图像分割算法,深度学习图像分割

图像处理有哪些经典算法?

图像分割算法,深度学习图像分割


我的研究方向就是图像处理与计算机视觉,图像处理(image processing)是指使用计算机对图像进行各种加工分析来改善图像的外观,以达到所需结果的技术,一般指数字图像处理 。处理的目的是使输出图像具有更好的效果,以便于人的观察,也是图像分析和图像识别做准备,此时图像处理是作为一种预处理步骤,主要包括图像几何变换,图像增强,图像去噪,图像压缩,图像复原,二值图像处理、图像分割以及特征提取等等 。
【图像分割算法,深度学习图像分割】下面我将简单介绍一下这几个方面以及用到的经典图像处理算法 。1. 图像几何变换图像几何变换又称为图像空间变换,它将一幅图像中的坐标位置映射到另一幅图像中的新坐标位置 。几何变换不改变图像的像素值,只是在图像平面上进行像素的重新安排 。主要包括平移、镜像、旋转以及缩放等等 。这些操作就会用到一些插值算法,经典的插值算法主要有最近邻插值、双线性插值以及高阶插值算法 。
2. 图像增强图像增强是指根据特定的需要突出一幅图像中的某些信息,同时,削弱或去除某些不需要信息的处理方法 。处理的目的就是消除噪声来改善图像质量,主要包括空间域增强和频率域增强两种增强技术 。空间域图像增强技术主要包括直方图修正、灰度变换增强、图像平滑化以及图像锐化等,经典的算法有通过直方图均衡化来增强图像对比度 。
频率域增强主要通过某些变换手段,比如傅里叶变换、离散余弦变换以及小波变换等,在频率域对图像进行分析,经典的算法就是小波变换,应用很广泛 。3. 形态学图像处理形态学,即数学形态学是图像处理中应用最为广泛的技术之一,其主要应用是从图像中提取对于表达和描绘区域形状有意义的图像分量 。使后续的识别工作能够抓住目标图像最为本质的形状特征,茹边界和连通区域等 。
二值图像的基本形态学运算,包括腐蚀、膨胀、开运算以及闭运算,经典应用包括击中击不中变换、边界提取和跟踪、区域填充、细化和像素化、提取连通分量等 。在我的研究课题中经常用到这些基础的图像处理算法 。4. 图像分割图像分割是指将图像中具有特殊意义的不同区域划分开来,这些区域是互不相交的,每个区域满足灰度、纹理、彩色等特征的某种相似性准则 。
图像分割是图像的分析过程中最重要的步骤之一,分割出的区域可以作为后续特征提取的目标对象 。主要包括的方法有边缘检测、阈值分割、边界跟踪、区域生长 。区域分离和聚合等,这其中有很多的经典图像处理算法,例如canny边缘检测、拉普拉斯边缘检测算法、OTSU大津法阈值分割、区域生长算法等等 。5. 特征提取算法特征提取就是从图像中提取有用的数据或信息,得到图像的“非图像”的表示或描述,如数值、向量、符号等,而提取出来的这些“非图像”的表示或描述就是特征 。
图像特征有好多种,比如基本的统计特征(周长、面积、均值等区域描述子)、直方图和灰度共现矩阵等纹理特征、亮度、色彩、边缘等等 。图像特征提取有很多经典的算法,比如PCA算法、LDA算法、LBP特征、灰度共生矩阵算法、SIFT特征算法、HOG特征算法以及现在最前沿的神经网络算法等等 。6. 机器学习经典算法另外,机器学习中最经典的算法有决策树、随机森林算法、逻辑回归算法、SVM算法、朴素贝叶斯、K最近邻算法、K均值算法、Adaboost 算法、神经网络算法、马尔可夫算法等 。

推荐阅读