【正文】 ，但是學校和學院為我提供了各種各樣便利的條件，無論是書籍的查閱還是資料的收集都十分方便，讓我能更好完成畢業(yè)論文。感謝電信學院的各位領(lǐng)導和老師，他們從各個方面給予了我很大的關(guān)心和幫助。家人的關(guān)心是我前進的力量！最后我要向各位老師抽出時間為本文的批閱表示衷心的感謝！參考文獻[1] 張建偉, 方林, 陳允杰, 詹天明, 李小田. 基于活動輪廓模型的左心室 MR 圖像分割[J].電子學報, 2011, 39(11):26702673.[2] 黃展鵬等 . 基于數(shù)學形態(tài)學和區(qū)域合并的醫(yī)學 CT 圖像分割 [J]. 計算機應(yīng)用研究,2010,27(11):119121.[3] 劉利雄, 馬忠梅, 趙恒博, 姚宇華, 張麒. 一種基于主動輪廓模型的心臟核磁共振圖像分割方法[J]. 計算機學報, 2012, 35(1):146153.[4] Feng W, Jia J Y, Liu Z Q. Selfvalidated labeling of Markov random fields for image segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2010,32(10):18711887.[5] M. Sezgin and B. Sankur. Survey over image thresholding techniques and quantitative performance evaluation [J]. Journal of Electronic Imaging, 2004, 13(1): 146165.[6] Sahoo P K, Arara G. A thresholding method based on twodimensional Renyi’s entropy [J].Pattern Recognition, 2004, 37(6):11491161.[7] Yu Qiao, Qingmao Hua, et al. Thresholding based on variance and intensity contrast [J].Pattern Recognition, 2007, 40(2):596608.[8] 薛麗霞, 李濤, 王佐成. 一種自適應(yīng)的 Canny 邊緣檢測算法[J]. 計算機應(yīng)用研究,2010,27(9):35883590.[9] 黃海龍, 王宏. 一種基于小波變換和數(shù)學形態(tài)學的邊緣檢測算法[J]. 東北大學學報, 2011,32(9):13151318.[10] 黃茜, 吳煒峰, 董肖. 基于局部尺度控制的模糊邊緣檢測算法[J]. 模式識別與人工智能,2011, 24(6):875881.[11] ZHOUA Y, STARKEYB J, MANSINHA L. Segmentation of petrographic images byintegrating edge detection and region growing [J]. Computers amp。 感謝11電信的同學和老師在學習和生活中對我的幫助，他們帶給我集體的溫暖，讓我的大學很充實。無論在什么時間遇到難題，黃煒嘉老師都會給我提供幫助?，F(xiàn)在四年的大學生活即將結(jié)束，這也將是我人生的一個轉(zhuǎn)折點，我要向所有支持，陪伴，關(guān)心我的人表示感謝。2 對于抗噪方面還有很大的進步空間，如何盡可能的濾除噪聲以及邊緣細節(jié)的處理還須進一步完善3本文介紹的改進的分割算法，運算量較大，提高運算速度，減少時間的浪費，爭取做到圖像分割的及時性。所以目標類和背景類之間的區(qū)別更為明顯。結(jié)束語 本文工作總結(jié)20世紀50年代，隨著電子計算技術(shù)的發(fā)展，人們開始利用計算機來處理圖像信息，圖像處理技術(shù)便起源于這個時候，并在60年代成為一門專門的學科。一維Otsu算法原理簡單，應(yīng)用廣泛。從圖中可以看出來一維的算法在部分細節(jié)上還不足，比如lena的頭發(fā)與背景重合，未能很好的區(qū)分出來，而二維的分割效果就好了很多。 為了驗證二維Otsu算法的圖像分割算法的有效性，繼續(xù)使用上一小節(jié)的3幅實驗圖像，在CORE i5，4G內(nèi)存的計算機上進行的，操作系統(tǒng)為Windows 7,編程環(huán)境為MATLAB R2010a。 （a）lena的原圖像 （b）lena的灰度直方圖（c）一維Otsu算法 （d)一維改進Otsu算法圖42：lena圖像實驗結(jié)果 如圖42中，（a）為原圖，（b）為其灰度直方圖，（c）采用了一維Otsu方法，（d）采用了改進的一維Otsu方法。對這幾幅實驗圖像，分別用傳統(tǒng)的一維Otsu法和改進方法進行處理，圖像的分割效果如下圖41，42，43所示。對于一維算法的改進，將其中方差由其絕對類內(nèi)方差用相對類內(nèi)方差代替，對于閾值的選取也更為準確。此時還有兩個區(qū)域沒有討論。其中表示像素的灰度值，表示鄰域平均灰度值。 一維改進的Otsu算法的圖像分割原理 經(jīng)典的一維Otsu算法一般找到的圖像灰度直方圖的谷不準確，閾值的獲取一般會偏向方差大的一方，也就是傳統(tǒng)的一維Otsu方法不能處理小對象的分割。