Método de segmentación de imágenes en color de agrupamiento de K-medias basado en histograma
Una breve introducción:
Segmentación de imágenes
Principio básico: divida la imagen en varias subregiones que no se crucen según su estructura de composición y los requisitos de la aplicación. proceso. Estas subregiones son conjuntos conectados de píxeles con los mismos atributos en cierto sentido. Los métodos más utilizados son:
1)
Utilizar regiones como objetos para la segmentación y utilizar el principio de similitud como base para la segmentación, es decir, según la escala de grises, el color y la transformación. relación, etc. de la imagen Un método de agrupación de píxeles que divide las subregiones de la imagen por características similares y asigna cada píxel al objeto o región correspondiente, es decir, el método regional;
2)
Según el límite del objeto, segmente los objetos determinando directamente los límites entre regiones;
3)
Primero detecte los píxeles del borde y luego conecte los píxeles del borde para formar límites. segmentación.
Segmentación de umbral específico:
Los métodos de segmentación de umbral se dividen en las siguientes tres categorías:
1)
Umbral global: T= T [p (x, y)], es decir, el umbral se selecciona solo en función de f (x, y). El umbral solo está relacionado con las propiedades de cada píxel de la imagen.
2)
Umbral local: T=T[f(x, y), p(x, y)], el umbral está relacionado con las propiedades de los propios píxeles de la imagen. y las propiedades del área local.
3)
Umbral dinámico: T=T[x, y, f(x, y), p(x, y)], umbral y coordenadas de píxeles, píxeles de imagen. Las propiedades propias están relacionadas con las propiedades de las áreas locales.
El umbral global establece solo un umbral de segmentación para toda la imagen, que generalmente se usa cuando la imagen no es demasiado compleja y la distribución en escala de grises está relativamente concentrada. El umbral local divide la imagen en varias subimágenes; divide cada imagen en varias subimágenes. La subimagen establece un umbral local; el umbral dinámico se determina en función de la información espacial y la información en escala de grises. Aunque el método de segmentación de umbral local puede mejorar el efecto de segmentación, tiene varias desventajas:
1)
El tamaño de cada subimagen no puede ser demasiado pequeño, de lo contrario los resultados estadísticos serán no tener sentido.
2)
La segmentación de cada imagen es arbitraria si hay una subimagen que se encuentra en el área de destino o en el área de fondo, y se segmenta en función de la misma. resultados estadísticos, puede producir peores resultados.
3)
El método de umbral local requiere estadísticas para cada subimagen, lo cual es lento y difícil de adaptar a los requisitos en tiempo real.
El método de segmentación de umbral global se usa ampliamente en el procesamiento de imágenes. Utiliza un umbral fijo para segmentar la imagen en toda la imagen. Teniendo en cuenta la amplia aplicación del método de segmentación de umbral global, este artículo se centra en el método bimodal de histograma y el método de varianza máxima entre clases basado en un algoritmo genético entre los métodos de segmentación de umbral global. En esta sección, nos centraremos en el método bimodal del histograma en escala de grises, el método de máxima varianza entre clases y el método de máxima varianza entre clases basado en algoritmos genéticos, dejándolos para una discusión más profunda en el próximo capítulo.
La bibliografía detallada es, por supuesto, "Procesamiento de imágenes digitales" y algunos documentos útiles en Internet: MATLAB o VC
;