【正文】 的原理和方法國(guó)內(nèi)外已有不少的研究成果，但一直以來(lái)沒有一種分割方法適用于所有圖像分割處理。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。 圖像分割技術(shù)的 發(fā)展趨勢(shì) 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(shì)： 、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(wèn)題的最終解決開拓了新的思路。 ，利用這些領(lǐng)域的專業(yè)知識(shí)來(lái)輔助解決圖像分割問(wèn)題，越來(lái)越多的吸引人們的注意力，相應(yīng)的，對(duì)圖像分割作為一個(gè)統(tǒng)一對(duì)象的研究在逐漸弱化。 像分割法 —— 閾值法、邊緣檢測(cè)法、區(qū)域法，包括基本原理，應(yīng)用實(shí)例。圖像分割通常是為了進(jìn)一步對(duì)圖像進(jìn)行分析、識(shí)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。 (1)? ????????=1 = ??； (2)對(duì)于所有的 i和 j， i ≠ j， 有 ???? ∩???? = ?； (3)對(duì) 于 i = 1,2,?,N，有 P(????)= TURE； (4)對(duì)于 i ≠ j，有 P(???? ∪ ????) = FALSE； (5)對(duì)于 i = 1,2,?,N， ????是連通的區(qū)域。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。 人們?cè)诙嗄甑难芯恐蟹e累了很多圖像分割的方法。 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(jiǎn)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)。這樣的劃分可以通過(guò)從灰度級(jí)出發(fā)選取一 個(gè)或多個(gè)閾值來(lái)實(shí)現(xiàn)。 閾值分割的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單、運(yùn)算效率較高、速度快。 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(cè)出區(qū)域間的邊緣，從而實(shí)現(xiàn)圖像分割的方法。這種利用常用的微分算子進(jìn)行邊緣檢測(cè)的方法是一種并行邊界技術(shù)。因此，人們提出了多尺度邊緣檢測(cè)方法，根據(jù)實(shí)圖像區(qū)域分割算法設(shè)計(jì) 5 際問(wèn)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(cè)精度。方法主要有區(qū)域生長(zhǎng)法、區(qū)域分裂與合并法、聚類法、松弛法等。 聚類法在特征空間對(duì)像素點(diǎn)集進(jìn)行聚類，包括硬聚類、概率聚類、模糊聚類等。把對(duì)應(yīng)于不同目標(biāo)的標(biāo)號(hào)分別賦給圖像中每個(gè)像素，根據(jù)相鄰像素之間的相容性，通過(guò)迭代調(diào)整標(biāo)號(hào)，直到收斂。 基于人工神經(jīng)網(wǎng)絡(luò)的分割方法的基本思想是用訓(xùn)練樣本集對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以確定節(jié)點(diǎn)間的連接和權(quán)值，再用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)分割新的圖像數(shù)據(jù)。 