【正文】 ....................................................................................... 15 Canny 算子 .................................................................................................... 15 IV 結(jié)果分析 ....................................................................................................... 16 本章小結(jié) ....................................................................................................... 18 第 5 章 基于區(qū)域的圖像分割方法的仿真實(shí)現(xiàn) ........................................................ 19 引言 ............................................................................................................... 19 區(qū)域生長法 ................................................................................................... 19 區(qū)域分離與合并法 ....................................................................................... 21 本章小結(jié) ....................................................................................................... 23 結(jié)論 .............................................................................................................................. 24 參 考 文 獻(xiàn) ................................................................................................................ 25 致 謝 ...................................................................................................................... 26 附錄 1：仿真完整程序 ................................................................................................. 1 附錄 2：外文翻譯 ....................................................................................................... 13 圖像區(qū)域分割算法設(shè)計(jì) 1 圖像區(qū)域分割算法設(shè)計(jì) 第 1 章 緒論 選題的背景及 意義 在一副圖像中，我們常常只對其中的某些目標(biāo)感興趣，對于這些我們感興趣的目標(biāo)，它們通常在要分割的圖像中占據(jù)一定的區(qū)域，而且在某些特性上與周圍的圖像存在一定的差別。這些差別可能非常明顯，也可能十分細(xì)微，以至于人眼無法覺察。 圖像分割是按一定的制約規(guī)則把圖像劃分為若干個(gè)互不相交、具有特定性質(zhì)的區(qū)域，是把我們關(guān)注的區(qū)域從需要分割的圖像中提取出來，以此進(jìn)行進(jìn)一步研究分析和處理的技術(shù)。圖像分割的結(jié)果是圖像特征提取和識別等圖像理解的基礎(chǔ)，對圖像分割的研究一直是數(shù)字圖像處理技術(shù)的焦點(diǎn)和熱點(diǎn)。 圖像分割把圖像 空間分成一些有意義的區(qū)域，與圖像中各種物體目標(biāo)相對應(yīng)。它使得其后的圖像分析和識別等處理過程中所要處理的數(shù)據(jù)量大大減少了，同時(shí)又保留了有關(guān)圖像結(jié)構(gòu)特征的信息。通過對分割結(jié)果的描述，能夠理解圖像中包含的有關(guān)信息。圖像分割質(zhì)量直接影響后續(xù)圖像處理的效果，甚至決定其成敗，因此，分割的方法和精確程度至關(guān)重要。由此可知，圖像分割在圖像工程中占據(jù)非常重要的位置。 圖像分割在不同的領(lǐng)域也有其它的名稱，如目標(biāo)輪廓技術(shù)、目標(biāo)檢測技術(shù)、閾值化技術(shù)、目標(biāo)跟蹤技術(shù)等，這些技術(shù)本身或其核心實(shí)際上也就是圖像分割技術(shù)。 