您当前的位置:首页 >> 大数据 >  >> 正文
分水岭算法的缺点_分水岭算法
来源: 互联网      时间:2023-06-01 10:41:47

1、分水岭分割方法,是一种基于拓扑理论的数学形态学的分割方法,其基本思想是把图像看作是测地学上的拓扑地貌,图像中每一点像素的灰度值表示该点的海拔高度,每一个局部极小值及其影响区域称为集水盆,而集水盆的边界则形成分水岭。

2、分水岭的概念和形成可以通过模拟浸入过程来说明。

3、在每一个局部极小值表面,刺穿一个小孔,然后把整个模型慢慢浸入水中,随着浸入的加深,每一个局部极小值的影响域慢慢向外扩展,在两个集水盆汇合处构筑大坝,即形成分水岭。


(资料图)

4、2、分水岭的计算过程是一个迭代标注过程。

5、分水岭比较经典的计算方法是L. Vincent提出的。

6、在该算法中,分水岭计算分两个步骤,一个是排序过程,一个是淹没过程。

7、首先对每个像素的灰度级进行从低到高排序,然后在从低到高实现淹没过程中,对每一个局部极小值在h阶高度的影响域采用先进先出(FIFO)结构进行判断及标注。

8、3、分水岭变换得到的是输入图像的集水盆图像,集水盆之间的边界点,即为分水岭。

9、显然,分水岭表示的是输入图像极大值点。

10、因此,为得到图像的边缘信息,通常把梯度图像作为输入图像。

本文到此分享完毕,希望对大家有所帮助。

标签:

X 关闭

X 关闭