图像分割评价可分为两种情况,第一,比较多个算法分割给定图像的性能,以帮助在具体分割应用中选取合适的算法;第二,掌握各算法在不同分割情况中的表现,通过选择算法参数来适应分割具有不同内容的图像和分割在不同条件下采集到的图像需要。这两方面的内容是相互关联的,分割评价不仅可以提高现有算法的性能,对研究新的技术也具有指导意义。图像分割评价指标要满足三点为最佳,一是相邻区域必须有不同的各向同性特征值,二是区域内部是简单的,没有太多的洞,三是区域必须是均匀或各向同性的。对评价方法的基本要求有三点,第一,应选取通用的图像进行测试使评价结果具有可比性;第二,应采用定量的客观的性能评价准则;第三,应该具有通用性,适于评价不同类型的分割算法并且适合各种应用领域情况。
图4.1  图像分割评价方法示意图
    由上图可见,直接评价法研究图像分割所用的算法本身,通过分析它的原理、性质、特点,从而推断和评判算法的优劣;而间接评价法是去研究输出分割图的质量,或由输入图得到的参考图与输出图的差别从而通过归纳总结得到分割算法的性能。同样要评价分割技术,各种方法的难易程度也不同。用间接法评判算法需要用算法对图像进行分割实验以得到输出分割图(有时还需获得参考图),而用直接法则只需要对算法本身进行分析就可以。
4.2    彩色图像的分割程序处理
 图像分割技术应用于图像的预处理,主要运用在灰度转换、灰度拉伸灰度拉伸以及基于DcT变换的平滑经典的边缘检测方法。灰度转换或灰度化处理是将彩色图像转变成灰度图像的过程,包含亮度信息,不包含色彩信息的图像,通常将灰度分成24位真彩色图像,每一个象素包含红(R)、绿(G)、蓝(B)三个分量,通过灰度转换可为计算机快速处理图像信息提供了必要的条件。灰度拉伸是指根据灰度直方图的分布有选择的拉伸某段灰度区间以改善输出图像。例如,如果图像灰度集中在较亮的区域而导致图像偏亮,可以用灰度拉伸功能来压缩物体灰度去。同时,可以用灰度拉伸功能来拉伸物体灰度区间以改善图像因在较暗的区域而导致图像偏暗的情况。采用分段式的线性拉伸方程强化前景和背景的灰度差异,增强前景区域,从而增加前景和背景的对比度。
4.2.1    彩色图像K-均值聚类分割
 
图4.2  “彩色图像K-均值聚类分割”对话框
对话框代码如下:
        private void start_Click(object sender, EventArgs e)
        {
            this.DialogResult = DialogResult.OK;
        }

        private void close_Click(object sender, EventArgs e)
        {
            this.Close();
        }

        public byte GetNum
        {
            get
            {
                return (byte)numClusters.Value;
            }
        }


 
上一篇:ASP.net+sqlserver在线考试管理系统设计与实现
下一篇:Linux服务器数据安全方案的设计与实现

基于Apriori算法的电影推荐

PHP+IOS的会议管理系统的设计+ER图

数据挖掘在电子商务中的应用

数据挖掘的主题标绘数据获取技术与实现

基于PageRank算法的网络数据分析

基于神经网络的验证码识别算法

基于网络的通用试题库系...

神经外科重症监护病房患...

志愿者活动的调查问卷表

国内外图像分割技术研究现状

中国学术生态细节考察《...

医院财务风险因素分析及管理措施【2367字】

承德市事业单位档案管理...

C#学校科研管理系统的设计

AT89C52单片机的超声波测距...

公寓空调设计任务书

10万元能开儿童乐园吗,我...