讲解内容： 1.图像分割的概念与方法分类 2.边缘检测 3.Hough变换检测法 4.区域分割 5.区域生长 6.分裂合并法 目的： 1.掌握图像分割的概念和边缘检测的原理与方法 2.掌握Hough变换检测直线原理,了解Hough变换检测曲线方法； 3.掌握最简单图像区域分割,了解区域生长和分裂合并法 7.1 概述 7.2 边缘检测算子 7.3 边缘跟踪 7.4 Hough变换检测法

4.1 最优边缘检测算子 4.1.1 最优检测准则 4.1.2 最优定位准则 4.1.3 消除多重响应 4.2 一维台阶边缘的检测 4.3 二维或高维的边缘检测 4.4 需要多窗口的检测算子

要点: ■像素分类,灰度级门限化 局部特性值门限化 边缘检测 差分算子 彩色检测、纹理检测 ■序贯分割 ■区域生长

植物根系的生长状况可以反映该地区的气候及土壤特性,现有的根系研究方法如挖掘法、整段标本法和剖面法,都有破坏样本和工作量大等缺点.为了实时跟踪植物根系生长状况,介绍了一种基于多尺度小波变换和自适应阀值的图像处理方法,对采用内窥方法获得的根系图像进行边缘检测,并将边缘提取后的图像进行融合.此方法可以在不损伤植物根系的前提下自动对根系的生长情况进行提取分析,实现实时采集及精确测量根系的物理参数

1.图像分割的概念与方法分类 2.边缘检测 3. Hough变换检测法 4.区域分割 5.区域生长 6.分裂合并法

提出了一种联合多种边缘检测算子的无参考质量评价算法，同时考虑一阶和二阶边缘算子，避免了单一算子的局限性.该方法首先将彩色图像转换为灰度图像，然后计算灰度图像的梯度，相对梯度以及LOG特征.本文所使用的特征分为两部分，一部分提取相对梯度方向的标准差，另一部分利用条件熵来量化不同特征之间的相似性和相互关系，并且考虑到人眼特性进行多尺度计算，最后使用自适应增强（AdaBoost）神经网络进行训练和预测.在公共数据库LIVE和TID2008上进行实验，结果表明新方法对失真图像的预测评分与主观评分有较高的一致性，能很好地反映图像质量的视觉感知效果，仅使用10维特征，性能优于现有的主流无参考质量评价算法

7.1 概述 7.2 像素的邻域和连通性 7.3 图像的阈值分割技术 7.4 图像的边缘检测 7.5 霍夫变换Hough 7.6 区域生长（Region Growing）法

基于阈值选取的图像分割方法 基于区域的图像分割方法 基于边缘检测的图像分割

⚫ 一、引言 ⚫ 二、平滑 ⚫ 三、中值滤波 ⚫ 四、边缘检测 ⚫ 五、细化 ⚫ 上机实习

8.1 从傅里叶变换到小波变换的时频分析法 8.2 小波变换分类 8.3 小波变换的多分辨分析特性 8.4 尺度函数与小波 8.5 小波变换的快速实现 8.6 图像的多分辨分解与重建 8.7 小波变换在图像边缘检测中的应用 8.8 小波变换在图像去噪中的应用 8.9 小波变换在图像融合中的应用