所以改進此方法顯的迫在眉睫，劉建莊[6]將其推廣到由灰度和領(lǐng)域平均灰度構(gòu)造成的二維直方圖上，由此提出了二維Otsu的方法。該分割方法只是借助圖形像素的灰度信息，而沒有充分使用像素之間的空間有關(guān)信息，如果外界有噪聲干擾的影響，圖形灰度直方圖中波峰與波谷的分布不明顯，由此往往會產(chǎn)生錯誤分割，于是沒有得到滿意的分割效果，因此抗干擾性較差。假如背景類信息被誤以為目標類信息，反之會使得目標與背景之間的區(qū)別性降低。在諸多閾值自動選取方法理論中，Otsu算法在最佳閾值的獲取方面表現(xiàn)最好。第三章 基于Otsu算法的圖像分割原理 Otsu算法簡介有一種對灰度圖像進行分割的方法即最大類間方差法（最小類內(nèi)方差法）被日本學者大津展之提出。與區(qū)域分離合并的方法相比，區(qū)域生長減少了分裂的次數(shù)，但是區(qū)域分離合并可以在一幅相似度大的區(qū)域圖像中進行相似合并，而區(qū)域生長就不能這么做。該方法的優(yōu)點是對于圖像中較均勻目標會有較好的分割效果，并且運算量?。蝗秉c是對噪聲敏感，需要預確定種子像素，可能導致區(qū)域內(nèi)有空洞。二是怎樣制定選取周圍特性相似像素點的準則。同時邊緣的檢測要借助邊緣檢測算子，常用的邊緣檢測算子有Roberts算子、Laplace算子等。圖像在邊緣上的像素點的灰度級是不斷變化的，灰度的變化方向和變化率分別作為衡量灰度級變化的兩個特征值，我們把灰度變化方向用梯度向量來表示，把灰度變化率用幅值來表示[6]。這種方法的優(yōu)勢是對于信噪比大小不同圖像的分割，但是它計算量過于繁重導致計算速度比較慢。而不足之處是一些圖像的其他信息并沒有得到開發(fā)，如臨域信息，僅僅利用了圖像灰度特性，加之外部干擾的存在，從灰度直方圖中可以觀察出來圖像對應(yīng)的波谷與波峰并不明顯，與制度選取也就存在問題，所以得不到想要的結(jié)果。如果類間方差越大，表示圖像的目標和背景區(qū)別越大。該方法的優(yōu)點是抗干擾性能好，運算量較小，缺點是必須提前給出目標在整幅圖像所占的面積比例，如果不確定面積比，此方法也無能為力。 當閾值選取為谷底所對應(yīng)的值時，分割可效果最佳。閾值分割方法的基本原理是根據(jù)閾值把圖像劃分為兩部分，目標和背景，即判斷圖像中的每個像素點屬于目標區(qū)域還是屬于背景區(qū)域，從而得到相應(yīng)的二值化圖像。與之不同的是局部閾值，它是把圖像分割為幾個子區(qū)域，把每個區(qū)域應(yīng)用全局閾值法單獨獲得最佳的分割閾值，從而進行處理。在圖像的灰度直方圖中可以看到會出現(xiàn)明顯的峰值，這時候把可以谷底作為門限，來進行圖像處理。用閾值法進行圖像處理時，閾值選取的恰當與否是這個方法能否得到準確結(jié)果的重點所在，如果確定了一個合適的閾值，把圖像中所有灰度值大小和閾值比較，將大于它的歸為一類，作為物體。他的原理是要分割的區(qū)域和背景存在灰度上的差異,根據(jù)圖像的應(yīng)用臨區(qū)域分類，醫(yī)學圖像分割、安全圖像分割、交通圖像分割、軍事圖像分割等；從20世紀50年代開始，相對來說國內(nèi)外專家在他們不懈的努力下也取得了很大的成功，從不同的角度分析，關(guān)于圖像分割的分類繁多。即分割后的各個區(qū)域中的像素點是沒有重復的。則以下關(guān)系式成立：； （21） （22） （a） lena的原圖像 （b）lena的直方圖圖21：圖像及其直方圖圖像處理發(fā)展40余年，對它的定義如下：圖像分割，是將圖像中的具有特殊意義的代表不同的區(qū)域進行分割，使得分割后的區(qū)域之間滿足區(qū)域一致性的條件，并且區(qū)域和區(qū)域之間互不相交。它是數(shù)字圖像處理的基礎(chǔ)，當然也是圖像分割的基礎(chǔ)，它對于圖像中一維信息的描述非常直觀，也是一種我們了解圖像信息很實用的工具。第四章是對第三章里面算法進行了實現(xiàn)與分析。第一章是緒論，介紹了數(shù)字圖像分割的研究目的和意義，研究現(xiàn)狀和展望，以及本文的研究內(nèi)容和組織結(jié)構(gòu)。 本文綜合的討論了數(shù)字圖像分割的基本理論，常用的圖像分割技術(shù)，重點討論了閾值法中的Otsu方法，也稱為最大類間方差法，該方法簡單，而且對于閾值的選定是自動獲取的。二是從其他別的學科途徑中獲取一些新的想法，轉(zhuǎn)變思維模式，引進其他領(lǐng)域中的新方法與新概念，也更加重視把各種方法綜合起來加以運用。國內(nèi)外學者和專家將其他領(lǐng)域中的新鮮概念，新鮮知識，新鮮技術(shù)和原理同圖像分割的原理巧妙無比的結(jié)合起來，衍生出來了許多新興的研究方法，比如：基于水平集的分割方法[10]、基于蟻群算法的圖像分割技術(shù)[1112]、基于信息論的圖像分割技術(shù)[13]、基于分形的圖像分割技術(shù)[14]、與神經(jīng)網(wǎng)絡(luò)方法相結(jié)合的分割技術(shù)[1516]、使用小波變換運用到圖像中的分割方法[17]、利用遺傳算法來改進的分割技術(shù)[18]、采用數(shù)學形態(tài)學的分割技術(shù)[19]、基于模糊數(shù)學的分割方法[20]、基于圖論的分割方[21]等。雖然如此，面對圖像分割，這個問題依舊沒有一種功能全面，涵蓋所有問題的方法來解決。而圖像分割技術(shù)上可以很好的解決這些局部的問題，通過分割圖像來突顯我們需