基于數(shù)學(xué)形態(tài)學(xué)的分割技術(shù)的基本思想是用具有一定形態(tài)的結(jié)構(gòu)元素 去量度和提取圖像中的對(duì)應(yīng)形狀，以達(dá)到對(duì)圖像分析和識(shí)別的目的。 灰度直方圖 灰度直方圖是灰度級(jí)的函數(shù)，它表示圖象中具有每種灰度級(jí)的象素的個(gè)數(shù)，反映圖象中每種灰度出現(xiàn)的頻率。直觀上來(lái)說(shuō) ， 若一幅圖像其像素占有全部可能的灰度級(jí)并且分布 均勻，則這樣的圖像有高對(duì)比度和多變的灰度色調(diào)。去噪過(guò)程同時(shí)還可實(shí)現(xiàn)圖像的平滑。線性濾波的基本原理是用均值代替原圖像中的各個(gè)像素值，即對(duì)待處理的當(dāng)前像素點(diǎn) (x,y)，選擇一個(gè)模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再圖像區(qū)域分割算法設(shè)計(jì) 7 把該均值賦予當(dāng)前像素點(diǎn) (x,y)，作為處理后圖像在該點(diǎn)上的灰度個(gè) g(x,y)，即 g(x,y) = 1 ??? ∑??(??,??) m為該模板中包含當(dāng)前像素在內(nèi)的像素總個(gè)數(shù)。用戶通過(guò)一定的方法（如鼠標(biāo)或鍵盤）選擇、激活這些圖形對(duì)象，使計(jì)算機(jī)產(chǎn)生某種動(dòng)作或變化，比如實(shí)現(xiàn)計(jì)算、繪圖等。它提供用戶一個(gè)常 見的界面，還提供一些控件，例如，按鈕，列表框，滑塊，菜單等。 在 GUI 中的每一個(gè)項(xiàng)目 (按鈕 ,標(biāo)簽 ,編輯框等 )都是一個(gè)圖形化組件 。以前，我們?cè)诋嫈?shù)據(jù)圖象時(shí)，圖象窗口會(huì)被自動(dòng)創(chuàng)建。鼠標(biāo)單擊或鍵入信息是一個(gè)事件，如果 MATLAB 程序運(yùn)行相應(yīng)的函數(shù)，那么 MATLAB 函數(shù)肯定會(huì)有所反應(yīng)。 本次設(shè)計(jì) GUI 界面如圖 所示： 圖 圖像分割 GUI 界面 本章小結(jié) 圖像分割 有多種 分類方式 ，本文主要分為四類，閾值分割方法、邊緣檢測(cè)方法、區(qū)域提取方法和結(jié)合特定理論工具的分割方法。 圖像區(qū)域分割算法設(shè)計(jì) 9 第 3 章 基于 閾值 的圖像分割方法的仿真實(shí)現(xiàn) 引言 閾值分割是一種最常見的分割方法。 常用的方法是：設(shè)定某一閾值 T，用 T將圖像分割成大于閾值 T的像素群 (目標(biāo) )和小于閾值 T的像素群 (背景 )兩部分。 閾值分割分為全局閾值分割和局部閾值方法兩種。圖像二值化過(guò)程就是在直方圖上尋找兩個(gè)峰、一個(gè)谷來(lái)對(duì)一個(gè)圖像進(jìn)行分割，也可以通過(guò)兩級(jí)函數(shù)來(lái)近似直方圖。 雙峰法在當(dāng)被分割圖像的灰度直方圖中呈現(xiàn)出明顯、清晰的兩個(gè)波峰時(shí)，使用該方法可以達(dá)到較好的分割精度。 (a) 灰度直方圖 (b) 原始圖像 (c) 分割結(jié)果 圖 31 直方圖雙峰法分割圖像 結(jié)果分析：從圖 31 的仿真結(jié)果可以發(fā)現(xiàn)，這是一種有效且簡(jiǎn)單的閾值分割方法，只需要將圖 31(a)直方圖上兩個(gè)波峰之間的谷底選擇為分割閾值，即選擇閾值為 80，就可以將對(duì)象從背景中分割出來(lái)了，得到圖 31(c)所示的分割結(jié)果。顯然，適 當(dāng)?shù)拈撝凳沟脙深悢?shù)據(jù)間的方差越大越好，表明該閾值的確將兩類不同的問(wèn)題區(qū)分開了，同時(shí)希望屬于同一類問(wèn)題的數(shù)據(jù)之間的方差越小越好，表明同一類問(wèn)題具有一定的相似性。從圖 32(b)的分割結(jié)果可見，這種方法可以完整地將對(duì)象從圖像背景中整齊清晰地分割出來(lái)，并充分反映出了原圖像的細(xì)節(jié)。