù)：先腐蝕，再做差差影技術(shù)：先腐蝕，再做差圖像平滑技術(shù)圖像平滑技術(shù)梯度算子1.01，254254254254011253253255255000254254253254111254254254255100給出一幅圖像，對其進行模板運算，模板為：圖1 原圖圖2 結(jié)果圖像圖1中不難發(fā)現(xiàn)左邊暗，右邊亮，中間存在著一條明顯的邊界。圖2中可以看出，第3、4列比其他列的灰度值高很多，人眼觀察時，就能發(fā)現(xiàn)一條很明顯的亮邊，其它區(qū)域都很暗，這樣就起到了邊沿檢測的作用。1.01，模板稱作梯度算子。xxxxxxxx0025

19、42531222552550102522530012532551Roberts算子1000. 00001模板：模板：特點：特點：0010. 00100Robert 算子是一種梯度算子算子是一種梯度算子,它用交叉的差分表示梯度它用交叉的差分表示梯度, 對具有對具有陡峭的噪聲的圖像效果最好。陡峭的噪聲的圖像效果最好。Prewitt算子1011. 01101prewitt 算子是平均算子算子是平均算子,對噪聲有抑制作用對噪聲有抑制作用,但是像素平均相當(dāng)?shù)窍袼仄骄喈?dāng)于對圖像進行濾波操作于對圖像進行濾波操作,所以所以prewitt 算子對邊緣的定位不如算子對邊緣的定位不如robert 算子。算子。特

20、點：特點：模板：模板：1110. 00111檢測水平邊沿檢測垂直邊沿Sobel算子1210. 00121模板：模板：1012. 02101檢測水平邊沿檢測垂直邊沿特點：特點：對鄰域采用帶權(quán)方法計算差分；能進一步抑止噪聲；但檢測的邊緣較寬。對鄰域采用帶權(quán)方法計算差分；能進一步抑止噪聲；但檢測的邊緣較寬。X,Y 方向各用一個模板方向各用一個模板,兩個模板組合起來構(gòu)成兩個模板組合起來構(gòu)成1 個梯度算子。個梯度算子。X 方向模方向模板對垂直邊緣影響最大板對垂直邊緣影響最大,Y 方向模板對水平邊緣影響最大。方向模板對水平邊緣影響最大。 Sobel算子對于象素的位置的影響做了加權(quán)，因此效果比算子對于象素的

21、位置的影響做了加權(quán)，因此效果比Prewitt算子算子更好。更好。Kirsch算子模板：模板：特點：特點：3353. 053353333. 035553335. 035535335. 035333333. 053553553. 053335553. 033335535. 033338個模板形成了個模板形成了Kirsch 邊緣檢測算子，圖像中的每個像素都用這邊緣檢測算子，圖像中的每個像素都用這8個個模板進行操作，每個模板都對某個特定邊緣方向作出最大響應(yīng)，所有模板進行操作，每個模板都對某個特定邊緣方向作出最大響應(yīng)，所有8個方向的最大值作為該點的輸出值。最大響應(yīng)掩模的序號構(gòu)成了邊個方向的最大值作為該點

22、的輸出值。最大響應(yīng)掩模的序號構(gòu)成了邊緣方向的編碼。緣方向的編碼。高斯拉普拉斯算子模板：模板：定義數(shù)字形式的拉普拉斯的基本要求是，作用于中心像素的系數(shù)是一個正數(shù)，定義數(shù)字形式的拉普拉斯的基本要求是，作用于中心像素的系數(shù)是一個正數(shù)，而且其周圍像素的系數(shù)為負數(shù)，系數(shù)之和必為而且其周圍像素的系數(shù)為負數(shù)，系數(shù)之和必為0。對于一個。對于一個3x3的區(qū)域，經(jīng)的區(qū)域，經(jīng)驗上被推薦最多的形式是：驗上被推薦最多的形式是：0101. 410101111. 81111 Gauss-Laplacian算子是各向同性的算子是各向同性的,能對任何走向的界線和線條進行銳化能對任何走向的界線和線條進行銳化,無無方向性。這是高斯

23、拉普拉斯算子區(qū)別于其他算法的最大優(yōu)點。方向性。這是高斯拉普拉斯算子區(qū)別于其他算法的最大優(yōu)點。特點：特點：Canny邊緣檢測法Canny 邊緣檢測是一種比較新的邊緣檢測算子邊緣檢測是一種比較新的邊緣檢測算子, 具有很好的邊緣監(jiān)測性能具有很好的邊緣監(jiān)測性能,在圖像處理中得到了越來越在圖像處理中得到了越來越廣泛的應(yīng)用。它依據(jù)圖像邊緣檢測最優(yōu)準則設(shè)計廣泛的應(yīng)用。它依據(jù)圖像邊緣檢測最優(yōu)準則設(shè)計Canny 邊緣檢測算法邊緣檢測算法:(1)首先用首先用2D 高斯濾波模板進行卷積以消除噪聲。高斯濾波模板進行卷積以消除噪聲。(2)利用導(dǎo)數(shù)算子找到圖像灰度地沿著兩個方向的偏導(dǎo)數(shù)利用導(dǎo)數(shù)算子找到圖像灰度地沿著兩個方