圖 像分 割的基本現(xiàn)狀 圖像分割算法的研究已經(jīng)有幾十年的歷史，一直都受到人們的高度重視。關(guān)于圖像分割的原理和方法國內(nèi)外已有不少的研究成果，但一直以來沒有一種分割方法適用于所有圖像分割處理。 傳統(tǒng)的圖像分割方法存在著一些不足，無法滿足人們的要求，給進(jìn)一步的圖像分析和理解過程帶來了困難。隨著計(jì)算機(jī)技術(shù)的發(fā)展及其相關(guān)技術(shù)的成熟，結(jié)合圖像增強(qiáng)等圖像處理技術(shù)，我們已經(jīng)能夠在計(jì)算機(jī)上實(shí)現(xiàn)圖像分割處理過程。然而，到目前為止，人們還沒有制定出選擇合適分割算法的標(biāo)準(zhǔn)，這給圖像分割技術(shù)的應(yīng)用帶來許多實(shí)際困難。因此，圖像分割的研究還在不斷 深入，是目前圖像處理中研究的熱點(diǎn)之一。 圖像區(qū)域分割算法設(shè)計(jì) 2 圖像分割在圖像工程中起著承上啟下的作用，是介于低層次處理和高層次處理的中間層次。早在 1965 年就有人提出了檢測邊緣算子邊緣檢測方法，邊緣檢測已產(chǎn)生了不少經(jīng)典算法。目前越來越多的學(xué)者開始將數(shù)學(xué)形態(tài)學(xué)、模糊理論、遺傳算法理論、分形理論和小波變換理論等研究成果運(yùn)用到圖像分割中，產(chǎn)生了結(jié)合特定數(shù)學(xué)方法和針對特殊圖像分割的先進(jìn)圖像分割技術(shù)。 圖像分割技術(shù)的 發(fā)展趨勢 縱觀圖像分割技術(shù)在這些年的發(fā)展，其中有幾個(gè)明顯的趨勢： 、新的方法引入圖像分割領(lǐng)域，如這幾年逐漸引起人們重視的模糊算法、神經(jīng)網(wǎng)絡(luò)遺傳算法、小波分析、粗集理論、數(shù)學(xué)形態(tài)學(xué)等理論都先后被應(yīng)用于圖像分割領(lǐng)域，為領(lǐng)域中的研究注入了新的活力，有效地解決了原有理論的一部分缺陷，改善了分割效果，更重要的是為圖像分割問題的最終解決開拓了新的思路。隨著基礎(chǔ)理論研究的深化，這一趨勢勢必會繼續(xù)下去。 ，綜合使用兩種以上的方法，能夠部分客服單獨(dú)的圖像分割算法難以對一般圖像取得令人滿意的分割效果的問題，占據(jù)了分割領(lǐng)域中現(xiàn)有文獻(xiàn) 的大部分。而采取什么樣的結(jié)合方式才能體現(xiàn)各種方法的有點(diǎn)，彌補(bǔ)各自的不足，取得好的預(yù)期效果，在未來將仍是人們關(guān)注的主要問題之一。 ，利用這些領(lǐng)域的專業(yè)知識來輔助解決圖像分割問題，越來越多的吸引人們的注意力，相應(yīng)的，對圖像分割作為一個(gè)統(tǒng)一對象的研究在逐漸弱化。醫(yī)學(xué)圖像處理中的病理圖像分割、工業(yè)圖像分割、交通圖像處理中的車牌識別等都是近幾年來圖像分割領(lǐng)域中討論較多的熱點(diǎn)問題。 研究已經(jīng)有了許多成果，但是與灰度圖像分割方法的多樣性相比，其理論不夠豐富，近幾年，關(guān)于彩色圖像分割的文獻(xiàn)有增加的趨勢，有可能成為一個(gè)新的熱點(diǎn)方向。 本論文 的主要工作及內(nèi)容安排 ，并介紹相關(guān)的術(shù)語，這里面有三次均值濾波、灰度直方圖等。 像分割法 —— 閾值法、邊緣檢測法、區(qū)域法，包括基本原理，應(yīng)用實(shí)例。用 MATLAB 進(jìn)行仿真，對分割的圖片做比較，分析各種分割方法的優(yōu)點(diǎn)與不足 總結(jié)全文 ，得出結(jié)論。 圖像區(qū)域分割算法設(shè)計(jì) 3 第 2 章 圖像分割技術(shù)綜述 圖像分割基本概念 圖像分割（ Image Segmentation）就是將圖像表示為物理上有意義的連通區(qū)域。人們一般是通過對圖像的不同特征如邊緣、紋理、顏色、亮度等的分析達(dá)到圖像分割的目的。圖像分割通常是為了進(jìn)一步對圖像進(jìn)行分析、識別、跟蹤、理解、壓縮編碼等，分割的準(zhǔn)確性直接影響后續(xù)任務(wù)的有效性，因此具有十分重要的意義。圖像分割就是把圖像分成各具特性的區(qū)域并提取出感興趣目標(biāo)的技術(shù)和過程。圖像分割在有些領(lǐng)域也稱目標(biāo)輪廓、閾值化技術(shù)、圖像區(qū)分或求差技術(shù)、目標(biāo)檢測技術(shù)、目標(biāo)識別技術(shù)、目標(biāo)跟蹤技術(shù)等。 多年來人們對圖像分割提出了不同的解釋和表述，借助集合概念對圖像分割可給出如下定義：令集合 R代表的整個(gè)圖像區(qū)域，對 R的圖像分割可以看做是將 R分成 N個(gè)滿足以下條件的非空子集 ??1,??2,? ,????。 (1)? ????????=1 = ??； (2)對于所有的 i和 j， i ≠ j， 有 ???? ∩???? = ?； (3)對 于 i = 1,2,?,N，有 P(????)= TURE； (4)對于 i ≠ j，有 P(???? ∪ ????) = FALSE； (5)對于 i = 1,2,?,N， ????是連通的區(qū)域。 其中 P(????)是 對 所 有 在集 合 ???? 中 元 素 的邏 輯 謂詞 ， ? 表示空集。 ? ????????=1 = ??代表分割的所有子區(qū)域的并集即為原來的圖像，它是圖像處理中的每個(gè)像素都被處理的保證。 ???? ∩???? = ?指出分割結(jié)果中的各個(gè)區(qū)域是互不重疊的。P(????) = TURE表明在分割結(jié)果中，每個(gè)區(qū)域都有其獨(dú)特的特性。 P(???? ∪????) =FALSE表明在分割結(jié)果中同一個(gè)子區(qū)域的像素應(yīng)當(dāng)是連通的，也就是說同一個(gè)子區(qū)域內(nèi)的任意的兩個(gè)像素在該子區(qū)域內(nèi)是互相連通的。 這些條件對分割具有一定的指導(dǎo)作用。但是，實(shí) 際中的圖像分析和處理都是針對某種特定的應(yīng)用，所以條件中的各種關(guān)系也需同實(shí)際需求結(jié)合來設(shè)定的。 人們在多年的研究中積累了很多圖像分割的方法。圖像分割是一個(gè)將像素分類的過程，分類的依據(jù)可建立在像素間的相似性、灰度不連續(xù)性基礎(chǔ)之上。對于相似性檢測方法（即基于區(qū)域的分割方法）主要有：雙峰法、區(qū)域分裂與合并和自適應(yīng)閾值分割等；對于灰度不連續(xù)性檢測方法（即基于邊緣的分割方法）主要有：邊緣檢測、邊緣跟蹤和霍夫變換等。此外，還有結(jié)合特定理論工具的分割方法，這些方法包括基于形態(tài)學(xué)分水嶺的分割、基于統(tǒng)計(jì)模式識別的分割、基于神經(jīng) 網(wǎng)圖像區(qū)域分割算法設(shè)計(jì) 4 絡(luò)的分割、基于信息論的分割、基于小波變換的分割等。 基于閾值的分割方法 圖像閾值化分割是一種傳統(tǒng)的最常用的圖像分割方法，因其實(shí)現(xiàn)簡單、計(jì)算量小、性能較穩(wěn)定而成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)。它特別適用于目標(biāo)和背景占據(jù)不同灰度級范圍的圖像。它不僅可以極大的壓縮數(shù)據(jù)量，而且也大大簡化了分析和處理步驟，因此在很多情況下，是進(jìn)行圖像分析、特征提取與模式識別之前的必要的圖像預(yù)處理過程。圖像閾值化的目的是要按照灰度級，對像素集合進(jìn)行一個(gè)劃分，得到的每個(gè)子集形成一個(gè)與現(xiàn)實(shí)景物相對應(yīng)的區(qū)域，各個(gè)區(qū)域內(nèi)部具有一致的屬性，而相鄰區(qū)域布局有這種一致屬性。這樣的劃分可以通過從灰度級出發(fā)選取一 個(gè)或多個(gè)閾值來實(shí)現(xiàn)。 它的 基本原理是通過設(shè)定不同的特征閾值，把圖像象素點(diǎn)分為若干類。常用的特征包括：直接來自原始圖像的灰度或彩色特征；由原始灰度或彩色值變換得到的特征。設(shè)原始圖像為 f(x,y)，按照一定的準(zhǔn)則 f(x,y)中找到特征值 T，將 圖像分割 為兩個(gè)部分，分割后的圖像為：若?。? ??0 = 0(黑 )， b1 = 1(白 )，即為我們通常所說的圖像二值化。 閾值分割的優(yōu)點(diǎn)是計(jì)算簡單、運(yùn)算效率較高、速度快。在重視運(yùn)算效率的應(yīng)用場合 (如用于硬件實(shí)現(xiàn) )，它得到了廣泛應(yīng)用。目前，圖像的閾值分割已被應(yīng)用于很多的領(lǐng)域，例如，在紅外技術(shù)應(yīng)用中，紅外無損檢測中紅外熱圖像的分割，紅外成像跟蹤系統(tǒng)中目標(biāo)的分割；在遙感應(yīng)用中，合成孔徑雷達(dá)圖像中目標(biāo)的分割等；在醫(yī)學(xué)應(yīng)用中，血液細(xì)胞圖像的分割，磁共振圖像的分割；在農(nóng)業(yè)工程應(yīng)用中，水果品質(zhì)無損檢測過程中水果圖像與背景的分割。在工業(yè)生產(chǎn)應(yīng)用中，機(jī)器視覺運(yùn)用于產(chǎn)品質(zhì)量檢測等。 基于邊緣的分割方法 基于邊緣的分割方法是一種利用圖像不同區(qū)域間的像素灰度不連續(xù)的特點(diǎn)檢測出區(qū)域間的邊緣，從而實(shí)現(xiàn)圖像分割的方法。 邊緣檢測是所有基于邊緣分割方法的第一步。邊緣檢測可以根據(jù)處理的順序分為并行邊緣檢測和串行邊緣檢測。圖像中相鄰的不同區(qū)域間總是存在邊緣，邊緣處像素的灰度值是不連續(xù)的，可通過求導(dǎo)數(shù)的方法檢測到，因此，我們常用灰度的一階或二階微分算子來進(jìn)行邊緣檢測。這種利用常用的微分算子進(jìn)行邊緣檢測的方法是一種并行邊界技術(shù)。而串行邊界查找法是一種先檢測到邊緣再串行連接成閉合邊界的方法，這種方法受起始點(diǎn)的影響的程度較大。 這種分割方法實(shí)現(xiàn)的難點(diǎn)就在于邊緣檢測時(shí)抗噪性和檢測精度之間的矛盾。若提高了檢測精度，噪聲產(chǎn)生的偽邊緣會導(dǎo)致不合理的輪廓；若提高了抗噪性，則會產(chǎn)生輪廓漏檢和位置偏差。因此，人們提出了多尺度邊緣檢測方法，根據(jù)實(shí)圖像區(qū)域分割算法設(shè)計(jì) 5 際問題設(shè)計(jì)多尺度邊緣信息的結(jié)合方案，以便更好地兼顧抗噪性和檢測精度。 基于區(qū)域的分割方法 基于區(qū)域的圖像分割算法是常用的比較經(jīng)典的圖像分割方法。其基本思想是根據(jù)圖像數(shù)據(jù)的特征將圖像空間劃分為不同的區(qū)域，然后根據(jù)不同區(qū)域的不同特征