針對(duì)這種情況，使用局部閾值的方法就可以在不同的區(qū)域選擇不同的閾值，將物體從背景中分割出來(lái)。如此反復(fù)迭帶直到開關(guān)函數(shù)不在發(fā)生變化，此時(shí)得到的前景和背景即為最終分割結(jié)果?；诘拈撝的軈^(qū)分出圖像的前景和背景的主要區(qū)域所在，但在圖像的細(xì)微處還沒有很好的區(qū)分度。 圖像區(qū)域分割算法設(shè)計(jì) 14 第 4 章 基于邊緣的圖像分割方法的仿真實(shí)現(xiàn) 引言 邊緣檢測(cè)是檢測(cè)圖像中有意義的不連續(xù)性的常用方法。 對(duì)于邊緣的檢測(cè)常常借助空間微分算子進(jìn)行，通過(guò)將其模板與圖像卷積完成。 考核邊緣算子的指標(biāo)是：低誤判率，即盡可能少地把邊緣點(diǎn)誤認(rèn)為是非邊緣點(diǎn)；高定位精度，即準(zhǔn)確地把邊緣點(diǎn)定位在灰度變化最大的像素上；抑制虛假邊緣。但對(duì)于邊緣復(fù)雜的圖像效果不太理想，如邊緣模糊、邊緣丟失、邊緣不連續(xù)等。對(duì)于一個(gè)連續(xù)函數(shù) f(x,y)，在 (x,y)處的梯度定義如式 4?1 所示： ?f= [????????????????]?? = [????????]?? (4? 1) 梯度是一個(gè)向量，其幅度和相位分別如式 4?2 和式 4?3 所示： |?f| = [????2????2]1 2? (4?2) φ(x,y) = tan?1(????????) (4?3) 圖像區(qū)域分割算法設(shè)計(jì) 15 式中的偏導(dǎo)數(shù)需要對(duì)每一個(gè)像素位置進(jìn)行計(jì)算，在實(shí)際應(yīng)用中常常采用小型模版利用卷積運(yùn)算來(lái)近似， ????和 ????各自使用一個(gè)模版。 算子 Roberts 邊緣算子是一種斜向偏差分的梯度計(jì)算方法，梯度的大小代表邊緣的強(qiáng)度，梯度的方向與邊緣走向垂直。 Roberts 邊緣 算子定位精度高，在水平和垂直方向效果較好，但對(duì)噪聲敏感。 Sobel算子通常對(duì)灰度漸變和噪聲較多的圖像處理得較好。 拉普拉斯算子 拉普拉斯算子（ Laplacian）是一種二階倒數(shù)算子，對(duì)于一個(gè)連續(xù)函數(shù) f(x,y)，在 (x,y)處的拉普拉斯算子定義如式 4?4 所示： ?2?? = ??2??????2 +??2??????2 (4?4) 這里對(duì)模版的基本要求：對(duì)應(yīng)中心像素的系數(shù)應(yīng)該是正的，對(duì)應(yīng)中心像素鄰近像素的系數(shù)應(yīng)是負(fù)的，且它們的和總為零。它在許多圖像處理領(lǐng)域得到了廣泛應(yīng)用。 結(jié)果分析 通過(guò) MATLAB 軟件進(jìn)行仿真實(shí)驗(yàn)，所得分割圖像如圖所示，分別為梯度算子、拉普拉斯算子、 Canny 算子的圖像分割仿真結(jié)果。而在三個(gè)梯度算子中，由圖 41 (b)、 (c)、 (d)可以看出 Sobel 算子的分割效果最好。對(duì)于二階 的 算子 ，拉普拉斯算子檢測(cè)方法常常產(chǎn)生雙像素邊界，而且這個(gè)檢測(cè)方法對(duì)圖像中的噪聲相當(dāng)敏感，不能檢驗(yàn)邊緣方向，所以一般很少直接使用拉普拉斯算子進(jìn)行邊緣檢測(cè)； Canny 算子不容易受噪聲的干擾，能夠檢測(cè)到真正的弱邊緣，但由于具有較強(qiáng)的噪聲抑制，同樣也會(huì)將一些高頻邊緣平滑掉，造成邊緣丟失。區(qū)域生長(zhǎng)法的基本思想是將具有相似性質(zhì)的象素合起來(lái)構(gòu)成區(qū)域，具體做法是選給定圖像中要分割的目標(biāo)物體內(nèi)的一個(gè)小塊或者說(shuō)種子區(qū)域，再在種子區(qū)域的基礎(chǔ)上不斷將其周圍的象素點(diǎn)以一定的規(guī)則加入其中，達(dá)到最終將代表該物體的所有象素點(diǎn)結(jié)合成一個(gè)區(qū)域的目的，該方法的關(guān)鍵是要選擇合適的生長(zhǎng)或相似準(zhǔn)則。