高斯噪声高斯噪声是指概率密度函数服从高斯分布的一类噪声。在弱光照的情况下,其影响更为严重,此时常用具有泊松分布的随机变量作为光电噪声的模型。这意味着噪声的幅度是与信号有关的。大量实验研究发现,由摄像机拍摄得到的图像受离散的脉冲、椒盐噪声和零均值的高斯噪声的影响严重。消除图像中的噪声成分叫做图像的平滑化或滤波操作。......
2025-09-30
当不同区域(即目标)之间的灰度分布有一定的重叠时,双峰法的效果就很差。如果,预先知道每个目标占整个图像的比例p,则可以采用p参数法进行分割。p参数法的基本思想是,选择一个阈值T,使前景目标物所占的比例为p,背景所占比例为1-p。下面以图像中包括两个区域的情况来分析p参数法的基本步骤。假设整个直方图中低灰度区域所占的比例为p1,则p参数法的具体步骤可以如下描述:
1)计算图像的直方图分布p(rk)。其中k=0,1,…,N-1,表示图像的灰度等级;rk表示每个等级的灰度值。
2)从最低灰度值开始,计算图像的累积分布直方图

3)计算阈值T,有

也就是说,阈值就是与p1最为接近的累积分布函数Pa1(k)所对应的灰度值。
如果图像中有三个区域,并且假设整个直方图中低灰度区域所占的比例为p1,高灰度区所占的比例为p2,则低灰度区的分割同上述方法一致。高灰度区的累积函数分布计算过程正好相反,其直方图的累加方向应从高端到低端。令Pa2(k)为从高灰度值到低灰度值的累积分布函数,则有

则从图像中分离出高灰度区的阈值为(https://www.chuimin.cn)

如果图像的区域数大于3,则可在分离高、低两端区域后的图像中继续用上述方法进行分割,只是要注意分割过程中的起始灰度值不是0和N-1,而是T1、T2等。
由于这种方法需要预先知道各个区域的p值,因此被称为p参数法。
【例4.9】 p参数法图像分割实例
本例仍以图4.39a为例进行p参数法图像分割,假设p=0.4。图4.39c给出该图像的累积直方图。

图4.39 p参数法图像分割实例
从图4.39c中可以看出,当Pa1=0.4,其对应的灰度值为200,因此分割阈值T=200。图4.39d给出了阈值为200时获取的二值图像。
相关文章
 
                                
                                高斯噪声高斯噪声是指概率密度函数服从高斯分布的一类噪声。在弱光照的情况下,其影响更为严重,此时常用具有泊松分布的随机变量作为光电噪声的模型。这意味着噪声的幅度是与信号有关的。大量实验研究发现,由摄像机拍摄得到的图像受离散的脉冲、椒盐噪声和零均值的高斯噪声的影响严重。消除图像中的噪声成分叫做图像的平滑化或滤波操作。......
2025-09-30
 
                                
                                总之,利用CCD的光电转换功能及光学成像系统,就构成了CCD图像传感器或CCD摄像机。CCD在某一时刻所获得的光电荷与前期所产生的光电荷累加,称为电荷积分。正面照射时光注入示意图如图2.35所示,CCD器件的光敏单元为光注入方式。该线性关系是应用CCD检测光谱强度进行多通道光谱分析成像的理论基础。图2.36 CCD单元阵列结构示意图在这种P型硅衬底中,多数载流子是空穴,少数载流子是电子。图2.38为三相CCD中的4个彼此相邻的电极的情况。......
2025-09-30
 
                                
                                目前,CMOS有源像素图像传感器的开发目标在于提高传感器的综合性能,缩小单元尺寸,调整CMOS工艺参数,完善器件性能。寄存器模块用于保存及动态更新CMOS图像传感器工作所需参数等。......
2025-09-30
 
                                
                                计算机视觉测量技术以图像传感器为手段检测空间物体的空间三维坐标,进而检测物体的尺寸、形状和运动状态等。美国、加拿大、日本等发达国家早在20世纪60年代后期就已经开始了计算机视觉测量技术的研究。直到20世纪90年代,随着计算机技术的发展成熟,计算机视觉测量技术逐渐成为一个研究热点。......
2025-09-30
 
                                
                                基于边缘的分割方法边缘检测是在灰度图像分割中广泛应用的一种技术,它基于在区域边缘处梯度变化剧烈的假设,试图通过检测区域间的边缘来达到图像分割的目的。则分割时,选取的阈值应位于直方图波谷处。......
2025-09-29
 
                                
                                下面简要介绍Marr视觉理论的基本思想和框架。图1.1 Marr视觉信息处理的三个阶段第一阶段是早期视觉处理,其目的是从输入的原始图像中抽取观察者周围景物表面的物理特性,如距离、表面方向、材料特性等,并构成要素图或基元图。表1.2 由图像恢复形状信息的表达框架3.Marr视觉理论的意义及不足Marr视觉理论是计算机视觉研究领域的划时代成就。图1.2 改进后的Marr视觉理论框架限于历史等因素,Marr没有研究如何用数学方法严格地描述视觉信息的问题。......
2025-09-30
 
                                
                                早期的图像分割研究主要集中于对狭义图像分割的研究,且并未区分狭义图像分割与目标分割的概念,界定比较模糊。3)图像仅是现实世界的表象。只有随着各学科的综合发展,目标分割才会不断有新的突破。总之,尽管长期以来人们为研究目标分割问题做出了很大努力,但上述原因导致很难实现一种普适的方法,而只能针对特定问题和具体的需求给出合理的解决方法,在处理速度、精度等关键性指标上做出均衡或侧重。......
2025-09-29
相关推荐