APP下载

基于Canny算子的二维最大熵阈值分割算法

2018-07-05张允,焦斌

上海电机学院学报 2018年3期
关键词:区域检测

张 允, 焦 斌

(上海电机学院 电气学院,上海 201306)

图像分割[1],广义来说,是根据图像的灰度、颜色、纹理等某些特征或特征集合,利用相似性准则对图像像素进行分组聚类,把图像平面划分成若干个具有某些一致性的不重叠区域。这使得不同区域间像素的特征存在突变,即具有非一致性,而同一区域中的像素特征是类似的,即具有一致性。目前图像分割的方法[2]主要包括:基于阈值的分割、基于图论的分割、基于区域的分割、基于能量泛函的分割和基于边缘的分割等。

阈值法[3]的基本思想是先运用图像的灰度特征来计算一个或多个灰度阈值,然后将图像中每个像素的灰度值与阈值作比较,最后根据比较结果将像素分到合适的类别中。阈值处理技术,包括全局阈值、自适应阈值和最佳阈值等。阈值分割算法存在计算时间长、占用内存大等问题,Kapur等[4]最早对灰度图像进行阈值分割采用了一维最大熵,但是该算法无法有效克服图像噪声的影响,Brink等[5]运用图像的灰度信息和局部空间信息,提出二维熵阈值分割,得出的图像结果较好,但是耗时较长。许多学者提出了改进算法,王文豪等[6]运用自适应中值滤波和改进的最大类间方差法(Otsu)算法,生成新的高、低阈值。王诗宇等[7]利用统计原理对图像灰度值数据进行分析,提出改进Canny算子。于洋等[8]利用当前帧图像的灰度级和当前帧图像像素的邻域灰度级构成二元组,结合自适应粒子群集算法,估计出图像的最佳阈值。……

登录APP查看全文

猜你喜欢

区域检测
永久基本农田集中区域“禁废”
分割区域
小波变换在PCB缺陷检测中的应用
关于四色猜想
分区域
基于严重区域的多PCC点暂降频次估计
区域