進(jìn)行區(qū)域生長(zhǎng)分割圖像時(shí)，先對(duì)每個(gè)需要分割的區(qū)域找一個(gè)種子像素作為生長(zhǎng)的起點(diǎn)，然后將種子像素周圍鄰域中與種子像素有相同或相似性質(zhì)的像素（根據(jù)某種事先確定的生長(zhǎng)或相似準(zhǔn)則來(lái)判定）合并到種子像素所在的區(qū)域中。 。 ：最小面積閾值與像素中的最小區(qū)域大小有關(guān)。 區(qū)域分 離 與合并法 這種方法是從整幅圖像開始，通過(guò)不斷分裂到最終得到各個(gè)區(qū)域。對(duì) R進(jìn)行分割的方法是反復(fù) 將分割得到的結(jié)果圖像分成四個(gè)區(qū)域，直到對(duì)任意區(qū)域 ????，有 P(????) = TRUE。 其分裂示意圖如下： 圖 53 已分區(qū)的圖像 圖 54 相應(yīng)的四叉樹 ??2 ??1 ??3 ??41 ??43 ??42 ??44 R ??2 ??1 ??3 ??4 ??411 ??44 ??43 ??42 圖像區(qū)域分割算法設(shè)計(jì) 22 若只使用分裂，最后可能出現(xiàn)相鄰的兩個(gè)區(qū)域具有相同的性質(zhì)但并沒有合成一樣的情況。這種方法的主要優(yōu)點(diǎn)是對(duì)于分裂和合并都使用同樣的四叉樹，直到合并的最后一步。但是這種分割方法將分割區(qū)域的邊界破壞了，產(chǎn)生了塊狀區(qū)域邊界。 在一定程度上區(qū)域生長(zhǎng)和區(qū)域分裂合并算法有異曲同工之妙，互相促進(jìn)相輔相成的，區(qū)域分裂到極致就是分割成單一像素點(diǎn)，然后按照一定的測(cè)量 準(zhǔn)則進(jìn)行合并，在一定程度上可以認(rèn)為是單一像素點(diǎn)的區(qū)域生長(zhǎng)方法。基于閾值的分割方法主要論述 了 直方圖雙峰法 、 最大類間方差法和 迭代法 ； 基于邊緣的分割方法主要論述了基于邊緣算子 的分割方法；基于區(qū)域的分割方法主要論述了區(qū)域生長(zhǎng)法和 區(qū)域分裂與合并法。 在實(shí)際應(yīng)用中，若能將基于邊緣的分割方法和區(qū)域生長(zhǎng) 法結(jié)合起來(lái)，或者 用結(jié)合特定理論工具的分割方法 結(jié)合傳統(tǒng)方法 ，則可以得到更好的分割效果。另外，在校圖書館查找資料的時(shí)候，圖書館的老師也給我提供了很多方面的支持與幫助。由于我的學(xué)術(shù)水。本文引用了數(shù)位學(xué)者的研究文獻(xiàn)，如果沒有各位學(xué)者的研究成果的幫助和啟發(fā)，我將很難完成本篇論文的寫作。 圖像區(qū)域分割算法設(shè)計(jì) 25 參 考 文 獻(xiàn) [1] 丁亮，張永平，張雪英 .圖像分割方法及性能評(píng)價(jià)綜述 [J].國(guó)際 IT 傳媒品牌軟件 ,20xx(12)： 8287. [2] 楊合超，周雪梅 .幾種圖像分割技術(shù)的比較 [J].電子知識(shí)與技術(shù)， 20xx(9)： 24402441. [3] 樂宋進(jìn)，武和雷，胡泳芬 .圖像分割方法的研究現(xiàn)狀與展望 [J].南昌水專學(xué)報(bào) ,20xx(2) ：1520. [4] 章霄，董艷雪，趙文娟，張彥佳 .數(shù)字圖像處理技術(shù) [M].北京：冶金工業(yè)出版社， 20xx：175206. [5] 鄭靜，梁少華，王騰 .基于 MATLAB 仿真的邊緣檢測(cè)算子研究 [J].電腦知識(shí)與技術(shù) ,20xx(5)： 11891190. [6] 王坤，劉天偉，杜芳芳，常琳 .MATLAB 在對(duì)圖像進(jìn)行邊緣檢測(cè)方面的應(yīng)