~~看了一篇论文,不是十分理解,希望图象分割理论方面的高手指导~
由于图象阈值分割方面的一般的书籍只介绍了迭带法等常用方法,昨天在网上偶然看到一篇明为《基于梯度调整的矩不变自动阈值图像分割算法》的文章,文章中提供一种基于统计学的车牌分割方法,我试着编写了程序实现这个算法,发现这个算法对一些图象的分割效果很接近利用高斯概率密度函数计算出来的最优值~所以,我非常希望能够深入的了解这个算法背后的原理。
文章中有一段大意是
“
对于一副图象,从统计学的观点来看,是二维随机过程中的一个样本,这个样本可以看作是理想图象的模糊视觉,其特征反映了总体的特征。分割从统计的角度来说也是由样本估计总体的过程,分割本身是对总体的一种描述和估计,可以用参数估计的方法进行目标图象的分割。
距不变的阀值分割就本质来说实际上是一种图象变换。它在通过保证在阀值分割前后,图象的距保持不变而保证总体距与样本距的一致性,使得图象从原始模糊状态变换为理想状态。
”
对于"分割从统计的角度来说也是由样本估计总体的过程"这句话我很难理解,希望现任大学老师或理论高手指导~~万分感谢
论文全文连接:
http://www.52angell.com/htmldata/84/90/2005_10/article_19054_1.html