24、向的偏導(dǎo)數(shù)(Gx,Gy),并求出梯度的大小并求出梯度的大小 。(3)利用利用(2)的結(jié)果計算出梯度的方向。的結(jié)果計算出梯度的方向。(4)一旦知道了邊緣的方向一旦知道了邊緣的方向,就可以把邊緣的梯度方向大致分為四種就可以把邊緣的梯度方向大致分為四種:水平、豎直、水平、豎直、45 度方向、度方向、135 度方度方向。通過梯度的方向向。通過梯度的方向,就可以找到這個像素梯度方向的鄰接像素。就可以找到這個像素梯度方向的鄰接像素。(5)遍歷圖像遍歷圖像,若某個像素的灰度值與其梯度方向上前后兩個像素的灰度值相比不是最大的若某個像素的灰度值與其梯度方向上前后兩個像素的灰度值相比不是最大的,那么這個像那么這個

25、像素值置為素值置為0,即不是邊緣。即不是邊緣。(6) 使用累計直方圖計算兩個閾值使用累計直方圖計算兩個閾值, 大于高閾值的一定是邊緣大于高閾值的一定是邊緣,小于低閾值的一定不是邊緣小于低閾值的一定不是邊緣,介于之間的介于之間的,看這個像素的鄰接像素中有沒有超過高閾值的邊緣像素看這個像素的鄰接像素中有沒有超過高閾值的邊緣像素,如果有的話那么它就是邊緣了如果有的話那么它就是邊緣了,否則它就不是邊否則它就不是邊緣。緣。算法：算法：特點：特點：Canny 方法不容易受噪聲干擾方法不容易受噪聲干擾,能夠檢測到真正的弱邊緣。優(yōu)點在于能夠檢測到真正的弱邊緣。優(yōu)點在于,使用兩使用兩種不同的閾值分別檢測強邊緣和

26、弱邊緣種不同的閾值分別檢測強邊緣和弱邊緣,并且當(dāng)弱邊緣和強邊緣相連時并且當(dāng)弱邊緣和強邊緣相連時,才將弱才將弱邊緣包含在輸出圖像中。邊緣包含在輸出圖像中。邊緣提取算子舉例比較原圖Prewittcannyrobertslogsobel邊緣連接處理方法：方法：基于局部處理的圖像邊緣連接基于局部處理的圖像邊緣連接基于模糊判決的基于模糊判決的圖像圖像邊緣連接邊緣連接基于人類感知的基于人類感知的圖像圖像邊緣連接邊緣連接基于自適應(yīng)數(shù)學(xué)形態(tài)學(xué)的基于自適應(yīng)數(shù)學(xué)形態(tài)學(xué)的圖像邊緣連接圖像邊緣連接基于視覺感知的雙層次閾值的基于視覺感知的雙層次閾值的圖像邊緣連接圖像邊緣連接基于邊緣生長的基于邊緣生長的圖像邊緣連接：效果

27、較好圖像邊緣連接：效果較好目的與意義：目的與意義：邊緣檢測處理后，由于噪音的原因，邊界的特征很少能夠被完整地描述，在亮度邊緣檢測處理后，由于噪音的原因，邊界的特征很少能夠被完整地描述，在亮度不一致的地方會中斷。需要連接過程用來歸整邊像素，成為有意義的邊。不一致的地方會中斷。需要連接過程用來歸整邊像素，成為有意義的邊?；诰植刻幚淼倪吘夁B接設(shè)定設(shè)定A（方向角）、（方向角）、T（梯度）的閾值大小，確定鄰域的大小。（梯度）的閾值大小，確定鄰域的大小。當(dāng)梯度值和方向角都是相似的，則點當(dāng)梯度值和方向角都是相似的，則點(x，y)，與邊點界，與邊點界(x，y)是連接的。是連接的。原理原理u對做過邊檢測的圖象

28、的每個點對做過邊檢測的圖象的每個點(x，y)的特性進行分析。的特性進行分析。u分析在一個小的鄰域（分析在一個小的鄰域（3x3或或5x5）中進行。）中進行。u所有相似的點被連接，形成一個享有共同特性象素的邊界。所有相似的點被連接，形成一個享有共同特性象素的邊界。u用比較梯度算子的響應(yīng)強度和梯度方向確定兩個點是否同屬一條邊。用比較梯度算子的響應(yīng)強度和梯度方向確定兩個點是否同屬一條邊。閾值分割法基本思想：基本思想：確定一個合適的閾值確定一個合適的閾值T（閾值選定的好壞是此方法成敗的關(guān)鍵）。（閾值選定的好壞是此方法成敗的關(guān)鍵）。將大于等于閾值的像素作為物體或背景，生成一個二值圖像。將大于等于閾值的像素

29、作為物體或背景，生成一個二值圖像。If f (x，y) T set 255 Else set 0特點：特點：適用于物體與背景有較強對比的情況，重要的是背景或物體的灰適用于物體與背景有較強對比的情況，重要的是背景或物體的灰度比較單一。度比較單一。閾值的選取是圖像閾值分割方法中的關(guān)鍵技術(shù)。閾值的選取是圖像閾值分割方法中的關(guān)鍵技術(shù)。閾值分割法：閾值獲取方法直方圖法直方圖法基本思想：邊界上的點的灰度值出現(xiàn)次數(shù)較少基本思想：邊界上的點的灰度值出現(xiàn)次數(shù)較少取值的方法：取直方圖谷底取值的方法：取直方圖谷底(最小值最小值)的灰度值為閾值的灰度值為閾值T。缺點：會受到噪音的干擾，導(dǎo)致最小值不是預(yù)期的閾值，而偏離期望的缺點：會受到噪音的干擾，導(dǎo)致最小值不是預(yù)期的閾值，而偏離期望的值。值。閾值分割法：閾值獲取方法最大類間方差法：最大類間方差法：它被認為是閾值分割中的經(jīng)典