【10】如何对图像进行分割（下）
文章目录
- 3 阈值处理
- 3.1 基础
- 3.1.1 灰度阈值处理
- 2016甄题【计算题】
- 3.1.2 图像阈值处理中噪声的作用
- 3.1.3 解决光照不均匀导致的图像细节无法分辨
- 3.2 基本的全局阈值处理（目标和背景分布分明时使用）
- 2021甄题【简答题】
- 2007甄题【计算题】
- 2009、2011甄题【计算题】
- 2008、2010、2012甄题【计算题】
- 2006、2007甄题【名词解释】
- 习题10.34*
- 习题10.29
- 习题10.30
- 习题10.32
- 习题10.33
- 3.3 使用Otsu方法的最优全局阈值处理
- 2015、2020甄题【解答题】
- 习题10.35
- 习题10.37
- 习题10.38
- 3.4 使用图像平滑改进全局阈值处理（阈值处理前去噪）
- 习题10.39*
- 3.5 使用边缘改进全局阈值处理（分割大背景内的小目标）
- 2013、2015、2018、2020甄题【简答题】
- 3.6 多阈值处理（Otsu方法的多阈值处理）
- 3.7 可变阈值处理
- 3.7.1 基于局部图像性质的可变阈值处理
- 3.7.2 基于移动平均的可变阈值处理【逐点进行阈值处理】
- 2016、2020甄题【设计题】
- 习题10.40*
- 4 使用区域生长、区域分离与聚合进行分割
- 2005、2010甄题【名词解释】
- 4.1 区域生长
- 2009、2011、2012甄题【名词解释】
- 2015甄题【简答题】
- 2013、2019甄题【设计题】
- 习题10.41
- 4.2 区域分离和聚合
- 2020甄题【简答题】
- 习题10.42*
- 习题10.43*
- 5 使用聚类和像素的区域分割
- 5.1 用k均值聚类的区域分割（在数据中寻找聚类）
- 2024甄题【简答题】
- 2023甄题【简答题】
- 5.2 使用超像素的区域分割（用聚类从图像中提取“超像素”）
- 5.2.1 SLIC超像素算法
- 5.2.2 规定距离测度
- 2022甄题【简答题】
- 可考题【简答题】
- 可考题【简答题】
- 6 使用图割分割区域【不在考纲】
- 7 使用形态学分水岭分割图像
- 7.1 背景知识
- 2007甄题【名词解释】
- 7.2 构建水坝（用形态学膨胀）
- 7.3 分水岭分割算法（对梯度图像操作）
- 2009甄题【计算题】
- 习题10.49【计算题】
- 习题10.47
- 7.4 标记的使用（解决分水岭算法导致的过度分割）
- 2022甄题【简答题】
- 2018甄题【简答题】
- 8 在分割中使用运动信息：同时寻找区域和边界
- 8.1 空间域技术
- 8.1.1 基本方法
- 8.1.2 累计差值图像（ADI）
- 习题10.51
- 8.1.3 建立参考图像（仅含固定分量）
- 2007甄题【名词解释】
- 2019甄题【设计题】
- 习题10.55
- 8.2 频率域技术
- 可考题
- 习题10.53
- 习题10.54【设计题】
3 阈值处理
根据像素性质（如灰度值或颜色）的分布，通过阈值实现分割。
3.1 基础
前一节采用首先寻找边缘线段，然后将这些线段连接为边界的方法来识别区域。本节讨论根据灰度值和/或灰度值的性质来将图像直接划分为多个区域的技术。
3.1.1 灰度阈值处理
给定图像 f ( x , y ) f(x, y) f(<