半金屬

[拼音]:tuxiang fenge

[英文]:segmentation

把影象分解為一些特定的性質相似的部分(區域或物件),並用這些部分對影象進行分析和描述。一幅影象往往包含許多不同型別的區域,如物體、環境和背景等。影象分析的一個重要方法就是用它們作為基本組成成分對影象進行描述。例如為了在氣泡室圖片中檢出質點碰撞形式並判定其發生位置,就要在影象中分割出氣泡的軌跡及其端點。為了從輸入的文字中識別出一串字元,首先就要把各個字元從背景和其他字元中分離出來。因此把影象分割為若干子影象,並利用各子影象的特性和它們之間的關係描述影象,對於影象識別和解釋、物景分析以及影象的分塊處理和儲存都有很大的意義。

影象分割基本上是對畫素進行分類的過程。例如用某個灰度閾值把影象畫素分成“黑”和“白”兩類,就可以把黑的物件同白的背景區分開。常用的分割方法有灰度等級閾值法、譜和空間分類法、區域生長法和邊緣檢測法。

灰度等級閾值法

在影象只有兩種組成部分的情況下,影象灰度的直方圖常常呈現兩個峰值。用兩個峰值之間的谷值所對應的灰度作為閾值,把所有畫素灰度大於或等於閾值的作為一類,小於閾值的作為另一類是一種最基本的兩類分割方法。實際應用時為了改善分類的可靠性,可以利用某些附加的資訊(例如已知兩類區域的面積之比)使閾值的選擇更加合理。在類別更多的情況下,可以採用多級閾值把各類分割開來(例如確定兩個閾值,就可以把細胞影象分割為胞核、胞漿和背景三部分)。類別越多,影象直方圖的峰值就越不明顯,分割就更為困難。

譜和空間分類法

對於彩色和多光譜影象,可以用畫素的幾種性質(顏色和譜訊號)對畫素作比較精細的分類。對於黑白影象,用包括畫素本身灰度在內的一組區域性性質(例如該畫素鄰域灰級的均值)在多維空間中進行分類。對於一些複雜影象,這種方法比單獨的灰度閾值法效果更好。

區域生長法

這是一種從影象中提取區域或實體的序貫分割法。根據灰度、紋理的均勻性、同背景的對比度以及區域、形狀、尺寸等準則,把性質大致相同的鄰近畫素組合在一起以形成分割區域。

邊緣檢測法

用於獲取影象內物體輪廓的分割方法。一般採用曲線擬合、輪廓跟蹤或邊緣點連線等技術求出物體的邊界。此外,若對畫素的類別給以某種概率度量或隸屬度,則可以對畫素反覆進行分類,這就成為鬆弛迭代分割演算法。這種演算法有較好的效果,在影象分析中已得到廣泛應用。